不論是誰，要能夠準確地預測一檔股票的趨勢漲/跌，必須先從跟這檔股票有關的所有因子中，找出這段期間對這檔公司具有影響力的因子是哪些？ 因子間對股價趨勢影響程度的權重排序又是如何？最後再依據因子的實際數據變化， 經由加權運算得出股價走勢的預測。越能精準完成這項任務，越能準確預測股價走勢。

人腦在吸收並運算大數據方面的能力有限，而且容易受主觀判斷及情緒影響。然而，AI 在處理大數據時具有顯著優勢：

FinGuider AI 為每檔股票量身打造了獨立的 AI ，會從市場因子、技術因子、基本面因子到情緒因子等多個維度進行學習和分析。我們從全球資料庫收集相關因子，並從歷史樣本中學習如何分析判斷這些因子，完成預測目標。

選股與擇時是投資上的兩大關鍵課題，FinGuider【趨勢辨識 AI 模型】能夠輔助投資人進行擇時判斷，篩選出理想的進場（曝險）期間。AI 每天在美股收盤後進行預測，並提供多空趨勢評分（Trend Score, TS）。
評分範圍從 -100 到 100，數值越小表示 AI 判斷空頭趨勢的可能性越高，而數值越大表示多頭趨勢的可能性越高。如果評分接近 0，則表示多空趨勢難以判斷。

投資人可以根據自身的風險偏好程度，在【AI 趨勢策略】區塊，使用多空趨勢評分（TS）設定買進與賣出的門檻條件，建構專屬自己的 AI 趨勢投資策略，並且即時查看歷史回測的績效分析！

設置買賣門檻非常直覺易懂，以下提供兩個例子：

• Tony 是一位風險規避型的投資人，趨勢必須非常明朗，他才會選擇進場；若有一點風吹草動，他便會選擇離場。
  • 他可以設定當 TS > 50（AI 明確看多）的時候，才進行「買進 / 持有」，當 TS < 10（AI 微偏看多，趨勢判斷並不太明確），就進行「賣出 / 觀望」。
• Mary 是一位激進派投資人，自身非常看好某檔股票的未來潛力，不希望錯過任何機會，但也希望能夠規避大幅的回落。
  • 她可以設定當 TS > -20（即便 AI 微偏看空，她也能夠忍受）時，就進行「買進 / 持有」，當 TS < -50（AI 更明確地看空，是時候考慮規避風險），才進行「賣出 / 觀望」。

您可以根據自己的投資風格和風險偏好，自行設置進出場條件，接著按下執行回測，便可以即時驗證出自定義的交易策略在歷史中是否具備良好的績效表現，以及是否適合自己的投資屬性，若績效表現符合您的需求，可以儲存目前的參數組合，以便往後追蹤訊號。

不同的買 / 賣參數組合設定能夠建構出多種交易策略。FinGuider 回測了所有標的在各種參數組合下的歷史績效，發現「TS > 30」的買進條件搭配「TS < -20」的賣出條件，在全樣本統計中具有相對優異的風險與報酬表現。 因此，FinGuider 預設採用了此買 / 賣參數組合，作為我們 AI 交易策略的預設基準。

我們的統計方式如下：

• 以「風險 v.s. 報酬」指標作為衡量標準，包括 Sharpe、Sortino 以及 Calmar 指標
• 計算所有標的在全歷史期間，不同買 / 賣參數交易策略下的指標績效
• 找出每一檔標的在最佳衡量標準下的參數組合
• 計算最佳買 / 賣參數的橫斷面中位數，得出「買進：TS > 30，賣出：TS < -20」的統計結果

備註：這些最佳化參數是基於歷史數據的分析結果，無法保證未來也同樣適用。此外，FinGuider 以「風險 v.s. 報酬」作為目標尋找中位數統計上的最佳解，可能不適用於追求「報酬最大化」或「風險最小化」的投資人。因此，預設的參數組合僅作為一個有數據支持的 AI 策略建構示範，我們鼓勵用戶根據自身投資屬性和標的特性，嘗試不同的參數組合，以尋找最適合自己的交易策略。

FinGuider 預設以「TS > 30」買進條件搭配「TS < -20」的賣出條件，建構所有標的的 AI 交易策略。AI 交易策略的主要目的是利用 AI 的大數據分析識別多頭與空頭，從而在多頭期間積極進場，空頭期間及時離場。為了驗證這一策略的有效性，我們將其與傳統的「買進持有」策略進行了全面比較。

我們檢驗了所有 AI 涵蓋標的過去五年的數據，計算績效的統計中位數，結果如下：

因此，與單純的「買進持有」策略相比，FinGuider 的 AI 交易策略有以下優點：

• 靈活應對市場變化：買進持有策略需全程曝險，AI 策略則能夠靈活應對市場變化，選擇適當時機進場和離場，持續將資金曝險於可能的多頭趨勢中，將資金運用效率最大化
• 提升報酬、控制風險：在理想的資金運用效率下，AI 交易策略的年化報酬率為 7.8%，高於買進持有策略的 6.2%。AI 交易策略的下方風險年化標準差為 28.8%，低於買進持有策略的 31.9%，表明在市場波動期間，AI 策略能夠更好地控制風險。
• 規避最大回落：AI 交易策略面對的最大回落統計值為 40.9%，顯著低於買進持有策略的 57.4%，意味著在市場嚴重下跌時，AI 策略能夠更有效地保護投資資金。

從交易面的角度，過去五年共累積了超過 6 萬筆完整* 的交易紀錄：

• 統計中位數顯示，獲利機率為 42%，而獲利因子（賺賠比）為 2.1。這意味著在 100 筆交易中，有 42 筆會獲利，每筆獲利 2.1 個單位；有 58 筆會虧損，但每筆只虧損 1 個單位
• 每筆交易的進場期間為 25 個交易日，期望報酬率為 +1.7%。根據簡單數學與複利概念，這意味著在一年的 252 個交易日中，投資人可以在 AI 交易策略的輔助下進行約 10 筆完整的交易，達成約 +18% 的年化報酬率

*備註：有買有賣才視為一段完整的交易記錄，仍處於持有中的交易不納入統計

在 AI 技術分析圖中，可藉由區塊顏色判斷當前 AI 交易策略的趨勢觀點與策略買賣建議：

當股價圖上出現「綠色」區間時，這就代表在 AI 交易策略下應該「買進 / 持有」，投資人可以搭配更多資訊來考慮進場；相反的，「沒有底色」就代表在 AI 交易策略下應該「賣出 / 觀望」，投資人可以離場或暫時觀望，等待綠色的「買進」訊號出現後再進場，抑或是尋找其他正處於多頭趨勢的標的。

如果沒有足夠的數據樣本，AI 在缺乏學習資源的情況下，學習成效會下降。因此，為了維持 AI 預測分析的品質，股票必須至少上市三年，才會啟用該股票的專屬 AI 應用。此外，我們還會檢驗與該標的相關的大數據品質。若因子蒐集有限或因子資料庫品質存在問題，該標的同樣不會啟動 AI 應用。只有在上述條件都通過檢驗後，才會啟用專屬的 AI 預測分析與應用。

所有標的的 AI 趨勢評分會在每個美股交易日收盤後，進行預測更新。

目前 FinGuider 上架的 AI 內容並未針對日內高頻交易或當沖交易這類極短期交易提供輔助判斷。

【趨勢辨識 AI 模型】並沒有特別引入長 / 短天期為目標的概念，只要 AI 判斷趨勢依舊，就會維持原觀點； AI 判斷趨勢中止反轉，就會改變觀點。

要準確預測一檔股票的漲跌，必須從大量相關因子中，精準識別出對該公司影響力最強的因子，並確定它們對股價趨勢影響的權重排序，並依據因子的實際數據變化，進行加權運算，從而得出準確的股價走勢預測。而 AI 的引入，讓這項任務變得既精準又高效。