一句話結論
這不是「AI 在操盤」，而是一套規則事前凍結、每天公開紀錄的機械式紙上交易帳本。 策略是 55 日通道突破（CB55），美股帳戶本金 5,000 美元、台股帳戶 10 萬台幣，2026-10-29 起跑。截至 2026-10-31（第 2 個交易日），兩個帳戶都是 0 筆成交、報酬 0.00%、100% 現金。
所以「讓 AI 獨立交易一年，會翻倍還是賠光」這個問題，現在沒有答案——它只跑了兩天。但它的帳本設計本身值得學：規則怎麼凍結、沒成交的單為什麼也要記、為什麼「一直空手」也算規則正常運作。
實驗網址：agentic-ai-trader.netlify.app
先分清兩件事：量化交易 ≠ LLM 操盤
這個實驗之所以吸引人，是因為它的起心動念來自一個真實背景：DeepSeek 創辦人梁文鋒，2008 年讀碩士時就靠機器學習做量化交易，2015 年與浙江大學校友共同創立對沖基金幻方量化（High-Flyer），曾成為中國第一檔募資突破 1,000 億人民幣的量化基金；2023 年 7 月才成立 DeepSeek。
背景是真的，但這裡有一個很容易被行銷話術混掉的區別：
| 量化交易（幻方那一類） | 這次的 CB55 帳本 | |
|---|---|---|
| 誰做決策 | 數學模型／統計模型，參數由資料擬合 | 人工寫死的六條規則，沒有模型、沒有 LLM |
| 「AI」在哪 | 在策略研究與選股的特徵工程 | 沒有：它本質是技術指標的機械執行 |
| 可稽核性 | 多為黑箱，外部難驗 | 高：規則公開、每筆決策留痕 |
| 換句話說 | 用 AI 找規律 | 用規矩管住自己 |
如果讀者期待看到「LLM 讀新聞自己決定買什麼」，這個站的實況會讓人失望；但如果你在意的是**「有沒有一套規矩，是人在事前寫死、然後真的照著做」**，它反而是少見的誠實樣本。
這個帳本實際在做什麼
| 項目 | 內容 |
|---|---|
| 策略 | CB55（55-Day Donchian Channel Breakout），55 日通道突破 |
| 規則來源 | 自述參考 Courtney Smith 的突破交易規則，部位上限參考 Mark Boucher 的「單一持倉 25% 上限」 |
| 市場／帳戶 | 美股 cb55-paper-us-001（USD 5,000）／台股 cb55-paper-001（TWD 100,000） |
| 起始日 | 2026-10-29 |
| 執行方式 | 每日收盤後以 D+1 掛「買進停損單」（buy stop），隔日才生效 |
| 禁止事項 | 不使用槓桿、不做空 |
| 終止條件 | 權益跌破事前設定的帳戶下限即終止實驗 |
| 紀錄方式 | 每一筆決策都留痕，包含到期未成交的掛單 |
六條凍結規則：為什麼每一條都值得看
「Frozen Rules（事前承諾、事後不得編輯）」是這個實驗最核心的設計。逐條看它擋掉了什麼人性弱點：
| 規則 | 內容 | 它擋掉的行為 |
|---|---|---|
| D+1 執行 | 收盤後才掛單，隔日生效；不在訊號出現當天盤中追價 | 看到飆股當沖追高 |
| 通道與鄰近濾網 | 買進停損＝55 日高＋緩衝；停損＝55 日低−緩衝；只掛在距收盤 3% 內的標的 | 追已經飛走的股票 |
| 1% 權益風險 | 每筆部位最大虧損＝權益的 1% | 重壓單一標的 |
| 25% 成本上限 | 單一部位成本不超過權益 25% | 一次把本金押光 |
| 硬性停損 | 停損只作用在已建立部位，不移動、不放寬 | 虧損時「再等一下」 |
| 帳戶下限 | 權益跌破預設下限就停止實驗 | 賠光還硬撐、加碼攤平 |
還有一條沒寫在數字裡的：候選排序——趨勢為多頭／旗形者優先，其次才是風險百分比最低者。這代表它不是「誰先觸發就買誰」，而是有優先序。
目前狀態：第 2 天，0 筆成交
| 指標 | 美股帳戶 | 台股帳戶 |
|---|---|---|
| 起始日 | 2026-10-29 | 2026-10-29 |
| 本金 | US$5,000 | NT$100,000 |
| 現金 | US$5,000（100%） | NT$100,000（100%） |
| 已成交筆數 | 0 | 0 |
| 報酬 | 0.00% | 0.00% |
| 最大回撤 | 0.00% | 0.00% |
| 待觸發掛單 | 3 檔（EXPD、L、TECH） | 3 檔（2107、2912、2633） |
站方對「零成交」的說明寫得很白：「還沒有任何成交。買進需要確認突破 55 日高點；在盤整期間維持 100% 現金，是規則按設計運作。」
這句話是判斷一個交易實驗是否誠實的分水嶺——多數人會覺得「兩天沒單＝沒東西可看」，但對突破策略來說，大部分時間空手才是常態。
用它的公式算一次部位規模
帳本公布了三檔待觸發掛單的精確價位，剛好可以驗算它的風險控制是不是真的在運作（以下為依其公布公式的試算，非站方數字）：
股數 = min( floor(權益 × 1% ÷ (買進停損 − 停損)), floor(權益 × 25% ÷ 買進停損) )
美股（權益 5,000；1% = 50；25% = 1,250）
| 標的 | 買進停損 | 停損 | 每股風險 | 1% 風險可買 | 25% 上限可買 | 實際取 | 成本 | 佔權益 |
|---|---|---|---|---|---|---|---|---|
| EXPD | 200.76 | 180.17 | 20.59 | 2 股 | 6 股 | 2 股 | $401.5 | 8.0% |
| L | 114.50 | 103.46 | 11.04 | 4 股 | 10 股 | 4 股 | $458.0 | 9.2% |
| TECH | 73.40 | 71.21 | 2.19 | 22 股 | 17 股 | 17 股 | $1,247.8 | 25.0% |
這張表說明了兩件事：一、多數情況下是「1% 風險」在綁手綁腳（EXPD 只買得起 2 股）；二、像 TECH 這種停損很近的標的，反而由「25% 成本上限」接手，否則它會買到權益的 32%。兩個上限互相牽制，這是風險控制有效的證據。
台股（權益 100,000；1% = 1,000；25% = 25,000）
| 標的 | 買進停損 | 停損 | 每股風險 | 1% 風險可買 | 成本 | 佔權益 |
|---|---|---|---|---|---|---|
| 2107 厚生 | 29.25 | 25.20 | 4.05 | 246 股 | NT$7,195 | 7.2% |
| 2912 統一超 | 230.00 | 209.50 | 20.50 | 48 股 | NT$11,040 | 11.0% |
| 2633 台灣高鐵 | 26.75 | 25.35 | 1.40 | 714 股 | NT$19,099 | 19.1% |
台股會碰到一個實務問題：246 股、48 股、714 股都不是整張（1 張＝1,000 股）。要在 10 萬本金、1% 風險的框架下運作，只能走盤中零股交易——這是規則照抄美股會漏掉的地方，也是台股讀者自己實作時一定會踩到的差異。
值得學的四個設計
| 設計 | 為什麼重要 |
|---|---|
| Zero-look-ahead（不用未來資料） | 訊號只用「到 D 日收盤為止」的資料，掛單在 D+1 生效——避免最常見的回測作弊 |
| 記錄未成交的掛單 | 只記成交的話，會系統性高估策略勝率（存活者偏差）；把「掛了但沒觸發」也寫進帳本，才是真實勝率的分母 |
| 規則凍結、事後不得編輯 | 若允許事後改規則，任何策略都能「回測」成神；凍結＋公開，等於把改規則的成本外部化 |
公開機器可讀規格（/llms.txt） | 讓 AI 與稽核者能直接讀規則與部位，而不是從網頁截圖猜——這在同類「AI 交易」展示裡很少見 |
該保留懷疑的四個地方
| 疑點 | 說明 |
|---|---|
| 「AI 自己操盤」是包裝 | 決策是六條人寫的規則，沒有模型在判斷。稱它「AI 交易」會誤導；正確描述是「自動化規則交易」 |
| 樣本只有 2 天、0 筆成交 | 任何「能不能賺」的推論都太早。突破策略的成敗要看數十筆交易、跨越不同市況才有意義 |
| 紙上交易 ≠ 實盤 | 滑價、流動性、手續費與稅、股息、借券費、除權息調整都沒驗證；紙上成交假設「掛到就成交」，實盤不一定 |
| 規則缺少「總曝險上限」 | 規則限制單筆風險 1%、單筆成本 25%，但沒有「同時持有幾檔」或「總風險上限」。若同時觸發十檔，總風險可能累積到 10% 以上，帳戶下限反而成為唯一煞車 |
最後一點是這次拆解裡最值得提出來的：單筆風控做得很細，組合層級的風控是空的。
五個查核點：怎麼自己驗一組「AI 交易實驗」
下次看到有人貼「我讓 AI 操盤，一年後見真章」，用這五題問它：
| # | 查核點 | 不合格的樣子 |
|---|---|---|
| 1 | 規則是不是事前寫死、且公開可查？ | 只給結果、不給規則，或規則版本一直變 |
| 2 | 有沒有記錄未成交／取消的決策？ | 只列成交單，勝率漂亮得不像話 |
| 3 | 成交時點是不是 D+1（或明確的延遲）？ | 用當日收盤價成交，等於偷看答案 |
| 4 | 有沒有停損與帳戶下限？ | 只有進場規則，沒有出場與終止條件 |
| 5 | 有沒有公開虧損與最大回撤？ | 只曬獲利曲線、不曬回撤 |
CB55 這個帳本在五題上目前是 5/5 通過——這也是它雖然「才第 2 天、什麼都沒發生」，仍然比多數「AI 交易神器」值得看的原因。
站內延伸閱讀
- TradingAgents 完整教學 2026：多代理 LLM 交易框架實戰 — 真正「用 LLM 做交易決策」的開源框架，可以和本文的規則式做法對照
- DeepSeek 梁文鋒的「克制」商業哲學 — 量化背景如何影響他後來經營 DeepSeek 的取捨
本文為獨立評測與整理，不含聯盟連結、未受任何廠商贊助，亦不構成投資建議。實驗數據取自該站公開帳本（
/llms.txt與頁面內容），以 2026-10-31 顯示為準；部位規模為依其公布公式的試算，非站方數字。