别被“炒股赚3000万”带偏：我用AI搭了一套选股、排雷、复盘流程

最近刷到一个故事：有人靠炒股赚了3000万，直接财富自由。

我点开一看，持仓里大半是期权。

赚到钱是真的，胆子也是真的大。满仓期权这条路，可能一夜翻身，也可能一夜清零。看完我只想说一句：佩服，但不照抄。

我更愿意研究自己看得懂的领域，比如AI。

我本身就在AI行业工作，对模型、算力、数据、应用层有一些日常观察。这个优势未必能让我精准预测股价，却能帮我少踩几个“看起来很性感，实际没收入”的坑。

于是我搭了一套流程：

用AI建立候选股票池
用财务和业务数据排雷
查公告、业绩和行业信息
做估值与情景分析
定期复盘，记录自己为什么买、为什么错

这套方法不是稳赚秘籍，也不是荐股。它的作用很简单：把“我感觉这家公司很牛”，变成一份可以检查的研究记录。

一、别从“哪只股票会涨”开始

很多人一上来就问AI：

“帮我推荐几只未来会涨十倍的股票。”

这种问法基本等于把方向盘交给随机答案。

更靠谱的起点是：

“我看得懂哪些行业？哪些公司的商业模式我能持续跟踪？我愿意承受多大波动？”

投资范围可以先收窄到自己熟悉的领域。以AI为例，可以拆成几条产业链：

| 方向 | 主要看什么 | 常见风险 | |---|---|---| | 芯片与算力 | 出货量、产能、毛利率、客户集中度 | 周期下行、库存积压、技术替代 | | 云计算 | AI收入、客户留存、资本开支 | 投入巨大、盈利兑现慢 | | 数据中心 | 上架率、电力成本、订单周期 | 重资产、融资压力、能耗限制 | | AI软件 | 付费用户、续费率、客单价 | 竞争激烈、产品容易同质化 | | 企业应用 | 合同金额、部署周期、客户行业 | 销售周期长、收入确认复杂 | | 机器人与智能硬件 | 出货量、供应链、量产能力 | 概念炒作、量产不及预期 |

这一步的目的不是马上买入。

你要先回答一个问题：

这家公司到底靠什么赚钱？

如果只能说出“AI是未来”“市场空间很大”，那还停留在宣传册阶段。

二、用AI建立候选股票池

AI适合做信息整理，不适合替你承担决策责任。

你可以让它从行业名单中，按照明确条件筛选候选公司。条件越具体，结果越有用。

一个可直接使用的提示词

你是一名严谨的股票研究助理。
请围绕“AI基础设施与企业软件”建立候选股票池。

筛选条件：
1. 最近三年营业收入保持增长，标注每年增速
2. 毛利率没有持续恶化
3. 经营现金流不能长期为负
4. 研发投入占收入比例有公开数据
5. 说明公司收入来自哪些产品或客户
6. 标注客户集中度、供应商依赖、监管风险
7. 不做买入推荐，只输出事实、风险和待验证问题

请用表格输出：
公司、主营业务、收入增长、毛利率、经营现金流、研发投入、主要客户、核心风险、数据来源、需要进一步核实的事项。

这里有个小窍门：

让AI把“数据来源”和“待核实事项”单独列出来。没有来源的数字，不管看起来多精确，都先放到怀疑区。

三、排雷比找亮点更重要

好故事到处都是。

真正影响投资结果的，往往是那些藏在脚注里的问题：

收入增长来自真实需求，还是一次性大订单？
应收账款涨得比收入还快吗？
存货有没有明显堆积？
公司是不是反复通过增发融资？
客户是否过度集中？
毛利率突然变高，有没有会计口径变化？
管理层有没有频繁改口径？
公司讲的是“签约金额”，还是已经确认的收入？
AI相关业务占比到底有多少？
产品有付费客户，还是只有试用用户？

财务排雷提示词

请检查下面这家公司的财务与业务信息，重点寻找负面信号。
不要直接下结论，请按“证据—可能原因—需要核实的问题”输出。

重点检查：
1. 收入、应收账款、存货的增速是否匹配
2. 净利润与经营现金流是否长期背离
3. 毛利率变化是否合理
4. 是否存在客户集中度过高
5. 是否频繁增发、发债或进行大额并购
6. 是否把未来订单、合同金额、用户数量包装成当前收入
7. 管理层在公告与电话会议中的表述是否前后矛盾
8. 找出最可能推翻投资逻辑的三条证据

这一步特别适合放在你兴奋的时候做。

你觉得一家公司“马上要起飞”时，专门让AI来找反例。人脑很容易只看支持自己判断的信息，这个动作能帮你踩一下刹车。

四、查数据时，AI只能当助手

AI可能会编造数据，也可能把旧数据当成最新数据。涉及股票，不能直接相信模型给出的数字。

建议按照这个顺序查资料：

公司年报、季报和监管机构披露文件
公司官网的投资者关系页面
业绩电话会文字稿或录音
交易所公告
行业协会、政府统计和可靠数据库
财经媒体与研究报告

每个关键数据都记录三样东西：

数据发生的时间
数据的原始来源
数据对应的口径

比如“AI收入增长50%”，你要继续追问：

是同比还是环比？
是收入，还是订单？
是整体收入，还是某个小业务？
有没有剔除并购影响？
是公司披露，还是媒体推算？

数字没那么可怕，口径才容易骗人。

五、给公司做一张“投资逻辑卡”

研究一家公司，不要只收藏一堆链接。把判断压缩成一张卡片，之后复盘会轻松很多。

# 公司名称：

## 我为什么关注它
- 行业位置：
- 核心产品：
- 主要客户：
- 我能理解的竞争优势：

## 当前投资逻辑
- 收入增长来自：
- 利润改善来自：
- 未来12-24个月的催化剂：

## 最大风险
- 需求不及预期：
- 竞争加剧：
- 现金流问题：
- 估值过高：
- 监管或供应链问题：

## 关键验证指标
- 收入增速：
- 毛利率：
- 经营现金流：
- 客户数量或续费率：
- 资本开支：

## 我什么时候承认自己错了
- 
- 
-

“我什么时候承认自己错了”这一栏很关键。

没有退出条件的投资逻辑，很容易变成信仰。股价跌了，你会告诉自己是市场错了；业绩不及预期，你会说长期逻辑没变；竞争对手出现，你会继续找理由安慰自己。

这不是长期主义，这是死扛。

六、用情景分析替代拍脑袋估值

AI公司估值最容易出现的问题，就是把远期梦想全部算进今天的价格。

咱们可以分成三种情景：

乐观情景

AI业务快速放量
客户续费率较高
毛利率保持改善
竞争对手没有明显追赶

基准情景

收入按行业平均速度增长
盈利需要更长时间兑现
公司需要持续投入研发和算力
市场估值逐步回归正常区间

悲观情景

客户预算削减
产品价格下降
新技术替代现有方案
现金流恶化，需要融资

然后分别估算：

收入可能是多少
利润率可能是多少
现金流能否支撑扩张
当前估值对应了多高的增长预期

你不需要算得像投行模型一样复杂。关键是看清楚：

当前股价，已经提前透支了多少好消息？

如果乐观情景都已经被市场定价，稍微低于预期，股价就可能大幅波动。

七、复盘要记录“当时的自己”

很多人复盘只看账户涨跌：赚了，说明判断正确；亏了，说明运气不好。

这太粗糙了。

每次买入前，记录以下内容：

买入日期和价格
买入仓位
当时的核心判断
支持判断的三条证据
最担心的两件事
未来要观察的指标
什么时候会减仓或退出

每月或每季度更新一次：

事实有没有按照预期发生
哪些判断被数据证实
哪些判断已经失效
自己有没有临时改变标准
这次错误属于研究错误、执行错误，还是风险控制错误

复盘不是为了证明自己聪明。

它是为了下次少犯同一种错。这个收益，往往比找到一只热门股更实在。

八、几个必须避开的坑

1. 满仓期权

期权有杠杆、时间价值和波动率变化。方向看对了，也可能因为到期时间不够而亏钱。

看别人晒收益时，你看到了结果，没看到他承受过几次接近归零的波动。

2. 把行业前景等同于公司前景

AI行业有巨大机会，不代表每家AI公司都能赚钱。

行业增长、公司收入、股东回报，是三件事。

3. 只看收入，不看现金流

收入增长很热闹，现金收不回来就很麻烦。应收账款、存货和经营现金流要一起看。

4. 把合作新闻当成业绩

“达成战略合作”“签署框架协议”“获得意向订单”不等于收入已经落袋。

5. 让AI替你做决定

AI可以帮你整理资料、提出问题、搭建表格。它不知道你的现金流、家庭负担和心理承受能力。

买不买，仓位多大，什么时候退出，责任仍然在你。

一套可以直接照做的工作流

如果你只有周末半天时间，可以这样安排：

30分钟：建立候选池

选出5到10家公司，记录主营业务、收入来源和最近一次业绩表现。

60分钟：做风险排查

重点检查现金流、应收账款、客户集中度、融资情况和管理层表述。

60分钟：阅读原始资料

至少看一份年报或季报，再核对一次业绩电话会内容。

30分钟：写投资逻辑卡

用几句话回答：为什么关注、靠什么增长、最大风险是什么、什么情况代表判断失效。

30分钟：设置观察清单

只放关键指标。别把几十个指标全塞进去，最后一个都不看。

写在结尾

看到别人靠满仓期权赚到3000万，羡慕很正常。

可财富自由的截图，通常不会展示爆仓记录、借款压力和睡不着的夜晚。

我更愿意走一条慢一点的路：研究自己真正理解的行业，用AI加快资料整理，用数据对抗情绪，用仓位控制风险。

这套流程不能保证你赚到大钱。

它能帮你在下单前多问几个问题，在亏损时少一点自我欺骗，也能让你每天收盘后不至于只剩一句“早知道”。

投资有风险，期权和杠杆产品风险更高。本文只分享研究方法，不构成任何投资建议。