用 AI 做新聞驅動交易：以秒反應，而不是以小時

一則頭條在 14:31 爆出。到了 14:32，那檔股票已經跌了 4%。你在 15:10、兩場會議之間看到那則報導，而現在你正在市場早就做完決定的 39 分鐘之後，決定該怎麼辦。那個落差，就是新聞驅動交易 AI 存在要解決的問題——不是預測頭條，而是壓縮「一個事件」和「你事先寫好的規則對它做出回應」之間的距離。

這篇文章會走過一條 AI 新聞管線究竟做了什麼、兩種在實盤條件下站得住腳的設計模式，以及那些把快速反應變成快速虧損的失效模式。

為什麼你在結構上就對每一則頭條遲到

機構系統以毫秒解析新聞快訊。做市商在大多數記者還沒寫完第二句話之前，就調整了報價。等到一則報導抵達你讀新聞的那個 App，第一波價格移動已經結束了。跟那套機械賽跑，不是一個對你開放的策略，而任何暗示不然的產品，都是在賣一個它並不具備的低延遲。

你能改變的，是第一波移動之後的一切。散戶因新聞受的損害，多半不是來自遲了幾秒；而是來自遲了幾個小時，或是來自在你終於看到那則報導時的情緒化反應。一個持股在你當地時間凌晨三點、因一則監管頭條而向下跳空；你醒來、恐慌，然後賣在底部。加密貨幣讓這件事更糟：市場整個週末、整個夜晚都在交易，而沒有一個人類能盯完全部。

一個智能體不睡覺、不恐慌，也不即興發揮。它把你在一個平靜時刻寫下的規則，套用在一個你不可能守候得到的事件上。那就是那個誠實的價值主張：以秒為單位的一致反應，而不是以微秒為單位的通靈反應。

一條新聞驅動交易 AI 管線究竟做了什麼

把行銷剝掉，每一套嚴肅的系統都跑同樣的五個階段。

**擷取。**從新聞快訊社、交易所公告、監管申報文件與社群來源拉進頭條與文章。量是殘酷的：跨全球市場每小時數千則，其中大多數都與你無關。

**去重與分群。**一個事件會生出數十篇改寫。一次只宣布過一次的召回，會在六小時內橫跨各家媒體變成四十則頭條。好的管線會把它們塌縮成單一個事件；天真的管線則把每一篇改寫都當成新資訊來數。

**分類相關性。**這一則關乎一個你持有或關注的資產嗎？實體比對聽起來很瑣碎，直到「Apple」出現在一篇關於果園的報導裡。大型語言模型在這裡把天花板大幅拉高了，因為它們讀的是脈絡、而不只是關鍵字。

**替嚴重度與語氣評分。**有多壞、有多好、有多大？一位執行長辭職的評分，和一次產品延遲不一樣。評分的內部機制（語氣模型、來源權重、極端偵測）自成一門紀律，涵蓋在我們那篇關於交易中的情緒分析裡。

**比對與動作。**被評好分的事件，遇上你的關注清單與你的規則，產出的要嘛是一個警報、要嘛是一個動作。上游的一切之所以存在，都是為了讓這一步值得信任。

有一個提醒屬於這裡：語言模型批改申論題比做算術在行，而且它們會捏造。對 LLM 在金融問題上的研究，量到在缺乏防護措施下的幻覺率最高可達約 41%（FailSafeQA and related benchmarks, 2024）。一條讓一個原始模型既詮釋報導、又扣下扳機的管線，底下沒有任何地板。修法是架構性的：模型分類，決定論式的規則決定。

新聞作為濾網：防守型模式

新聞在自動化中最可靠的用法，不是對頭條動作。而是拒絕在頭條期間動作。

想想一個簡單的每週買進計畫。放著不管，它會歡天喜地地在一家公司的舞弊指控浮現後的隔天早上買進它，因為價格與行事曆條件對那則報導一無所知。一個新聞濾網用一條規則修好這件事：對任何在過去 24 小時內出現高嚴重度頭條的資產，封鎖或暫停買進，並只在連續 12 個小時平靜之後才恢復。

注意這條規則不需要什麼。它不需要新聞被正確地詮釋、不需要方向被預測、不需要以毫秒量測的速度。它只需要知道有某件很吵的事正在發生，而「吵」正是新聞管線量得好的那一件事。濾網之所以健壯，正是因為它們對系統要求的智慧如此之少。

這裡就是一個平台範例讓機制變具體的地方。Obside 的複合市場訊號把新聞流納為一等的輸入，所以一個像這樣的濾網是一句話，而不是一個專案。你持有十二檔股票，並告訴副駕：「當某個代碼的新聞嚴重度飆升時，暫停那個持股上的每一個買進智能體；在 24 小時平靜之後恢復。」助理複述那些條件、你核准，濾網就跑遍整個投資組合：有反應、卻不必末日式地刷手機，而且沒有新聞解析器要建。

其他值得偷過來的濾網變體：當一則市場層級的報導嚴重度飆升時，全投資組合封鎖新進場；在一場新聞風暴期間把停損距離拉寬，讓平常的來回洗盤不會把你掃出場；在任何自動化進場擊發之前，要求一個平靜的新聞窗口。

新聞作為觸發器：進攻型模式

對新聞動作，比因為新聞而暫停更難，而差別在於定義的紀律。「對壞消息反應」不是一條規則。「如果一個投資組合裡的持股宣布減發股利，就賣掉一半的部位、並就剩下的提醒我」才是一條規則：事件類別是精確的、動作是事先承諾好的、而大小有上限。

撐得住的觸發模式，共享三個特性：

1. **一個狹窄的事件類別。**減發股利、撤回財測、監管執法行動、下市通知。是有著明確定義的事件，而不是像「負面報導」那樣的感覺。
2. **一條價格確認腿。*在動作前要求市場先同意：新聞事件且*價格從新聞前的水位下跌超過 2%。這一個 AND 條件消除了大多數假頭條的傷害，而它也是通往多條件自動化整體的入口。
3. **一個硬性的大小上限。**觸發器可以修剪或避險；它不能拿帳戶去賭。對新聞的第一反應錯得夠頻繁，頻繁到任何單一次都不該被允許要緊到哪裡去。

一個具體範例：你持有一檔中型股，佔你投資組合的 8%。規則：「如果這家公司撤回財測，且價格在那則頭條後一小時內下跌超過 3%，就把部位減到 4%、並通知我。」智能體在幾秒內執行機械性的那一半；判斷的那一半——要不要完全出場——則等你，並附上那則報導。

有一條值得畫的界線：排定的總經數據發布，完全是另一門紀律。CPI、Fed 決策與就業報告，在一個已知的行事曆上、帶著已知的共識數字抵達，這改變了整個設計空間。那套劇本活在用智能體交易總經事件裡。

新聞管線會在哪裡故障

底下每一個失效模式，都讓真實的交易者付出過真實的錢。針對全部四個做設計防護。

**頭條假動作。**第一批報導經常是錯的、誇大的，或漏掉了那個改變一切的關鍵限定詞。一則「監管機關調查公司」的頭條，後來若釐清為一次例行問詢，可以讓一檔股票在九十分鐘內來回一趟。一個沒有價格確認的觸發器，會賣在低點、然後在場邊看著它復原。緩解方式：上面那條確認腿，加上對模糊事件類別「偏向警報、而非動作」的傾向。

**更正與修正。**第一次數據裡的那個數字，不總是一小時後的那個數字。被重述的數字、被更正的頭條，以及被收回的聲明，代表任何對初始報導動作的系統，要嘛需要一個延遲窗口，要嘛需要一個小到能吸收「錯了」的部位大小。

**重複風暴。**一則報導的四十篇改寫，對一個「數頭條的計數器」而言，可以讀起來像是不斷升級的危機。如果嚴重度評分沒有把事件分群，重複就會偽裝成惡化，而你的濾網永遠不會解除暫停。直接問任何一家廠商他們怎麼去重；一個含糊其辭的答案就是不及格。

**有速度、卻沒有規則。**這是那個微妙的。一條把新聞更快浮上來的管線，接上一個沒有事先承諾好回應的人類，只會產出一件事：更快的恐慌。你升級了那個刺激、卻讓行為原封不動。如果你還沒寫下警報擊發時你會做什麼，那個警報就是一台壓力產生器。「決定頭條對你該有什麼意義」這門更廣的手藝，涵蓋在交易新聞：把頭條化為有信心的決策裡。

接下來該往哪走

把野心排成順序。從只發警報開始：讓管線證明它會把「對你實際持股要緊的東西」浮上來，並記下第三則頭條更正第一則的頻率有多高。接著加上濾網模式，因為暫停是一份幾乎沒有壞處的廉價保險。只有到那時，如果一個狹窄的事件類別在你的投資組合裡一直重複，才晉級到一個帶大小上限的已確認觸發器，並在它碰到錢之前先在模擬盤上跑。

新聞會在你睡覺時繼續爆。務實的優勢不是搶先讀到它；而是早已決定好它的意義。如果你想用白話表達那些規則、並讓複合新聞訊號去負責盯盤，Obside 會把一句話變成一個運行中的智能體——先是警報，等你掙得了信任再是動作。

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。