最近滑社群平台，賽博龐克風的金融 Agent 越來越常見：黑底霓虹、跳動的 K 線、精美的儀表板，幾句 Vibe Code 就能做出來。看多了，我總有一種感覺——有些產品像同一條產線出來的「行情播放器」：接入通用資料，讓 LLM 即時解讀，再換套 UI 播出來。

即時行情、技術指標和委託單流分析當然有用。但如果把動畫關掉，只剩幾句「偏多」「偏空」，研究依據到底在哪裡？

說到底，行情大家都買得到，LLM 大家都能用。在全球高手雲集的金融市場，你的 Agent 帶進來的究竟是誰的研究判斷？一份漂亮報告憑什麼幫你脫穎而出？難道提交給 LLM 的那幾句提示詞，就是核心護城河與競爭力？

翻自己的 NuvexLens 開發筆記，我最想拿出來說的，反而是兩次不太漂亮的結果。

模型跑完了，新版本卻沒獲准上線

十月的正式環境驗收裡，A 股、美股的自動最佳化任務都跑完了，也產生了新候選。結果兩邊都觸發了特定市場狀態下的訊號方向反轉門檻。白話說，系統發現候選訊號在對應市場狀態下，統計關係可能反過來，因此不允許新權重直接取代舊模型。這並不是單純說它猜錯了大盤漲跌。

任務跑通，和模型有資格上線，是兩道不同的檢查。候選仍是候選，線上的舊模型照常運作。

我想要的投研工具，背後得有長期打磨的歷史資料和研究模型。下次遇到相似行情型態，至少能查到過去出現過多少次、後來的結果如何分布，以及訊號在哪些市場狀態下失靈。歷史不會照劇本重演，模型也不保證每次都對；但這些紀錄得靠一次次真實計算、驗證與修正累積，精修提示詞無法當場補出來。

篩選更嚴，10 日結果反而更差

另一次美股歷史門檻評估涵蓋 43 個交易日。篩得更嚴後，3 日、5 日的部分統計好看了些，10 日平均事件報酬卻從 −0.295% 變成 −0.456%；兩組條件選出的 10 日去重事件紀錄分別為 2,002 筆與 1,651 筆。

這些數字算的是訊號出現後 10 日的價格變動，不是帳戶實際虧了多少。篩選條件一變，納入的樣本也變了；即使去重，10 日持有期間仍可能互相重疊。只看短期就說「篩得越嚴越好」，太早了。

還有一個更隱蔽的坑：我後來核對報酬計算，發現把持有期間事件報酬按訊號日期彙總，不能直接當成真實部位的每日投資組合淨值。拿這種序列解讀 Sharpe 和回撤，報告也許很專業，統計對象卻搞錯了。

這些不那麼好聽的紀錄，才是我希望 Agent 帶進回答裡的：哪些候選沒通過、哪些短期改善經不起長期檢驗、哪些指標得先核對計算口徑。公開資料配上認真寫的研究程式，也能累積這些判斷。想自己動手試，我曾用公開 ETF 做過因子 Rank IC 與分組報酬的多期間驗證。

Agent 負責解釋，研究不能靠臨場發揮

我也曾讓 Muse（Meta 的個人 Agent）透過授權 REST 介面，讀取 NuvexLens 先前發布的研究快照。那是另一批次的接入驗證，還無法把快照中的具體結果和前面兩個歷史案例逐筆對應。介面只是把已有的研究結果交給 Agent；真正的研究工作，發生在提問之前。

圖表畫得出來，不代表判斷能兌現。 我現在更在意三個問題：誰算的？什麼時候算的？過去算得怎麼樣？如果回答不了，LLM 再會說，也還沒回答開頭那道護城河問題。

---

附註：本文討論的是歷史研究與工程驗證，沒有進行通用金融 Agent 與自研模型的同條件報酬比較，不構成投資建議。