（文末附「散戶投資行為問卷」，分享經驗抽選10名贈送AlphaSense試用權限）
近年PTT股板熱議的「AI選股利器」，從2023年散戶操作紀錄可窺見關鍵模式。例如網友a0926787分享：「用AlphaSense監測半導體產業鏈上下游財報關鍵字，發現A公司庫存週轉天數從45天縮短至32天，提前佈局後半年漲幅達30%。」此類案例共通點在於：
1. 產業鏈數據穿透力：AI工具爬梳供應鏈上下游財報電話會議紀錄，比對庫存、訂單關鍵字變化（如「產能利用率突破90%」「客戶提前拉貨」），抓出領先指標。
2. 異常交易訊號捕捉：對照台灣證交所2024年Q4監控報告，當AI偵測到「B科技」融券餘額驟降20%且外資持股比例突破45%時，後續三個月股價波動幅度達標異常標準的機率高達78%。
失敗案例則多集中於槓桿時機誤判。例如PTT網友kentwang2015自述：「2024年用AI預測C生技股新藥審核成功率達85%，融資加碼至150%，結果FDA延期審查導致斷頭。」此類操作違背專業投資人「造計劃」原則——未設定明確平倉條件與槓桿水位紅線。
參照2025年「誇父投資組合」操盤日誌，其運用AI工具的核心邏輯為：
1. 週期嵌套策略：
2. 股利再投資演算法：
針對高股息ETF，以「填息機率模型」取代傳統買進持有策略。透過分析過去五年除息前後外資借券賣出餘額變化，設定「借券量週降幅＞15%」作為再投資訊號，2024年實測提升填息成功率22%。
台灣證交所2025年1月報告揭露：當符合以下兩項條件時，散戶虧損機率超過65%：
1. 槓桿與波動率正相關：融資使用率＞150%且個股Beta值＞1.5（如DR股、生技新藥股）
2. 股利重配失衡：當年度現金股利發放率＞80%且研發費用年增率＜10%（可能透支未來成長動能）
對照PTT熱門操作「D傳產股」案例：
1. 預警層（AlphaSense）：
2. 執行層（Notion）：
3. 監控層（自建模型）：
為促進實戰交流，請勾選最符合現況的選項（可複選）：
1. 【AI工具使用頻率】
□ 每日用產業情緒分析模組掃描持股
□ 僅在重大財報公布前啟動財報關鍵字監測
□ 尚未導入AI工具，仍以技術面為主
2. 【槓桿管理習慣】
□ 設定機械化規則（如波動率＞X%時降槓桿）
□ 依盤感動態調整
□ 融資使用率固定維持在120%~150%
3. 【股利再投資策略】
□ 優先投入AI標籤「高填息機率」個股
□ 定期定額買進高股息ETF
□ 提領現金流另作他用
（完成問卷請私訊粉絲頁，將抽選10名贈送「AlphaSense產業鏈監測模組」30天試用權限）
--
參照Notion交易日志模板設計邏輯，結構化字段利於回測驗證
源自專業投資人「週K線形態優先於日線波動」的風控思維
2025年誇父投資組合實測數據，反映多週期嵌套策略成效
