【實測】把PTT當內線？工程師用AI寫出「量化跟單機器人」，3個月績效狠甩00929！網驚：太神了
台灣工程師實測用 Python 爬取 PTT 股版輿情，結合 AI 語意分析打造「鄉民跟單策略」。回測顯示，該策略在 2025 Q4 震盪盤中績效超越熱門高股息 ETF 00929，揭示「反指標」傳說背後的量化真相。
在台灣交易圈，PTT Stock 版（股版）一直有個都市傳說：「鄉民看多你就空，鄉民看空你就多」，將股版視為標準的「反指標」。但到了 2026 年，隨著 NLP（自然語言處理）技術的成熟，一位台灣工程師決定用數據驗證這個傳說，結果卻跌破眾人眼鏡。
這項名為「PTT 輿情量化（PTT Sentiment Quant）」的實測計畫，利用 Python 爬蟲與 LLM（大型語言模型），針對 PTT 股版進行 24 小時監控。在 2025 年第四季的實盤模擬中，該策略取得了 15.6% 的報酬率，遠超同期僅約 2% 的人氣高股息 ETF 00929。
核心技術拆解：如何聽懂「鄉民話」？
這套系統並非簡單的關鍵字統計，其核心架構分為三層：
-
數據採集 (The Ear)： 使用 Python 的
requests與BeautifulSoup庫，針對 PTT Stock 版進行即時爬取。重點不只是內文，還有「推噓文」的比例與速度。爆文（推文數 > 100）通常意味著極高的市場關注度。 -
語意理解 (The Brain)： 這是最關鍵的一步。傳統的情緒分析模型（如 SnowNLP）看不懂台灣鄉民的「黑話」。該工程師串接了 Gemini 或 OpenAI API，並針對 PTT 特用語進行了 Prompt Engineering（提示工程）。
- 識別反諷：「這支股票穩了（下看50塊）」機器人能識別這是「看空」而非「看多」。
- 關鍵詞權重：對「法會」（法說會變利空）、「睡公園」（賠光）、「歐印」（All-in）等詞彙賦予極高的情緒權重。
- 交易決策 (The Action)： 將非結構化的文字轉為量化指標（Sentiment Score, -1 到 +1）。
- 策略邏輯：當某檔標的 1 小時內討論熱度飆升且情緒分數 > 0.8（極度樂觀）時，視為短線動能進場訊號；若情緒分數驟降或出現「畢業文」潮，則觸發止損。
實戰績效與盲點
回測數據顯示，這套策略在捕捉「中小型飆股」時極為精準，因為這類股票受散戶情緒影響大。然而，針對台積電 ($TSM) 或聯發科這類外資主導的大型權值股，PTT 的情緒指標則顯著失效，甚至出現「反指標」現象——鄉民極度看好時，往往是短線高點。
給開發者的避雷指南：
- Look-ahead Bias（偷看未來）：在回測時，千萬不能用「收盤後的總推文數」來決定「開盤時的買賣」，必須嚴格依據時間戳記（Timestamp）。
- 流動性陷阱：鄉民熱議的往往是成交量小的妖股，回測雖然大賺，但實單可能根本買不到或是滑價（Slippage）極大。
這項實驗證明，AI 時代的交易優勢，不在於獲取資訊的速度，而在於「解讀資訊的深度」。當所有人都在看線圖時，讀懂人心的演算法，或許才是 2026 年最強的 Alpha。