你可能刷到过这样的广告：AI选股、自动盯盘、自动买卖，配一张稳稳往右上角走的回测曲线。也可能听朋友说过，现在量化机构都在用AI炒股——所谓量化，简单说就是让数据和程序参与买卖决策——人脑早就比不过了。手里有点闲钱，动念头很正常：要不要交给AI试试？
掏钱之前，有一句话值得先想清楚：AI是策略的加速器，不是替你拿主意的人。这篇文章要解释的，就是这一句。
AI 能加速执行，策略仍需要人判断
先说加速器是什么。假设你有一个判断，比如“跌得多、估值又低的股票，短期更容易反弹”——这只是举例，不是推荐。这个判断对不对，要靠你对市场的理解来回答。判断定了之后，AI能做的就很多了：飞快翻完几千只股票，筛出符合条件的名单，盯着你设好的条件，信号一出现就自动下单。这些重复工作适合交给程序处理；能节省多少时间，还要看数据质量、工具能力和人工复核的工作量。
但顺序不能反：判断在先，加速在后。判断是错的，加速器只会让你亏得更快、更频繁——原本一个月才犯一次的错，自动化之后可能一天犯三次。往哪个方向开得自己定，AI只负责踩油门。
一条新闻能提醒我们什么
九派财经2026年8月5日报道（腾讯新闻转载页），转引私募排排网数据称，截至7月31日，幻方量化9只“展示产品”中，只有1只年内收益还剩0.04%，其余8只已经转负，报道举例的一只年内跌了3.84%；这9只产品7月单月跌幅全部超过20%，最深的一只单月下挫22.15%[1]。幻方官网介绍，其投资体系使用AI、神经网络和自建算力平台[2]，报道把它称为国内量化私募的标杆机构，还提到其创始人同时也是国产大模型DeepSeek的创始人——本次材料中的这层身份关联来自报道。
这组数字目前只是媒体转引：私募排排网的原始净值、托管资料、幻方官方业绩披露都没经过独立核对，同一个页面读多少遍也不等于验证[3]。9只产品按什么规则挑出来展示、占幻方全部产品多少，本次材料没有提供——能确定的只有一件事：如果报道属实，既然每只跌幅都超过20%，这9只的简单平均跌幅也必然超过20%，但精确平均值算不出来，更不能外推成幻方整体的表现。报道把单月22.15%的跌幅叫作“最大回撤”也不准确，最大回撤要用连续净值从一段时间的最高点算到随后的最低点，拿月初月末的差代替不了。至于9只产品为什么在7月一起大跌，没有持仓和同期市场数据，目前下不了结论。
所以这条新闻既不能证明AI不行，也不能证明AI行。它真正有分量的提醒是：如果报道属实，连自建算力、以AI著称的头部机构，旗下也会有单月跌掉五分之一以上的产品。“用了AI”和“稳定赚钱”之间，从来画不上等号。
从回测到实盘，哪些判断不能交出去
亏损出现时，谁来决定怎么办
很多人对AI炒股的想象是：我出钱，它出力，赚了我高兴，亏了就换一家。这个想象漏掉了一个环节——亏损出现时，谁来决定怎么办。
任何策略都有不适合的行情。靠“追涨”赚钱的策略，遇到来回震荡的市场会反复被甩出去；靠“抄底”赚钱的策略，遇到持续下跌会越买越套。这不一定是策略坏了，可能只是环境变了。问题在于，账面上的亏损本身不会告诉你现在是哪种情况：是该扛过去的正常波动，还是策略已经失效、该立刻停手。
这个判断，只有在你知道它靠什么赚钱时才做得出来。如果把决策整个交给一个黑箱，亏损出现时你手里没有任何依据：扛，可能是死扛；停，可能正好倒在好转之前。两种都可能是错的，而你连错在哪都不知道。这才是“无脑使用”的真正代价——不是多付一点手续费，是失去识别失灵的能力。
举一个假设的例子，人物和情节都是虚构的，只为说明机制。小李买了一款AI选股工具，宣传页上写着回测年化40%。他说不清这工具靠什么赚钱，只知道“是AI”。用了三个月，账户亏了8%。他问客服，对方说“模型短期波动很正常，建议长期持有”。这句话是安慰还是事实，小李判断不了——“正常波动”的边界，恰恰是宣传页没写、他买之前也没问的部分。继续还是止损，他只能抛硬币。
那条好看的回测曲线，可能藏着什么
回测是拿历史数据模拟出来的成绩，天然有几种注水方式。
最常见的是模型背下了历史行情里的巧合。好比一个学生把过去五年的考题答案全背熟了，做旧卷满分，换新卷就露馅。AI模型参数多、记性好，更容易犯这个毛病。还有一种来自开发者自己：反复调整参数、反复用同一段数据试，最后留下的方案天然最迎合那段历史，好看是难免的。更隐蔽的一种是“偷看未来”：用收盘之后才能算出来的数据，却假设自己按当天收盘价成交，在回测里做到现实中做不到的事[4]。
防这些毛病，行内有个基本做法：留一段从没参与设计的新数据，方案定死之后再测一次，叫样本外测试——你可以理解成“拿没刷过的题进考场”。一款工具如果连这个都没做过，那条曲线再漂亮，也只能说明它擅长复述历史。
从纸面到账户，中间隔着一层磨损
就算信号是真的，纸面收益还得过成本这一关。手续费只是开始。信号发出到真正成交，价格可能已经动了，实际成交价和回测采用的价格之间会有差距——单次看很小，架不住交易频繁，一年几百笔下来就是一笔大数。计算、传输、下单都要时间，短线机会可能在订单到达之前就已经消失[5]。
还有一个更宏观的机制值得知道：当很多机构挤在同一类交易里，机会会被摊薄；一旦集中退出，还会互相压低价格。这只是一种可能的解释路径——它是不是幻方7月下跌的原因之一，现有材料无法证实。但它说明了一个普遍道理：同一个能赚钱的信号，用的人越多，每个人分到的越少。
把 AI 放回工具的位置
先想清策略，再让工具执行
再举一个假设的例子，同样纯属虚构。小王也在用AI工具，但顺序不同。她自己先有一个明确的策略：只在某类行情里做某类股票，逻辑能用一句话说清。AI在她手里负责三件事：筛票、算信号、执行下单。投钱之前她写好一条“失效线”：亏到什么程度、连续多久不达预期，就认定策略不行，停下来复盘。
亏损真的出现时，她的处境和小李完全不同。她能翻出记录，对照策略逻辑，判断这是策略声明过的不适用行情，还是逻辑本身出了问题。前一种她按预案扛或减仓，后一种她按预案停。AI还是那个AI，差别在于主意是她自己拿的。
两种用法各有各的成本。小李的方式省心，代价是把最关键的判断外包出去；小王的方式要花心思，换来的是亏损出现时知道自己在做什么。对没有金融背景的普通人来说，前者的省心往往是错觉——你只是把焦虑推迟到了亏损之后。
一个不花钱就能做的小实验
如果你已经在看某款工具，投钱之前可以做三件事。
第一，一句话测试。让对方用一句话说清这个工具靠什么赚钱——赚的是哪种市场行为的钱，在什么行情里会失效。答不上来，或者只会说“这是AI”，就先别投。AI标签和家电上的“智能”标签差不多：它说明用了某类技术，不说明结果更好。
第二，跑一到两个月的模拟记录，不动真钱。每次信号出现时，记下三个数：信号显示的价格、你当时实际能成交的报价、中间隔了多久；然后假设按实际报价成交，扣掉手续费算总账。这个实验能暴露回测和现实之间的一部分差距，但要知道边界：模拟记录还原不了真实交易里的排队、部分成交和大额买卖对价格的影响，只能当初步对照。
第三，看结果时别只盯总收益。和同期大盘比一比：如果它只是跟着市场一起涨，那部分不能算它的本事，真正要看的是比同期市场多赚的那部分还剩不剩。比较时尽量挑持仓风格、风险程度相近的基准，两边的成本都算进去。再看看过程中最深亏过多少、收益是不是靠少数几笔交易撑起来的——去掉最幸运的几笔，曲线就失去了优势，那离“可持续”还有距离。实验通过，不代表未来能赚钱；实验通不过，几乎可以确定省下一笔学费。
总结
AI在交易里真正擅长的，是把重复繁重的环节提速：筛选、计算、执行，这些事它做得又快又不累。但决定赌什么、什么时候承认错了退出，始终是人的事。把顺序摆对——先把策略想明白，再让AI去加速它——它就是好帮手。顺序反过来，加速器只会把你更快地带到你不认识的地方。
以上只是机制分析，不构成任何买卖建议。
参考来源
- [1] 《梁文锋旗下幻方量化部分产品年内收益转负，9只产品7月跌幅超过20%》，九派财经，2026年8月5日，腾讯新闻转载页
- [2] 幻方量化基金官网，页面标题及发布时间未提供
- [3] 原报道提及的数据平台：私募排排网首页（未取得原始净值），页面标题及发布时间未提供
- [4] QuantConnect《Research Guide》，页面未标明发布时间，2026年9月15日查阅
- [5] QuantConnect《Reconciliation》，页面未标明发布时间，2026年9月15日查阅