AI 看盤準嗎：出手前先做這 7 個檢查

1. 報告一開始就把圖上的事實寫錯

先讀商品名稱、交易所、週期和報告引用的最新價，再去看它的多空看法。一份講日線圖的報告，不應該把那些K棒當成小時線在解釋。價格差一個數字，後面所有的價位都會跟著位移。

某個數字看起來怪怪的，就回到圖片上。標示讀不清楚的話，照截圖檢查清單重新匯出一張比較清楚的圖。去猜模型講的是哪一個數字，只是再多加一個沒驗證過的假設。

2. 把一個精確的價位當成一條明確的界線

報告上寫 104.37 這種價位，看起來就是比「104 附近」更有權威。它的精確度可能只是從一張圖片上估出來的。拿它去對圖的價格刻度，以及這個商品的最小跳動單位。

多數人把支撐與壓力當成一個區域在看。Fidelity 的教學說明了先前的買賣為什麼會讓某個區域變得重要；它並沒有讓下一次的反應變成必然。要問的是：是哪一段看得見的走勢或哪一叢價位撐起這個價位，以及什麼東西會顯示它已經失效。

3. 解釋用到了截圖上根本沒有的資料

一根K棒可以顯示價格跌了。它沒辦法單憑自己指出是誰在賣，也沒辦法確立這段走勢是爆倉造成的。委託流、清算資料、未平倉量和新聞，各自需要自己的證據。

同一項檢查也適用於指標。圖上沒有看得清楚的成交量副圖，那「量能強力確認」這種說法就需要另外一個來源。一份像樣的報告可以說證據不足。把每一個欄位都填滿，還不如把缺掉的觀察明白寫出來有用。

4. 還沒走完的K棒被當成已確認的訊號

最右邊那根K棒可能還在形成。在這個週期結束之前，它的實體、影線和收盤價都還會變。以收盤為準的條件，並不會因為價格短暫穿過一條線就算發生了。

看一下截圖的時間，也看一下它描述的是哪一條規則。報告說突破已確認，就去分辨那指的是影線、收盤，還是後續的回測。這是三種不同的觀察，要等的時間也不一樣。

5. 交易計畫看起來很整齊，數字卻兜不起來

一筆多單在 100 進場、停損 95、目標價 110，未計成本的風險報酬比是 1:2。停損放在進場價上方，就和這種基本的保護性停損設定互相矛盾。做空的話，價格的高低順序反過來。

檢查這個比例時要把預期成本算進去。十個單位、來回總成本 2，計畫中的虧損就變成 52，可能的淨獲利是 98，比例大約 1:1.88。你可以用風險報酬比計算器把這個算一次；該頁為英文。

停損價不是保證成交價。跳空和滑價都會改變實際的虧損，所以計畫中的那個數字，永遠不該被說成最大可能損失。

6. 只讀了對自己有利的那個情境

手上已經有部位的時候，看多的說法特別容易記住。用同樣的認真程度去讀看空的那一邊。找出哪一個觀察會讓你偏好的那套解釋站不住腳。

如果答案是「沒有」，這個解釋就沒辦法被檢驗。把會讓它失效的價位、K棒週期或結構變化寫下來。多週期分析那一篇說明了一小段反彈和一個更大的下降趨勢，為什麼可以同時存在。

7. 一段圖表解讀變成了機率宣稱

「結構偏多」是一種解釋。「80% 的機率獲利」是一個統計宣稱。後者需要定義好的樣本、結果、期間和檢驗方法，而一張截圖給不出這些。

手上有已經完成的交易紀錄時，你可以用記錄下來的獲利與虧損算出期望值；該頁為英文。要用同一份樣本裡觀察到的勝率和平均金額，結果只是把這些輸入整理出來，並不會去驗證 AI 報告裡寫的那個機率。

影像模型讀的是畫面之內的東西，OpenAI 也說明了影像判讀讀得出什麼、讀不出什麼。給它一張完整的圖表，價格軸看得清楚、週期也在畫面上，它就有了足夠的條件，去指出你想問的那個價位。

範例拆解的範例報告就是回傳內容的樣子：可以拿自己的圖表對照的觀察、並排放在一起的兩種情境，以及各自會在哪個價位結束。看過一次，就知道每一份分析裡有些什麼。