AI 讀新聞選股、機器學習回測報酬亮眼——但這些數字有多少能真的拿來交易?這一集我們拆解三篇 2026 年的同行評審研究:GPT-4 判讀新聞標題確實有預測力,但策略 Sharpe 隨 LLM 普及一路下滑,而且很怕交易成本;研究者的設計選擇本身就能讓結果天差地遠,「非標準誤」最高可達標準誤的 5 倍;而許多 ML 模型看重的「重要變數」,其實是微型股效應在作祟。
🎧 這集你會聽到:
・GPT-4 判讀新聞標題:隔夜新聞多空策略年化 Sharpe 2.97(未扣成本),以及為何從 2021 年的 6.54 降到 2024 年的 1.22
・交易成本有多致命:每趟 10 bps,Sharpe 就降到 1.29
・5,376 個投資組合告訴我們:研究設計選擇造成的「非標準誤」有多大
・排除微型股之後,ML 選股真正重要的變數變成低風險異象與流動性波動度
・從統計顯著到經濟顯著:怎麼判斷一個 AI 選股策略可不可信
📚 本集引用文獻:
Lopez-Lira, A., & Tang, Y. (2026). Can ChatGPT forecast stock price movements? Return predictability and large language models. Journal of Financial Economics, 184, 104335.
https://doi.org/10.1016/j.jfineco.2026.104335
Lalwani, V., Meshram, V., & Jindal, V. (2026). Empirical asset pricing via machine learning: The role of research design choices. European Financial Management, 32(3), 816–833.
https://doi.org/10.1111/eufm.70033
Jo, Y., & Kim, Y. H. (2026). Rethinking variable importance in machine learning: An economic perspective on empirical asset pricing. Financial Analysts Journal, 82(2), 92–135.
https://doi.org/10.1080/0015198X.2026.2621646
⚠️ 本集內容依論文摘要整理,語音由 AI 生成,可能簡化細節,引用前請以原始論文為準。
💡 本集僅為學術研究分享,不構成任何投資建議,投資前請自行評估風險。
▶️ YouTube 影片版:
https://youtu.be/hEB3BTBjQjs
AI 研究室|把論文聽進去 🎙️