用 AI 分析股票，最實在的好處是省時間：一份公司年報，以往由頭讀到尾要兩三小時，配合 AI 提問大約半小時就能消化。但單靠 AI 閱讀公開數據，想穩定跑贏市場的機會很小，因為人人都拿得到同一批資料。公開數據仍然可以帶來優勢，前提是投資者有能力自己拆解和估值，或者在生活中比市場更早察覺變化。AI 的作用，是把這種優勢有系統地驗證和放大。
AI 怎樣改變個人投資者的研究流程？
對做基本面研究的投資者來說，AI 最像一個能幹的研究助手。以往要逐份翻閱財報，現在可以先讓 AI（例如 ChatGPT）整理重點，再把關鍵或細微的問題交給它回答。做行業分析時，一次比較二十多間公司的業務、收入和近況，以前要花上一整天，再整理成試算表；現在一兩小時就能完成。
AI 沒有改變的，是作出決定所需的判斷。最後落單之前，投資者仍然要自己核對數字、做事實查證和估值。AI 節省的是收集和整理資料的時間，不是判斷的責任。
至於把買賣全權交給電腦，程式交易（algorithmic trading）是指由電腦程式按預設規則自動買賣。從業者的觀察是，這類交易在個人投資者中仍屬少數。AI 帶來的改變，是令不懂編程的人也能把自己的策略寫成程式。
人人都能讀公開資料，為何仍有投資機會？
公開資料人人都拿得到，但消化資料和重新估值的能力因人而異，所以仍有機會。有效市場假說（Efficient Market Hypothesis）是指股價已經反映所有可得資訊的金融理論。按其「半強式」版本，單靠公開資訊買賣，無法持續取得高於大市、經風險調整的回報。照這個推論，用 AI 讀更多公開資料，似乎也沒有額外優勢。
實際操作中，「資料公開」與「能夠消化資料」是兩回事。同一份財報擺在眼前，能否重新拆解、自行估值，才是分別所在。以一位投資者的 Adobe 個案為例：2026 年 6 月，Adobe 股價受 AI 衝擊的憂慮拖累，跌穿每股 200 美元。他用現金流折現模型（discounted cash flow，DCF）倒推市場預期。現金流折現模型是把公司未來各年預計產生的現金，按時間和風險折算成今天價值的估值方法。按他的模型，200 美元隱含的假設是公司往後十年收入和利潤每年下跌兩三個百分點。
可是 Adobe 2026 財年第二季（截至 2026 年 5 月）的收入按年增長 13%，撇除一次性項目的盈利增長約一成 [1]，業務本身亦沒有重大轉變。即使只假設未來幾年輕微增長，他估算的價值已達每股 240 至 250 美元，比 200 美元高出約 20% 至 25%。這不是 AI 給出的答案，而是投資者利用知識重新計算市場預期的結果。AI 可以幫忙按不同假設做情境分析，但不能代替這一步。
AI 會放大市場情緒嗎？
AI 本身不製造恐慌或貪婪，但可能放大使用者原有的想法。常見的情況是，使用者問 AI「這隻股票該不該買」時，心裡已經想買，只是想找人認同。AI 的回答往往模稜兩可，使用者便順勢下單。這些交易未必有基本面支持，卻令交易次數增加。交易愈頻密，手續費愈多，扣除成本後的回報往往更差。克服「跌時不敢買、升時才想追」的心理，始終要靠投資者自己，AI 難以代勞。
怎樣避免 AI 只說你想聽的話？
避免 AI 迎合的方法，是先定方向、要求反駁、再換模型覆核。AI 迎合（sycophancy）是指聊天機械人傾向附和用戶原有的看法；研究發現，用人類偏好訓練的模型會傾向給出迎合用戶的答案 [2]。
具體做法有三步。第一，先自己做初步研究，定好方向，再讓 AI 執行計算和資料搜集。第二，主動要求 AI 反駁自己的論點，指出可能出錯的地方。第三，用另一個模型做這種反駁，因為不同模型的回答未必一樣迎合。這樣前期準備雖然多了，但比讓 AI 做一大輪分析、最後發現方向不對而要重做，更省時間。
越多人用 AI，投資優勢會消失嗎？
從業者的看法是，懂得用 AI 的投資者比不用的人佔優；但單靠 AI 而缺乏自己的判斷，賺錢的機會很小。研究亦有類似發現：一份工作論文用 GPT-4 分析新聞標題再據此買賣股票，發現這類策略的回報隨大型語言模型普及而下降 [3]。從業者的另一個觀察是：以往找到市值十億美元以下的冷門股，機構往往要兩三季後才會察覺；到 2026 年，一兩個月內股價已經反映。
美國事故警報服務公司 PagerDuty 是這種變化的一個例子。PagerDuty 多年按會計準則錄得虧損，主要因為以大量股票支付員工薪酬。這是非現金開支，公司 2025 財年的自由現金流有 1.08 億美元 [4]。公司其後減少股票薪酬，並轉為帳面盈利 [5]。據從業者經驗，過去這類機會可以持有較長時間，現在股價追上的速度似乎快了。如果這個趨勢持續，同一套方法的回報可能愈來愈低，投資者需要定期檢視策略是否仍然有效。
普通人應該怎樣用 AI 投資？
普通人用 AI 投資，較有效的做法是從自己熟悉的生活觀察出發，再請 AI 分析相關公司的數字和估值。普通人可能擁有的優勢，是在生活中比華爾街更早察覺的變化。
以跑步鞋為例：馬拉松熱潮興起時，經常跑步的人會留意到，身邊愈來愈多人買 HOKA、ASICS、On 等品牌的跑鞋（HOKA 的母公司為 Deckers）。倫敦、紐約等大型馬拉松的完賽人數接連刷新紀錄，可見這是全球現象 [6]。早幾年察覺到這個趨勢的人，可以請 AI 分析相關公司過去幾年的銷售和利潤增長，例如是否每年增長一兩成，而股價是否尚未追上。再按「趨勢可維持兩年、每年增長約一成半」等假設做估值，判斷市場是否低估了增長。
另一個例子是手袋品牌 Coach：近年憑 Tabby 系列重新受年輕人歡迎，母公司 Tapestry 的股價隨之大升，這種變化行街時就能看到。
從日常觀察找投資機會，正是傳奇基金經理彼得·林治（Peter Lynch）「投資你熟悉的東西」的主張。他因妻子愛用 L'eggs 絲襪而研究其母公司 Hanes，Hanes 後來成為他管理的富達麥哲倫基金最大持倉之一 [7]。
最值得花時間的，是把自己的興趣、工作和日常觀察轉化為有根據的投資論點，再用 AI 有系統地驗證和估值。相反，讓 AI 解讀每一則新聞、預測股價反應，或者追逐自己不了解的科技股，都難以建立優勢。AI 可以降低研究門檻，但投資優勢仍然來自自己掌握而市場尚未消化的資訊。
參考資料
1. Adobe（2026）。Adobe Reports Record Q2 Results。SEC Form 8-K Exhibit 99.1，2026 年 6 月 11 日。https://www.sec.gov/Archives/edgar/data/0000796343/000079634326000109/adbeex991q226.htm
2. Sharma, M. 等（2023）。Towards Understanding Sycophancy in Language Models。arXiv。https://arxiv.org/abs/2310.13548
3. Lopez-Lira, A., & Tang, Y.（2025）。Can ChatGPT Forecast Stock Price Movements? Return Predictability and Large Language Models。arXiv 工作論文。https://arxiv.org/abs/2304.07619
4. PagerDuty（2025）。PagerDuty Announces Fourth Quarter and Full Year Fiscal 2025 Financial Results。PagerDuty，2025 年 3 月 13 日。https://www.pagerduty.com/newsroom/pagerduty-announces-fourth-quarter-full-year-fiscal-2025-financial-results/
5. PagerDuty（2026）。PagerDuty Announces First Quarter Fiscal 2027 Financial Results。Business Wire，2026 年 5 月 28 日。https://www.businesswire.com/news/home/20260528962339/en/PagerDuty-Announces-First-Quarter-Fiscal-2027-Financial-Results
6. Guinness World Records（2025）。TCS London Marathon 2025 makes history as the biggest marathon ever。Guinness World Records，2025 年 4 月 28 日。https://www.guinnessworldrecords.com/news/2025/4/tcs-london-marathon-2025-makes-history-as-the-biggest-marathon-ever
7. Lynch, P., & Rothchild, J.（1989）。One Up on Wall Street。Simon & Schuster。https://publishersweekly.com/9780671661038
※ 本文由學識團隊設計的學術AI agent，根據影片內容整理生成，如有錯漏敬請指正。
📺 觀看完整影片：用 AI 分析股票，真係有用？公開數據都可帶來投資優勢？｜#學識AI EP18
主持：江啟明 - 新南威爾斯大學工程學博士，城市大學金融工程學碩士。
嘉賓：Erik 方源 - ex-ibanker，全職投資者。
學識會員