Re: [請益] AI寫程式交易碼的穩定性？

[ZMTL (Zaious.)]

※ 引述《midas82539 (喵)》之銘言：
...
: 你可以單純的什麼都不想理解，只想要AI直接生成一個方法而讓你等著領錢。
: 但結果就可能是這種穩法，穩穩地相信這方法會賺錢，結果賠錢。
: 或者你開始花時間了解，為何這方法可以賺錢，它賺錢是有哪種公式上的特性嗎？
...
: 而在隨機的因子中，AI也不能幫你太多。頂多只能說你要賭多少才不會斷頭。
: 而在單純的賭博中，你獲利來源本身就是隨機的波動，所以這代表不見得永遠都有
: 正期望值的單一策略。
: 歷史價格回測也是類似的問題，就講一個很簡單的例子：
: 假設現在給你最近200次的百家樂開局數據，閒、莊、莊、和、閒...
: 你可以用這200次的"歷史資料"找到一個賺錢百家樂策略嗎？
...
: 那你還會相信AI給的策略有用嗎？肯定覺得很爛吧(笑)
: 但真正的問題終究還是，你到底知不知道你想要什麼？
: 我們現在討論的東西它背後都是有一定的邏輯的，但不可諱言的是，就跟有時候
: 你跟人賭大小，對方就是點數比你大而贏了，不論是你寫的還是AI幫你寫的
: 最終都無法避免這種隨機性，但如果你完全不懂你要什麼，那對你來說還是會覺得沒用。
...
: 這方法可以聽起來很爛沒關係，但至少你是從無到有想到一個方法，
: 再來才是驗證這方法有沒有用，而這時候你問AI才可能學到有用的東西。
: 但一定要AI才行嗎？事實上不用，你不用AI也可以做出很多低效率的方法。
: 但如果你可以把這些低效率的方法像是收集民間偏方魔法，然後開始發現有些組合
: 似乎可以有更好的結果，而似乎是有幾種可以做的流派，那麼你就可以學到很有趣的東西


不行了，雖然不知道符不符合股板精神，但實在很想出來講講話，
這正是目前「對AI的認知鴻溝過大」的標準體現。

有些人的AI是LLM，想像AI用在交易上的方法就是讓他給你策略建議，
然後說別鬧了只會給一些歷史策略或幻覺策略，沒用。

有些人的AI還是LLM，想像AI用在交易上的方法是生成一些交易程式碼，
然後說別鬧了AI寫的程式碼充滿隨機性，沒用。

但這個時間點談的AI交易員指的都是Agent。

所謂的Agent指的是有成熟關於交易策略的思考框架(人工設計)，
操作能捕捉特定數值特徵的程式(可以是人工審核設計過的)
並用LLM來「思考」做出判斷、藉由程式執行交易的，叫做2026年的AI(Agent)。

所以你的思考框架很成熟、程式很嚴謹、判斷跟執行的速度很況，那就不會是幻覺問題，
然後... 極少數人能讓AI做到、但大部分人的AI做不到，那你們要說AI能不能做到？

現在AI的下限上限混在一起講根本雞同鴨講。

哦對然後最新發展是AI可以24/7自主活躍不需要人類指示啟動。
AI技術迭代太快了，一個月一個花樣，這樣討論根本不會有結果的。

--
※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 125.228.55.14 (臺灣)
※ 文章網址: https://www.ptt.cc/bbs/Stock/M.1771854270.A.C2E.html
※ 編輯: ZMTL (125.228.55.14 臺灣), 02/23/2026 21:44:39
※ 編輯: ZMTL (125.228.55.14 臺灣), 02/23/2026 21:45:52
→ midas82539  : ...這種我說A你回B我該回應什麼
推 ss218       : 到最後還不是一樣被擁有最大量策略模型與最新資訊的
→ ss218       : 國際資本碾壓
推 awhat       : 1樓我想這是因為你原文本來就把AI限制在LLM的應用
推 bala045     : 搞個團隊訂製了一堆agent 的 本來就跟想花20鎂賺到
→ bala045     : 兩億的散戶不能一起比較
→ budaixi     : 這回文也是跑過ai阿
推 bala045     : AI版版主當然用AI潤稿 搞不好也是一個skill 呢
推 h0103661    : 第一篇文就問的不明不白所以回文才差很多，根本不
→ h0103661    : 知道原原po是在問AI寫程式還是AI做決策==
→ ZMTL        : 對啊，用LLM跟Agent都是AI，然後用LLM的脈絡來說AI
→ ZMTL        : 做不好交易，這不是很奇怪也永遠不會有結論嗎？
→ ZMTL        : 問AI能不能做到，玩Agent的可以跟你說能做到但門檻
→ ZMTL        : 很高，但還用LLM理解AI的一直說AI做這件事情會有各
→ ZMTL        : 種問題 = =
推 a89182a89182: 整體認同 但以他發文的方式 一定不是講AI agent 至
→ a89182a89182: 於LLM世界知識我覺得已經足以應付大部分的財經問題
→ a89182a89182: 了，不需要完全否定
推 LeFilsDuVent: LLM是foundational model，用LLM理解AI目前來說很
→ LeFilsDuVent: 難說有什麼錯吧？agentic AI就是多了tool calling，
→ LeFilsDuVent: 白話說就是會用API，會用函數，會生出正確arguments
→ LeFilsDuVent: 而已
→ DrTech      : 樓上正確。原文跟本外行，亂講Agent
推 garraypierce: 請搜尋thinkingface-ai，這網站是LLM打造出來的
→ ZMTL        : Agentic AI 絕對不是只多了Tool Calling
→ ZMTL        : Function Call這東西兩年前就存在了
→ ZMTL        : Agent的本質是Thinking framework，SKILL.md
→ ZMTL        : 是Agent Skill中唯一requirement的要件，不是script
→ ZMTL        : 多的我就不講了
→ ZMTL        : @a89182a89182 LLM的知識最大的問題是知識截止日後
→ ZMTL        : 的落差，包括最新的交易策略，甚至最新的程式語法
→ ZMTL        : 與模型性能等等都會有gap，有時候就會有致命差距
→ DrTech      : skill.md或任何表述完成任務的策略，早於function c
→ DrTech      : all吧。ReAct論文出來時，還沒什麼人在討論function
→ DrTech      :  call 或tool該怎麼統一介面。
→ DrTech      : SKILL.md也代表你只懂 Claude 產品而已。早在Claude
→ DrTech      :  code沒出來前，大家都自己自由的在做類似的東西。S
→ DrTech      : KILL.md，或MCP也只是抄一堆論文的實作出來的工具而
→ DrTech      : 已啊。SKILL.md 抄襲 ReAct概念。MCP抄 OpenAI func
→ DrTech      : tion call概念。
→ DrTech      : 早期OpenAI的 function call確實是Anthropic 的MCP
→ DrTech      : 與Agnet技術源頭阿，換個名稱底層還是在抄OpenAI更
→ DrTech      : 早期的function call源頭。
推 a89182a89182: rag 出現搭配網路基本解決一大半 就算沒有網路，基
→ a89182a89182: 礎財經知識不需要更新到多新吧，拿來設計一套完整
→ a89182a89182: 的策略，或是我們給予足夠資訊讓他分析想法和討論，
→ a89182a89182: 我覺得沒什麼大毛病
推 h0103661    : mcp跟function call完全不一樣好嗎，mcp是資料交換
→ h0103661    : 協議，只是最常用來呼叫函數
→ ProTrader   : 覺得是原po回文偏離交易策略主題  跑去AI能做甚麼
→ ProTrader   : 尋找穩贏的聖盃策略是各類交易者的最終目標
→ ProTrader   : 最初的原po看起來是想叫AI生成像印鈔機的聖盃策略
→ ProTrader   : 本篇說的屬於AI Agent 與 Agentic AI的討論
→ ProTrader   : 人類社會的各領域工作都可討論AI代理人問題
→ ProTrader   : 一個避險基金Agentic AI之下可以包含多種AI Agent