自然語言交易：從提示詞到投資組合

二十年來，把一筆交易自動化，意味著兩件事的其中之一：學會寫程式，或是跟一張有四十個下拉欄位的表單搏鬥。這兩道濾網，在大多數投資人的第一條規則跑起來之前，就把他們刷掉了。自然語言交易移除了這道濾網。你用一句話描述你想要什麼，一個系統就把它變成受監控的條件與可執行的委託。難的部分藏在那句話的中間：人類的措辭是模糊的、市場不是，而它們之間的那道轉譯，正是這些系統成功、或悄悄失敗的地方。這篇文章會解釋那道轉譯如何運作，以及如何評判它。

是介面成了障礙，不是那個想法

大多數散戶投資人，都有著自動化形狀的想法。每週買進一個固定的金額。在一波大漲之後獲利了結。停止對一個一直下跌的部位加碼。這些都不奇特；它是一種方針，是任何人都能大聲說出來的那種規則。

站在「想法」和「一套運行中的系統」之間的，是「表達」。替一個機器人寫程式，代表 Python、API 文件、伺服器正常運行時間，以及凌晨三點的錯誤處理。表單式的建構器溫和一些，但仍然強迫你的想法穿過它們的詞彙：如果那個下拉選單沒有「在糟糕的一週之後跳過買進」這個欄位，你的規則就丟掉了那個子句。不論哪一種，都是工具塑造了策略，而不是策略塑造了工具。

一個語言介面把這件事顛倒過來。是系統去適應你的措辭，而不是你去適應它的結構。這對從未被擋在門外的專業量化交易者來說沒那麼重要，對其他每個人來說則重要至極：那個有著清晰方針、卻無意成為程式設計師的投資人。它是一場更大的、朝向智能體交易的轉變裡的介面層——在那裡，軟體在你的限制之下執行你的邏輯——而且它嵌進的，是任何嚴肅的交易自動化都會遵循的同一條管線：定義、測試、然後運行。

「買回檔」沒有定義

這裡就是那個核心問題，在一句指令裡就看得見：「在比特幣上買回檔。」

一個人類同事會大致知道你的意思。市場不做「大致」這門生意。拆開來看，那句話至少藏了五個開放的參數：

模糊之處	機器必須回答的問題
什麼算回檔？	跌 3%？10%？從昨天的收盤、7 天高點，還是你上一次的買進價？
買多少？	固定金額、現金的百分比，還是按回檔幅度縮放？
多久一次？	每次回檔一次？什麼能阻止它在一場崩盤裡每小時都買？
回檔什麼時候變成崩盤？	跌 40% 還算一個你想買的回檔嗎？
這什麼時候是錯的？	什麼樣的結果會讓你把規則關掉？

那些空格的每一個，都必須在規則能運行之前被填上。唯一的問題是誰來填：是你，明確地填，還是系統，無聲地填。一個會猜的系統之所以危險，正是因為它會運行、它會做某件事，而那件事可能不是你的本意。「買回檔」被詮釋成「每跌 3% 就買 5% 的現金、無限頻率」，會以完美的服從，把一個帳戶倒進一個下跌的市場裡。

同樣的陷阱，也坐落在那些更溫和的措辭裡。「每週」（哪一天、哪一個小時、哪一個時區？）。「漲很多時獲利了結」（從哪裡起漲、賣掉多少？）。「如果情況變糟就停」（用什麼來量測？）。人類語言倚賴共享的脈絡；執行系統一點也沒有。因此，轉譯不是自然語言交易的一個便利功能。它就是整個產品。

好的自然語言交易系統如何化解模糊

設計良好的系統，拒絕無聲地猜測。有三個機制，把值得信任的那些，和其他的分開。

**複述意圖。**在任何東西運行之前，系統會用精確的措辭把你的指令播放回來：資產、觸發條件、委託大小、排程、出場、失效條件。這份複述就是合約。如果它說「在任何 3% 的單日下跌時買進」、而你的本意是每週，那個誤譯就死在審核階段、而不是死在你的帳戶裡。當你評估一個平台時，這是第一件要測試的事：給它一句含糊的指令，看看它是把它的假設攤出來、還是把它們埋起來。

**問，而不是假設。**當一個參數真的無法被推斷時，正確的行為是一個釐清的問題。「你說買回檔：從什麼參考點算，每次買多少？」一個從不問問題的系統，並不比一個會問的更聰明；它是用更好的禮貌在猜。

**永久地顯示被解析出來的規則。**核准之後，那些確切的、機器可讀的條件應該持續可見：不是你打的那句富有詩意的話，而是實際上正在被監控的門檻與大小。你應該能夠隨時稽核，智能體相信它的指令是什麼——因為那個，而不是你對那場對話的記憶，才是會執行的東西。

注意這三個機制的共通點：它們把模糊的化解，移到了錢的前面。一個在審核時抓到的誤譯，代價是十秒鐘的編輯。一個在實盤帳戶裡抓到的，代價是市場決定它是多少就是多少。

從句子到運行中的智能體：一個具體範例

以下是完整的路徑在 Obside 上的樣子，連句子都包含在內。

你在副駕裡輸入：「每週五，把 €150 投進一檔 S&P 500 ETF，但如果前一天指數收黑超過 3% 就跳過那一週，而如果這個部位整體虧損 20% 就把一切暫停。」

副駕把它複述成一條規則：在你選的那檔 S&P 500 ETF 上下一筆 €150 的買單，排在每週五；一個跳過條件，拿週四的收盤去對照前一個收盤，並在跌幅大於 3% 時取消那一週的買進；以及一個失效子句，若那個部位的未實現虧損達到 20% 就把整個自動化暫停，並發一則通知給你。它推斷不了的那些模糊之處，會作為問題回來：哪一家券商的哪一檔 ETF，以及星期五的哪一個時間。

你審核那些被複述的條件、並核准。接著智能體會先在模擬盤模式運行：同樣的排程、同樣的條件、即時市場資料、沒有真實委託。過了幾個星期五之後，你可以檢查日誌：它有沒有在該買的時候買、那個跳過子句有沒有在它該擊發的那一週擊發？只有到那時，你才把它切成實盤，同樣的條件就會透過你連接的券商帳戶，用真實委託執行。

句子是介面。複述是安全網。模擬盤運行是考試。是那個順序、而不是任何單一功能，讓這套白話做法值得信任，而它也映照著我們在如何打造一個 AI 交易智能體裡走過的完整工作流程。

一句話做不到什麼

這個介面值得誠實的界限，因為移除了寫程式的障礙，並沒有移除任何思考。

一句更清楚的話，並不會讓一套糟糕的策略變好。「用我所有的現金買進每一個回檔」轉譯得完美無瑕，也失敗得完美無瑕。這個轉譯層保證的是對你意圖的忠實，不是你意圖的品質。回測與模擬盤交易之所以存在，是為了測試那個想法本身，而沒有任何介面能取代它們。

精確仍然得從某個地方來。系統能問釐清的問題，但你得握著答案：什麼讓規則失效、每個部位多少、什麼樣的虧損結束這場實驗。在任何介面裡都回答不了那些問題的投資人，還沒準備好在這一個介面裡做自動化。寫出「自帶精確」的指令，是一項可學習、有著已知寫法的技能，而我們在有效的交易提示詞裡收著一整套。

有些策略塞不進句子。真正量化的邏輯、一次投資組合最佳化、一個從自訂資料建出來的訊號，要的是一份正式的規格，而不是散文。如果你發現自己正在打一段有十二個巢狀子句的段落，那個語言介面就已經不再幫忙了。

而責任永遠不會轉移。智能體執行的是你核准的東西；那份核准是你的。白話降低了進入的門檻，不是判斷的標準。

接下來該往哪走

理解自然語言交易，最好的方式是把它當成一份翻譯合約：你供給意圖、系統供給精確，而那份可見的複述，就是兩者相會的地方。用那份合約來評判任何平台。它有沒有把它的假設攤出來、在推斷不了時發問、顯示被解析出來的規則，並在上線之前讓你在模擬盤上彩排？

如果你想端到端地測試這個迴路，Obside 讓你用自己的話打一套策略、在任何東西運行之前確切地讓你看到它理解成了什麼，並在任何一筆真實委託之前，把結果走過回測與模擬盤交易。

僅供教育參考，不構成投資建議。交易存在風險，可能導致本金損失。