我把10年的亏损单和盈利单喂给AI做特征对比，它找出5个亏损前置信号——第3个我天天在犯

复盘的尽头是对比

我之前写过不少复盘相关的文章，但说实话，传统复盘有个天花板：你只能复盘你记得的事，而你记得的事往往不是事因。 亏了一笔钱，你复盘说'哦是我追高了'。但追高只是一个动作，动作之前你的状态是什么？那天是星期几？你当天已经亏过一笔了吗？这笔的仓位比平时大吗？这些'环境变量'人脑是记不住的，但数据记得。 所以这次我换了个玩法：把10年的交易记录（1200多笔手动单）整成结构化数据，不是喂给自己看，是喂给大模型，让它干一件人干不了的事——把亏损单和盈利单当两组样本，做特征对比，找出亏损单显著高发的前置信号。

数据怎么准备的

方法不复杂，说下流程给想抄的朋友： 1. 从券商导出10年成交记录，用Python清洗成标准格式：每笔交易带时间、标的、金额、盈亏。 2. 给每笔交易补充'前置特征'：下单时刻、星期几、当天是不是本周第N笔、前一笔是赚是亏、这笔金额相对近20笔均值的比例、当天是否搜索/浏览过该股相关资讯（从浏览记录粗略匹配）。 3. 按盈亏把交易分成两组，把两份特征统计表丢给大模型，提示词就一句话：'找出亏损组显著高于盈利组的特征，按差异大小排序，并给出你的解释。' AI回了5个信号。我一开始是不服的，然后一个一个去原始数据里验，验完服了。

五个亏损前置信号

信号一：周四和周五下午的单，胜率比其他时段低11个百分点。 AI的解释挺有意思：周四周五下午往往是情绪累积的高点——一周的浮亏在周五下午变成'这周不能就这么完了'的执念，容易出强行回本单。我对了对自己这几年的周五下午成交，好家伙，周五下午的单平均收益是全时段最差的，没有之一。 信号二：同一周内止损过一次之后又下的单，整体是负期望的。 这条就是标准的复仇交易模式，我之前写过'复仇交易体检'那篇。这次AI给出更细的量化：止损后48小时内再入场的手动单，平均收益比正常单差一大截。而且AI注意到一个我自己没发现的细节：第二次入场的仓位平均比第一次大34%——亏过一次想一把捞回来，仓位不自觉就上去了。人只会记得'我要回本'，数据记得'你加了三成仓'。 信号三：单笔金额突然放大（超过近20笔均值的1.8倍）。 这是我说'天天在犯'的那个。统计出来这个信号在10年里出现了300多次，占我手动大额单的绝大多数，而这些'突然大方'的单子整体是亏的。最有意思的是，AI对比后发现：这些大额单的'买入理由质量'反而更低——金额和理由质量是负相关的。想想也对，真想清楚了的重仓，理由是充分的；拍脑袋的重仓，才需要'这次不一样'来壮胆。 信号四：买入前48小时内密集浏览过该股资讯的单，胜率显著更低。 这条最反直觉。看新闻研究之后再买，听起来是做功课，实际上是'信息确认偏误'的完美温床：你已经想买了，看资讯只是在收集支持自己观点的证据，越看越觉得稳，然后在一个被情绪推高的位置进场。AI的原话是'浏览行为在样本里更接近冲动的前奏而非研究的过程'。扎心，但数据不撒谎。 信号五：下午2:30之后的单，'当日冲销'特征明显。 尾盘半小时下的单，持有时间显著更短，很多第二天一早就卖。AI管这叫'尾盘冲动-隔夜反悔'模式：尾盘看它拉升起心动念追进去，睡一觉冷静了又赶紧跑。一来一回全是摩擦成本。

这东西怎么用

找信号不是目的，拦截才是。我的用法分三层： 1. 事前拦截：把这5个信号写成了个简单的Python检查脚本，接到我下单前跑一遍。命中2个以上就弹窗让我冷静——不是禁止，是强制多想30秒。别小看这30秒，和上次说的录音门禁配合起来，一个月拦了十几笔。 2. 事后归因：每周让AI把本周触发了信号的单子单独列出来复盘，看看'信号拦截'和'实际结果'的对照，持续验证信号有没有失效。 3. 定期重跑：人的坏习惯会变异。今年戒了A毛病，明年可能长出B毛病，所以这套对比我打算每个季度重跑一次。

说点实在的

这轮折腾下来我最大的感受是：AI在投资里最大的价值，目前真不是预测市场，是当你的'行为镜子'。 市场预测的胜率天花板就那样，但把你自己10年的行为数据摊开看，那些改进空间是实打实的、不依赖任何行情的。 而且这事对普通人门槛不高。你不需要量化系统，一份券商导出的成交记录加一个下午，就能让AI给你出一份'亏损前置信号报告'。你可能会被报告吓一跳——但被数据吓一跳，总好过继续被市场割。 对了，AI在报告最后加了一句总结，我原文贴出来共赏： '你的亏损单和盈利单买的常常是同样的股票，区别不在标的，在你下单时的状态。' 这句话值我十年学费的零头。