TradeLearn|1469學交易 trade1469.com
工具與資料 · 第 6 節

用 AI 做行業調研

工具與資料 · 第 6 頁。這一節比上一節更需要小心。

這一節講什麼 讀財報時你有一份給定文件可以核對,做行業調研時沒有。這個區別讓幻覺風險高得多,而且編造的內容往往看起來最專業。
學完能做到 開放性問題的特有風險、正確的用法(鋪開而非結論)、 以及三條不能省的驗證步驟。

先說清楚風險為什麼更高

讀財報行業調研
輸入一份給定的文件沒有給定文件
驗證翻回原文核對需要自己去找來源
錯誤形式數字抄錯、位置標錯編造資料、編造來源、把過時資訊當現狀
識別難度低(可逐條對)高(聽起來都很合理)

最麻煩的是第三行的「編造來源」:它可能給你一個看起來完全正規的報告名稱、機構名稱和年份,而那份報告並不存在。

另外還有一類不算編造但同樣有害的問題:把幾年前的市場格局說成現在的樣子。這一篇裡已經出現過三次規則變動(北向披露、上證綜指編制修訂、ETF 費率),而這類變化恰恰是最容易被講錯的。

正確的用法:讓它鋪開,不讓它收口

1

用它列出「我該關注什麼」

這是價值最高、風險最低的用法。

可以這樣問:
「研究這個行業時,通常需要關注哪些環節?上下游分別是什麼?
決定這個行業盈利能力的關鍵變數有哪些?
這個行業的公司在財報上通常有哪些特殊科目或口徑需要注意?」

它的輸出是一張「問題清單」,而清單本身可以被你判斷是否合理。

然後你拿著這張清單,自己去找答案。

2

用它做「術語翻譯」

陌生行業的年報裡會有大量專業術語。

讓它解釋「這個詞在這個行業裡是什麼意思」,風險很低, 因為你隨後讀原文時能立刻驗證解釋合不合理。

3

用它整理你自己收集的材料

這是最安全的一種用法:把資訊源交給它,而不是讓它自己去找。

比如你已經下載了三家公司的年報,讓它做對比表, 這就退化成了 上一節 的場景,可以逐條核對。

讓它幫你想問題,不讓它幫你給答案。

三條不能省的驗證

  1. 任何具體數字都要求給出可點開的來源,然後真的點開。 「據某某研究院報告」這種表述不算來源: 要能落到一個具體的、你能開啟驗證的地方。 打不開的,就當這個數字不存在。
  2. 任何涉及規則、制度、監管要求的說法,都去官方渠道核對。 規則會變,而 AI 的知識有時間邊界。 這一點在 北向資金那一節 講過: 網上大量內容描述的是一個已經不存在的世界。
  3. 問一次「反面」。 在它給出一套邏輯之後,追問: 「這個判斷可能錯在哪裡?有哪些相反的證據或觀點?」
    這個動作能對沖 確認偏誤: 包括你的和它的。

一個具體的追問範本

當 AI 給出任何行業判斷後,把這三句複製過去:

「這個結論基於什麼時間的資訊?
支撐它的具體資料是什麼,出處在哪裡(給可訪問的連結)?
如果這個結論是錯的,最可能錯在哪一環?」

第三句最有用:一個能清楚說出自己可能錯在哪的回答, 比一個信心十足的回答有價值得多。

而這也正是 規則四測 第三關的思路: 無法被證偽的說法,等於沒有說法。

最後一條,也是最重要的

行業調研的結論,最終要落到一個可證偽的判斷上,而不是一段描述。

「這個行業前景廣闊」是描述,不是判斷,因為它沒有任何情況能證明它錯了。

可證偽的版本長這樣:「我認為這個行業未來兩年的需求增速會高於 X%, 依據是 A、B、C;如果出現 D,我就承認判斷錯了。」

而這一步 AI 幫不了你,因為承擔這個判斷後果的人是你,不是它。見 行業 ETF 那一節 的四個問題。

做

動手做

隨便挑一個你不熟悉的行業,讓 AI 給你講講它的基本情況。

然後挑出它提到的第一個具體數字(市場規模、增速、份額,什麼都行)。

要求它給出這個數字的可訪問出處,然後真的去開啟驗證。

這一次驗證的經歷,比讀十篇關於「AI 會不會出錯」的文章都有用。

要點:行業調研沒有給定文件可核對,所以風險高於讀財報, 特有的錯誤是編造來源和把過時資訊當現狀。 正確用法是讓它列問題清單、翻譯術語、整理你已有的材料。 三條驗證:數字要可點開的出處、規則去官方核對、追問「可能錯在哪」。