大部分人用AI投資都做錯了，是你有問題還是AI有問題？(附機構投資人的6步SOP流程，含金量極高)

你有冇試過，打開 AI，打一句「呢隻買唔買得過」，等AI生成答案，然後覺得自己已經做完功課。

我上周看過一位基金經理講散戶如何錯誤利用AI幫自己投資的影片。基金經理提到，內地有散戶叫 AI 幫他「砌」一個 AI 主題投資組合，還已經特地叮囑要「控制風險」。他投入 20 萬人民幣，一個星期後，不單止沒有贏錢，竟然反輸14%，餘下大約 17 萬。同一時間，英、美、加都有律師把 AI 生成的判例交上法庭，法官一查，那些案例全部不存在。兩個案例看起來無關，其實都有同一個通病：一般人都將 AI 當成一個「專家」，而大眾一直在用的LLM，其實只是一個巨型 Excel，並不是你的「基金經理」。

你以為你識用AI，其實你唔識，仲要用錯。咁點用先啱？

做錯以下4個動作，令你的AI 變成一個永遠都GEN錯答案的機器

第一個錯誤動作是只問一條問題。「呢隻股票買唔買得過？」看似直接，其實你沒有向AI提及資金規模、風險上限、持有期限、你有沒有持貨。你給予AI的資訊越少，AI越會用平均值去填補，答案自然就是最像大眾，但不保證準確的那個。

第二個動作是不問資料來源。AI提供的數字是甚麼時候的、用哪個口徑、有沒有調整過，你一律不查。AI 不會主動說「這個數字我不肯定」，它只會用同樣肯定的語氣，講出一個可能錯的數字。

第三個動作是沒有人對答案負責。AI答完之後，你沒有fact check 之餘，更加沒有人對這個決定負責。你不會追問，AI不會認錯，你後知後覺發現錯誤。

第四個動作是執行後不覆核。60 日、90 日之後，你不會回頭問，當初那個判斷還成不成立，倉位比例還對不對。沒有覆核就沒有校準，同一個錯誤可以重複三年。

LLM 只是一個巨型 Excel，不是基金經理

大語言模型不是一個懂市場的人，它是一個把人類寫過的句子重新排列的機器。它擅長語言，但不擅長因果。問題是它太像人，一問一答下它答得有文有路，語氣還會順著你，好多人就當它是心理導師、是資深朋友、是 portfolio manager。這種迷惑性才是它最危險的地方。它有幻覺，而幻覺是包裝在流暢句子裡面的。你正確的做法是，你要當LLM只是一個Excel，而你面對一個「Excel工具」 ，你不會問它「你點睇」。你只會餵數據、設公式、看輸出。你面對 AI 的態度也應該一樣。

機構同散戶的分別，不是資源，是一個完善的SOP。

我聽過最多人講的一句是「機構有研究部、有數據、有彭博，我點鬥？」

我不同意。你真正缺的是一張學習機構 Research 的六步流程。指示你的AI跟足以下六步流程，減少出錯機會。（含金量極高)

→Mandate（投資目標／範圍）

→ Brief（問題，一次一條）

→ Prompt（一個 prompt 只放一個問題）

→ Source（每條數據要有出處、日期、judgment）

→ Condition（什麼情況下這個判斷會失效？）

→ Review（每 30／90 日重跑一次）

第一步 mandate。先定下你投資甚麼、不投資甚麼、目標幾多、可以承受幾多。沒有 mandate，任何一個投資建議對你都同樣吸引，因為你沒有標準去篩選。

第二步 brief。把問題寫成一條答得出的問題。不是「你點睇」，而是「在這些限制之下，我應不應該加」。

第三步 prompt。一個 prompt 只放一條問題。

第四步 source。每條數據要有出處、日期、口徑。這一步要人手撳入去看。你給 AI 越多自主權，它越會亂來。

第五步 condition。寫明在甚麼情況下，我這個判斷是錯的或失效。這步最少人做，也最值錢。如果兩個失效條件都寫不出，即是你不應該買。

第六步 review。定一個週期，30 日或 90 日，重新檢視一次，看當初的判斷還成不成立。

用一個具體例子：100 萬港幣的 book

- 單一股票上限 15%（升值後最多容許到 40%，超過就要減）

- 整個組合最大可承受虧損 25%，未到 25% 之前就要開始減

- 每 90 日 review 一次

- 唔好問 AI 「你點睇 Nvidia？」，而是：「在 90 日 review、AI 風險暴露不超過 28%、單一股票嘅市值，不可佔你整個組合總值嘅上限 15%。 這些限制下，我應否加 Nvidia？加幾多？」

你要追求的不是「一次睇中」，而是「一套可以重複、經時間驗證的 SOP」。

利用SOP，你都可以開一間「一人基金公司」

例子：先建立一個 CEO，給它 mandate（專業投資團隊、可能是主力美股但無資產類別限制）。 CEO 自動分派下屬：Analyst、Research、Risk、Fact-checker。 模擬真實公司架構，你只需要同 CEO 說話、給予指令，不需要逐個 bot 對話。即場要求AI處理US$100 萬 portfolio ，要個 bot 自己去找數據、起 fact-checker、產出組合。你要做的是逐條 source 撳入去睇，你給 AI 越多 autonomy，它就越會亂來。

再外加四條選股規則，例如：1. 收入／創新動能 2. 利率相關門檻（按年變動不超過 0.5 個百分點）3. 資本支出 vs 現金流：資本支出年增幅不可大幅超過現金流增幅；現金流落後 10% 列入觀察名單，落後更多即不合格 4. 單一部位上限 10–20%——因為人類知識有限，唯一可做的風險管理就是分散。外加一條鐵律：每一筆都要寫明「什麼情況下我會錯」。兩個條件都寫不出來，就唔好買、唔好加。

總結

AI 產品生命週期極短，已經有 29 款 AI 產品退場，例如GPT plugin是當年很紅的工具，現在無人再提。不用追求每一個新 tool，要學的是「怎樣同 AI 溝通」的心態與方法。而AI 是「知識放大器」，如果你本身知識是 0，0乘 AI 都是 0；相反你有基礎知識 + 完整流程，AI 才能把你的 20 分放大到 100分。 最後，為甚麼要利用AI協助你投資及賺錢？40 年前的 100 元，用 CPI 計現在只剩 3 元購買力，用 M2 計更差。沒有一個長期守住購買力的模式，你長期是跑輸貨幣供應的。