用 AI 研究股票：如何核查判断与来源

把流畅文字当作起点

AI 生成的研究段落可以组织思路，同时把正确事实与错误混在一起。引用的文件可能真实存在，却涉及不同期间；准确的数字也可能被用于缺乏支持的解释。因此，应逐项核查判断。只问整段话听起来是否有说服力，远不如检查每句话实际声称了什么。

关于人工智能与投资欺诈的联合投资者警示指出，生成的信息可能不准确、不完整或具有误导性。这不意味着每条 AI 辅助陈述都错误，也不意味着每个错误都是欺诈。它意味着，精致的语言和表面上的权威不能代替对依据的检查。人类撰写的摘要也适用同一原则。

写出修正后的判断及其边界

有依据的改写是：“在这份假设资料包中，可比季度的营业收入增长了 10%。资料包并未确定哪些产品或其他因素解释了这一增长。”年度金额可以另行列示，并注明自己的日期，但不能被用作它实际没有回应的判断的依据。

采用可重复执行的核查记录链：复制判断、打开原始来源、找出相关段落和期间、检查单位与计算，并说明仍未解决的事项。保留来源版本和访问日期。如果原始表格采用了不同定义，只看页面标题或搜索摘要是不够的。

另一个 AI 的回答，仅仅因为表示同意，并不成为独立来源。它可能依赖相同材料，或重复相同错误。要求给出引用可能帮助找到文件，但每个链接仍需检查。如果无法访问来源，应记录这一限制，而不是把判断标为已核实。无法访问也不证明该陈述错误。

核查也有边界

美国 SEC 的申报文件指南介绍了如何通过 EDGAR 查找年度、季度和临时报告。这些文件类型属于美国制度；其他司法辖区有不同申报安排。即使是真实报告，也可能包含估计或管理层主张。确认管理层提出过某项判断，不等于确认该判断最终正确。

算术核查不能解决所有问题。确定因果解释，可能需要公开文件中并不存在的依据。诚实的核查可以止于“这些来源尚不能证明”。在不了解工具适用的数据处理方式前，不应上传保密研究或个人信息。本练习介绍的是阅读依据的方法，不是对任何 AI 系统的认可或认证。