我让AI给券商研报的目标价记了一年代账：平均偏差34%，但有3个分析师准得离谱——原因很魔幻

券商研报这东西，散户的态度基本两极：一类当圣经看，'目标价XX元，还有50%空间'，抄起钱包就冲；一类嗤之以鼻，'机构都靠得住母猪会上树'。 我属于第三类：想信不敢信，想骂没证据。所以今年年初我干了件事——搭了一套'研报记分系统'，让AI把主流券商的个股目标价全部记下来，到期自动对账，看看这帮人到底靠不靠谱。 一年过去，数据出来了。先说结论：整体很不靠谱，但内部差异大到值得单独讨论。

系统怎么搭的（简化版）

思路很朴素，三步： 1. 抓取：定时抓公开渠道的个股研报，用大模型提取四个字段——券商、分析师、目标价、评级、发布日期； 2. 存档：全部入库，不许删，不许改（关键是'发布时就锁定'，避免事后看到走势再来挑着记）； 3. 对账：目标价发布满6个月/12个月后，自动拉当时实际股价，算偏差，再让AI按行业、券商、分析师维度汇总打分。 整个过程AI干的是脏活累活（提取、清洗、汇总），判断只有一条规则：目标价和实际价的偏差百分比。越简单越好，因为记分系统本身一旦复杂，就会变成第二个玄学。

一年数据：平均偏差34%，中位数27%

样本：过去12个月里有效期覆盖的个股研报目标价约860条，覆盖40多家券商。结果：

目标价相对未来6个月实际股价的平均偏差：34%

中位数偏差：27%

方向都对（目标价和实际涨跌方向一致）的比例：约52%——和抛硬币差不多

更扎心的：85%以上的目标价高于发布时现价。预测市场会涨的'研究'，和预测明天太阳升起的'研究'，含金量区别不大。

换句话说，如果你按研报目标价买卖，平均要错出三分之一只股票的价钱。这还只是6个月维度；拉长到12个月，偏差反而更大——因为12个月里能出的幺蛾子更多。

但有3个分析师准得离谱，原因很魔幻

数据里最有趣的不是'都不准'，是例外：有3位分析师，6个月偏差中位数只有9%左右，是平均水平的四分之一。我一开始以为遇到了民间高手，把他们的报告翻了个遍，然后发现了两个毫无浪漫色彩的解释： 解释一：覆盖的是低波动行业。 这三位主覆盖公用事业、高速公路、银行——这些行业本身一年波动就不到20%，目标价随便写都差不到哪去。相当于在慢车道上吹'我从不出车祸'。 解释二：目标价'贴地飞行'。 有位分析师的目标价基本等于现价上浮8%-12%，雷打不动。这种目标价永远不会大错，也永远不会提供任何信息——他说'目标价11块'，和说'这股票大概还是11块附近'是同义词。 发现这两点的瞬间，我先是想笑，后来笑不出来：预测准确率高，和预测有价值，是两码事。 大部分'准'的预测，本质是预测了一个不需要预测的东西。这个道理放之四海皆准——包括你朋友圈里那些'提前预判了大跌'的大V。

那研报还能看吗？能，但拿走的东西要换

对账一年之后，我对研报的用法彻底变了。目标价和评级，我现在基本当噪音处理。真正值钱的是三样： 1. 事实和数据：行业产能、订单、成本结构——这些是分析师真正花功夫调研出来的部分，也是散户自己最难拿到的部分。事实没有方向性，但它是你判断的原料。 2. 逻辑链：'因为A所以B所以业绩会怎样'——逻辑可以学，结论不用抄。看懂他的推理，比看懂他的目标价值钱十倍。 3. 反向信号：这个是我的私货——当一家公司密集出现'维持买入'但目标价被悄悄下调时，比一份'首次覆盖买入'信息量大得多。机构嘴上说看多，手上调预期，身体最诚实。我把'目标价连续两次下调+评级维持买入'做成了一个筛选信号，一年抓到的'机构暗中转悲观'案例里，后续6个月跑输行业的比例接近七成。

结语

这套系统跑一年，最大的收获不是'券商不行'这个结论——这个不用跑数据也知道——而是让我亲眼看到：把预测和事实分开，是散户能用AI干的最划算的一件事。 AI读研报一分钟比你快，但它真正的价值不是替你预测，是替你记账。记账这事反人性：没人愿意一年后翻出来看看自己信过的东西到底靠不靠谱。AI不嫌丢人，所以它适合干这个。 明年对账继续。至于那三位'准得离谱'的分析师——哥们儿，慢车道开稳点，但别拿慢当车技。 （以上为个人工具实测记录，不构成投资建议。样本和口径有局限，研报数据来自公开渠道，别来问我是哪家券商，我怕律师函。）