AI 實驗 · 強化學習 · 2026

三個 AI 交易員，
每天早上給我一份投資早報。

我用強化學習訓練了短、中、長線三個 AI Agent，讓它們看同一份市場資料各自判斷，再依恐慌指數（VIX）調整誰的話比較算數。系統每天收盤後自動跑完，把結果寫成早報寄到信箱。

但這頁最重要的不是系統，而是樣本外驗證之後，我發現它贏不了「買進持有」，以及我怎麼因此改了它的角色。

270支股票各自訓練模型
3個 Agent（短線 PPO／中線 PPO／長線 Transformer）
3,087個特徵欄位（技術、總經、基本面）
42支走完 3 年樣本外驗證
01 · 架構

四層自動化流程

每個工作日收盤後，四個步驟依序自動執行，不需要人介入。

L1

市場資料層

下載台股、美股、ETF、加密貨幣的價量與總經資料，計算成特徵表。

RSI · MACD · 布林帶RVOL 5/10/20/60ATR · OBV · VWAPBeta · 相關係數ROIC · ROE · ROA
↓
L2

回測訓練層

每支股票獨立訓練三個 Agent，年化報酬未達 20% 或回撤超過 20% 就自動重訓，最多三次。夜間還能自動搜尋超參數。

短線 PPO看數天內的動能與量能變化
中線 PPO看數週的趨勢與均線結構
長線 Transformer用注意力機制讀較長的價格序列
↓
L3

訊號整合層

三個 Agent 各自給出「買／觀望／賣」與信心值，再依 VIX 加權：市場越恐慌，越聽長線的；越平靜，越聽短線的。

VIX短線中線長線
< 15 平靜50%35%15%
15–20 ← 範例當天 18.040%35%25%
20–2530%40%30%
25–3020%35%45%
≥ 30 恐慌15%25%60%
↓
L4

早報層

把訊號翻成人看得懂的建議，依收件人各自的觀察清單產生不同版本，用 Gmail 寄出。

02 · 產出

一份早報長這樣

以 2026/04/16 的真實訊號重新排版，只挑四支大型股示範；收件人與完整清單已移除。

長條長度＝該 Agent 的信心值。注意台積電：三個 Agent 都說「買」，但短、中線信心只有 0.06，綜合結果仍是「持有」。

03 · 驗證

誠實的結果：大多數贏不了買進持有

用 2023/01 到 2026/03 的資料做逐步前移（walk-forward）的樣本外測試：模型只用過去的資料訓練，再拿它沒看過的未來資料考試。每一個點是一支股票。

-50%-50%0%0%50%50%100%100%150%150%打平線AMZN：策略 -17% / 買進持有 36%2881：策略 19% / 買進持有 24%SPY：策略 22% / 買進持有 22%2412：策略 9% / 買進持有 9%6274：策略 117% / 買進持有 119%CAT：策略 49% / 買進持有 49%AAPL：策略 37% / 買進持有 29%GOOG：策略 -32% / 買進持有 48%GOOGCRDO：策略 79% / 買進持有 78%2330：策略 4% / 買進持有 58%233000713：策略 21% / 買進持有 21%2308：策略 76% / 買進持有 76%2301：策略 -37% / 買進持有 36%MU：策略 -27% / 買進持有 83%MUAMAT：策略 55% / 買進持有 60%VST：策略 5% / 買進持有 75%LITE：策略 111% / 買進持有 112%6770：策略 13% / 買進持有 14%BRK-B：策略 16% / 買進持有 16%TSLA：策略 33% / 買進持有 40%TSM：策略 69% / 買進持有 69%QQQ：策略 32% / 買進持有 31%CEG：策略 23% / 買進持有 43%COHR：策略 121% / 買進持有 87%COHR1815：策略 81% / 買進持有 81%LRCX：策略 -28% / 買進持有 75%LRCXTER：策略 44% / 買進持有 59%2883：策略 17% / 買進持有 17%6282：策略 -9% / 買進持有 8%WDC：策略 105% / 買進持有 105%2360：策略 94% / 買進持有 95%NVDA：策略 122% / 買進持有 121%NVDAVRT：策略 156% / 買進持有 163%CSCO：策略 6% / 買進持有 24%AVGO：策略 78% / 買進持有 80%2344：策略 43% / 買進持有 62%2317：策略 36% / 買進持有 35%8081：策略 34% / 買進持有 28%2929：策略 19% / 買進持有 -27%2929GLD：策略 25% / 買進持有 25%JPM：策略 33% / 買進持有 34%2207：策略 2% / 買進持有 2%買進持有 年化報酬 →RL 策略 年化報酬 →
贏買進持有差不多（±0.5%）輸給買進持有
8支贏過買進持有
13支幾乎打平（多半是一直持有，等於沒做事）
21支輸給買進持有
年化報酬中位數：策略 32%，買進持有 46%。
輸最多的是美光、科林研發、Google、台積電：都是大漲股。AI 在中途判斷「該下車」，結果錯過了後面的漲幅。

另有 9 支的基準資料檢查後發現有誤（多支股票的大盤報酬完全相同），所以不列入統計。

04 · 學到的事

所以我改了它的工作

改角色

從「選股」變成「警報」

預設一律持有，只有三個 Agent 同時喊賣才出場。它不再負責賺錢，而是負責提醒「現在要小心」，目的是少做錯誤的下車。

先驗證再相信

訓練分數好看不算數

台積電三個 Agent 在訓練報告上年化 25–38%，樣本外實考只有 3.9%，同期買進持有是 58%。只有拿沒看過的資料考試，才看得出真實能力。

查資料

數字太整齊就要懷疑

9 支股票的大盤基準一模一樣，代表那批資料抓錯了。沒有逐筆檢查的話，這些假數字會讓結果看起來更好。

AI 負責的

  • 寫資料管線、特徵工程與訓練程式
  • 大量試錯：調超參數、自動重訓
  • 每天的推論與早報排版

我負責的

  • 決定三個時間尺度與 VIX 加權規則
  • 設計樣本外驗證、判讀結果
  • 看到輸給大盤後，決定改成「持有＋過濾」