周三晚上定投發(fā)車，“久聰組合”公眾號上有發(fā)車提示，組合的自動跟車功能已經(jīng)上線，同時打開股、債兩個組合的自動跟車，可以實現(xiàn)每周自動根據(jù)發(fā)車股債比例跟投，設置方法點擊下方名片在今日推文中查看：

最近養(yǎng)龍蝦特別火，這個龍蝦是一款名為OpenClaw的開源AI軟件，它的官方圖標是一只紅色小龍蝦。

以前的AI像個坐在玻璃房里的顧問，我們問，它答，但它碰不到我們的真實世界。

OpenClaw打破了這層玻璃，它可以部署在自己的電腦里，具有操作電腦的權限。

把它連上即時通訊軟件，比如QQ，就可以跟它說話，指揮它來干活。

比如發(fā)一句“整理郵箱里的發(fā)票”，它會自動打開郵箱，翻找郵件、找出涉及發(fā)票的、建表格做好統(tǒng)計。

只要能想到并教給它，它就能執(zhí)行各種各樣的任務。教給它的機制是Skill，就相當于是技能設定集，比如給它安裝“郵件Skill”，它就學會了自動整理郵箱；裝上“爬蟲Skill”，它就能自動抓取網(wǎng)頁數(shù)據(jù)。

聽起來很不錯對不對，一個24小時待命的助理。但是它處理任務需要消耗模型算力，還是挺貴的，現(xiàn)階段完成的任務質量也未必那么如意，主打一個態(tài)度好，不管要什么，都能給糊弄上。

有沒有用因人而異吧，我想了半天，好像暫時沒有什么特別適合我的應用場景。不過這些東西進步很快，隨著未來費用下降、能力提升，人工智能幫我們做的事情肯定會越來越多。

這又回到了一個常常被討論的問題，AI越來越強大了，在不遠的未來，它能像AlphaGo征服圍棋一樣，徹底征服投資市場嗎？

我覺得還是可能的。

金融市場的復雜程度遠遠超過圍棋，其本質是成千上萬參與者彼此之間的博弈，在這個系統(tǒng)里，連規(guī)則本身都是動態(tài)的，一旦某個高勝率的規(guī)則被發(fā)現(xiàn)，交易者蜂擁而至來參與，交易行為本身就會消滅這個規(guī)律。

這就是為什么市場里“規(guī)律”并不重要，指標、量價、圖形這些具體的“術”，都只是“規(guī)律”，它可能暫時有效，但必然趨向于失效。

所以傳統(tǒng)算法處理金融市場非常困難，量化策略要克服的一個重要問題就是策略失效，回測很好的策略，可能用了沒兩個月，突然就無效了。

但現(xiàn)在的AI不一樣，它做的并不是簡單的尋找規(guī)律后復用，而是通過神經(jīng)網(wǎng)絡構建出復雜的認知，能像人類一樣感知市場，動態(tài)生成全新的策略。

換句話說，如果某些人類能從市場中捕捉到錯誤的定價，從而實現(xiàn)超額收益，那么將來的AI就一定能學會，而且能做得更好。

但有一件事是避免不了的，要在錯誤定價時買入，必然要成為市場的“逆行者”，也就意味著這個過程必然伴隨劇烈的回撤，以及漫長的時間煎熬。

AI可以無所謂，它不會感到害怕，但站在AI背后，掌控資金的依然是人類。

當AI操縱我們的賬戶，凈值持續(xù)回撤，我們還能堅定地相信AI是正確的嗎？

我們看著浮虧不斷變大，會任由它繼續(xù)操作，還是按下停止鍵，選擇止損離場呢？

這其實和我們現(xiàn)在做投資是一樣的。

當我們在執(zhí)行看起來很合理的策略時，也必然會面臨波動和逆境，太多人都會覺得煎熬，最終動作變形甚至放棄。

如果將來大家都能利用AI投資，所有人的能力都提高了，能力的差異會抹平，但心理的差異不會，貪婪和恐懼，站在AI后面的人類也不會缺席。

畢竟投入市場的是真金白銀、身家性命，沒有多少人能做到無所謂，最后要面臨的終極考驗，依然是脆弱的人性。

2026年3月11日估值：

股債利差估值分位26.3%；

A股PE分位97.1%，PB分位61.3%，估值處于高位區(qū)間；

A股距離近15年的最低估值，大約還需跌43.0%，距近15年的中位估值位置，還需跌16.1%。

↓ 久聰基金投顧組合，輕松實現(xiàn)資產配置