### 當演算法比你快一萬倍，量化投資人該去哪裡尋找真正的 Alpha？
作者：Sinclair Huang
寫這篇的時候，第一個跳進腦海的畫面，就是巴菲特對上 Medallion Fund。
巴菲特像老獵人，專挖公司基本面，一槍打中大象；Medallion 則是閃電俠，靠價格波動、成交量這些淺層訊號高速套利，年化回報 66%。
我當時心裡就想：如果連 Medallion 這種速度都被 AI 超車，那淺層 alpha 到底還剩什麼？
結果我的 40 年數據給了答案：它真的崩潰了。
為什麼？因為 AI 比你快一萬倍——它不只用 MACD，還把所有公開訊號都吞了。
那巴菲特的護城河為什麼還站得住？因為他從來不靠那些表淺東西啊。這件事讓我越想越有意思：原來真正的 Alpha，從來不在速度，而在深度。
黃金交叉買進。本益比低於同業。財報打敗預期就衝。
這些話你聽了幾十年了吧？對很多人來說，這就是華爾街的聖經。四十年來，靠這些「淺層訊號」——價格、成交量、基本面——量化基金和散戶都賺得盆滿缽滿。
但最近幾年，你有沒有覺得不對勁？
這些訊號好像突然失靈了。黃金交叉出現，股價卻不漲；財報超預期，卻隔天大跌。這不是你的錯覺，是結構性斷裂。
說實話，我自己也不是沒踩過這個坑。某一年追一家半導體設備商，圖形上突破了所有人說的關鍵均線，基本面也漂亮，法說會後股價剛回測支撐。我買了。後來才慢慢理解：我買到的是一個尾聲，不是起點。那個訊號在那個時間點，已經被比我快得多的系統消化了，我只是坐在餐桌等著，卻不知道食物早就被吃光了。
那次之後，我開始認真想一個問題：那些訊號到底是從什麼時候開始不管用的？有沒有辦法用數據找到那個斷點？
我跑了 40 年美國股市數據，用結構斷點檢驗（Chow Test）發現：大約在 2015–2020 年間，傳統淺層訊號的預測力明顯崩解。
當然，量化交易和高頻策略行之已久——投資銀行用選擇權模型綜合多變數，本來就不是只看一種方法。但 AI 改變的，正是這些公開淺層訊號的邊際效用。它們被吃得一乾二淨，當演算法每秒處理數百萬筆資料，散戶或傳統基金經理依靠的那幾個訊號，早就不是優勢了。
### 那 Alpha 去哪了？
我的答案是：轉向更深層、更跨領域的模式識別。
就像巴菲特當年不靠技術線圖，而是讀懂企業護城河；Medallion 靠淺層速度贏，但 AI 讓所有人都變成閃電俠——現在比的是深度，誰能看到別人看不到的結構，誰就贏。
你最近有沒有發現，某些傳統指標在你手上失效，但在某些人手上還在賺？留言告訴我——是因為他們用了更深層的方法嗎？
🔗 想看完整的 40 年結構斷點測試與回測數據？Available at SSRN: https://ssrn.com/abstract=6195878
### 作者簡介
Sinclair Huang 具跨產業背景，歷經藥廠、科技硬體與化工領域，長期關注技術浪潮下的價值重分配、資本週期與產業結構變化。現專注於研究 AI 對產業鏈與資本市場的結構性影響，相關研究發表於 SSRN。
### AI & Alpha 系列
本文為 AI & Alpha 系列的一部分，共五篇，從實證研究出發，探討 AI 如何重構基礎建設投資、供應鏈議價權、金融 Alpha、晶片架構與專利估值。
### 免責聲明
本文為個人研究與觀察分享，不構成投資或財務建議。所有觀點基於公開資料與作者研究，請自行判斷風險。
### 延伸閱讀（SSRN 論文）
- EP1 Infrastructure-Led Leading Indicators (Available at SSRN: https://ssrn.com/abstract=6285318)
- EP2 AI-Driven Value Redistribution (Available at SSRN: https://ssrn.com/abstract=6241778)
- EP3 AI & the Collapse of Shallow Alpha (Available at SSRN: https://ssrn.com/abstract=6195878)
- EP4 Architectural Trade-Offs in Autonomous Driving Chips (Available at SSRN: https://ssrn.com/abstract=6184459)
- EP5 Patent Quality vs. Quantity (Available at SSRN: https://ssrn.com/abstract=6157046)
#量化交易 #Alpha #AI金融 #市場效率 #結構斷裂 #華爾街 #對沖基金
