你不需要成為Alex Gerko，但可以學會用AI把判斷握在自己手裡。
最近看到一個很有意思的人。
他叫 Alex Gerko，數學博士，創辦了量化交易公司 XTX Markets。
這家公司不靠幾個傳統交易員坐在螢幕前，憑經驗判斷哪只股票要漲、哪種貨幣要跌。它用機器學習模型，為超過 5萬種金融工具生成價格預測，再把這些預測用於交易和做市。
5萬種是什麼概念？
你每天刷十條消息，已經覺得資訊太多了。一個普通人可能盯著十幾隻股票、幾個基金、幾個行業，朋友在飯局上再推薦一家公司，腦子裡就已經裝不下了。
XTX面對的，是股票、債券、外匯、商品和加密資產等大量市場。人不可能同時看完這些東西，AI可以。
Gerko也沒有把錢全部花在“預測下一隻暴漲股票”上。他還拿出資金支援數學和AI研究。AIMO Prize的總獎金規模達到1000萬美元，用來推動AI解決高難度數學問題。
這樣的人，當然離我們很遠。
他有數學博士背景，有頂級團隊，有專業資料和計算系統。普通人不可能照搬一套量化交易公司回家。
但我覺得，他身上有一個方法，普通人可以學。
重要的消息可以聽別人的，最後的判斷要自己做。
01. 朋友推薦的消息，為什麼總讓人心動
我們身邊都有這樣的朋友。
有人對行業特別熟，吃飯時告訴你：“這家公司最近很有機會。”
有人已經買了一款產品，發來一句：“我覺得這個可以看看。”
還有人轉來一篇分析文章，裡面有資料、有邏輯、有幾個聽起來很專業的結論。
朋友願意分享，當然是好意。
但這條消息到了你這裡，已經變成了另一個問題：
他為什麼看好？
這個判斷的依據是什麼？
那些數字是公司正式披露的，還是朋友聽別人說的？
他能放五年的錢，你明年可能要用，這個機會還適合你嗎？
很多人最容易犯的錯誤，是把“我信任這個人”，直接換成“我應該相信這個結論”。
這中間少了一步。
你需要把消息拆開，再重新放進自己的情況裡。
02. 不用成為Alex Gerko，也可以學他的第一步
收到一條朋友推薦的資訊，先不要急著問AI：“能不能買？”
可以這樣問：
“這是朋友推薦給我的資訊。請先說清楚它推薦的是什麼，看好的理由有哪些。把內容分成三類：已經披露的事實、對未來的預測、轉述或個人判斷。請尋找原始出處並標明日期，找不到的地方直接標出來。最後列出我還缺哪些資訊，以及我應該繼續追問什麼。先不要給買賣建議。”
如果朋友說一家公司“訂單很好”，就讓AI繼續查：
這是公司已經簽署的訂單，還是合作意向？
是公司自己披露的，還是別人根據行業情況推測出來的？
這個消息是哪一天的？
如果朋友推薦的是一款理財產品，可以讓AI先整理：
- 期限；
- 費用；
- 提前退出條件；
- 可能損失本金的情形；
- 宣傳資料裡沒有寫清楚的問題。
這樣做，不是懷疑朋友。
恰恰是因為你不想把朋友的好意，變成自己沒有核實的風險。
當然，AI也會出錯。它可能找錯資料，誤讀數字，甚至把舊新聞當成新消息。
所以關鍵不是把判斷交給AI，而是讓AI幫你把功課做在前面。
你最終要看到的，不是一句“可以買”或“不能買”，而是一張自己的問題清單。
03. 讓AI替你盯資訊，但不要替你做決定
Alex Gerko的公司可以同時處理5萬種金融工具，因為它有模型、資料和系統。
普通人也可以給自己搭一個小得多的系統。
比如，建立一個自己的投資資料助理。
它可以負責：
- 收到朋友推薦時，幫你查原始出處；
- 有新財報時，對照上一次的判斷；
- 發現關鍵數字變化時，提醒你回看；
- 把多個來源整理在一起；
- 把“已經確認的事實”和“仍然沒有證據的猜測”分開。
你可以告訴它：
“我關注這家公司，最在意的是新業務能不能真正產生收入。以後整理資料時，優先尋找與這個問題有關的證據。如果出現相反資訊，也要單獨列出來。每次最後告訴我：哪些已經確認，哪些還需要繼續查，哪些必須由我本人決定。”
這就比“幫我總結一下這篇文章”更進一步了。
你開始擁有自己的關注點。
朋友推薦的是消息，AI整理的是證據，最後留下來的，才是你的判斷。
04. 不需要變成他，但可以靠近他的工作方式
我們不可能都成為Alex Gerko。
不是每個人都有數學博士學歷，也不是每個人都要創辦一家量化交易公司。
但我們可以靠近他的一種工作方式：
面對複雜的資訊，不靠一條傳言下結論；
面對很多市場機會，不讓別人替自己決定什麼最重要；
面對一份聽起來很專業的分析，先問它的事實、來源和前提；
面對自己的錢，保留最後的判斷權。 (曾敏敏)