點解 LLM 交易會反指 · 9-day audit 公開

如果你用過 LLM 做 trade 發現「佢話買入但股票反方向跌」，唔係你嘅錯 — 係 LLM 嘅 bias。我哋做咗 1,913 個信號嘅 audit，公開所有錯誤模式。

📅 2026-08-03 · 📖 5 分鐘閱讀 · 🏷️ 教學

背景：我哋點解做呢個 audit

2026 年 6 月，我哋用 MiniMax-M3（LLM）跑 10 個交易日嘅 live signal：200 隻港股 + 200 隻美股 = 1,913 個信號。

每個信號都會有 LLM 寫嘅 operation_advice（買入/觀望/賣出）。我哋做咗 1 個交易日 lookahead backtest：

  • 信號出現日收市價 → 下一個交易日收市價
  • Hit = 買入嘅話股價上升、賣出嘅話股價下跌、觀望 = 中性

結果：3 個最危險嘅反指 pattern

1. LLM 樂觀 BUY 反指（30.4% WR，-1.4% avg）

當 LLM 寫 「樂觀」+ 「買入」，命中率得 30.4%（比 random 50% 更差），平均虧損 -1.4%。

點解？LLM 訓練數據偏向「正面 narrative 配正面展望」，而 day-trade 嘅 alpha 反而喺 mean-reversion。LLM 學到「好公司 = 升」，但好公司都可以超買要回吐。

2. 高 momentum 反而贏率最低（m≥80 BUY 16.7% WR）

當 m_score ≥ 80 同時 LLM 標買入，命中率跌到 16.7%。

點解？momentum ≥ 80 通常代表股票已經大升（追頂）。LLM 學到「趨勢會延續」但 day-trade 入場已經太遲。

3. 悲觀 SELL 都係錯方向（37.7% WR）

當 LLM 寫 「悲觀」+ 「賣出」，命中率得 37.7%，平均 +0.86%（即係升嘅機會仲大）。

點解？悲觀 SELL 多數喺大跌日（接刀），但 day-trade 嘅 mean-reversion 性質：超賣嘅第二日往往反彈。

我哋嘅解法：Rule-based override

Leeks Terminal 唔直接信 LLM 嘅 operation_advice。我哋嘅兩層架構：

Layer 1：LLM 抽 feature（v/q/m/of 4-dim score + entry/stop/target/S/R/sentiment）

LLM 喺呢度做佢擅長嘅：理解 news、解讀 narrative、計 4-dim raw score。

Layer 2：Python 確定性 rule（最終 BUY/SELL/HOLD 決定）

4 條核心 rule override LLM 嘅本能偏差：

Rule作用反指 pattern 對應
Anti-ChaseBLOCK：BUY + m≥60 + 樂觀 + 今日≥+3%❌ m≥80 BUY 16.7% WR
Anti-KnifeBLOCK：SELL + 悲觀 + 今日≤-3%❌ 悲觀 SELL 37.7% WR
Conservative BUYBUY + m 30-70 + 中性 + 前日 -3% to 0%✅ mean-reversion edge
3-DAY TIMEOUTClose any position held >3 days✅ 防 LLM over-stay

數字驗證 (paper trade, 截至 2026-08-02)

信號樣本WRAvg P&L
LLM 裸 BUY (audit)n=191338.6%-0.72%
LLM 樂觀 BUY (反指)subset30.4%-1.4%
Conservative BUY (paper)16 trades81.2%+1.05%

Conservative BUY 樣本細 (n=16) 仲未達統計顯著，但方向吻合 audit 結論。paper trade 仲跑緊獨立 OOS 驗證。

給 trade 嘅你

  1. 唔好盲跟 LLM 講「買入」 — 問自己：佢有冇明顯反指 pattern？
  2. Anti-Chase / Anti-Knife 係最低標準 — LLM 叫你追頂/接刀時，skip。
  3. Mean-reversion 仲係 day-trade 最可靠 edge — 跌完再買多過升完追。
  4. Track paper trade 30+ trades 先睇 edge — WR 唔等於 EV（expectancy），要睇 avg win vs avg loss 加 costs。

延伸閱讀