Mark Ku's Blog

開場白

大家好,歡迎收聽AI股市蝦聊。今天是10月12日星期一,台股照常開盤,不過AI模型對明天,也就是2026年10月13日星期二的台股大盤,給出的訊號偏向保守,夜盤台指期也同步走弱。這一集就帶大家看看隔日跟短線兩個視野怎麼說,還有近期命中率的誠實體檢。

今日大盤預測

現價 49313.44隔日看空 · 48614.49~49173.65 · 信心63%短線看空 · 47750.54~49000.86 · 信心63%
加權指數 AI 預測區間(隔日 / 短線)
視野現價預測方向目標區間信心
隔日(10/13)49313.44看空48614.49~49173.6563.0%
短線(約一週)49313.44看空47750.54~49000.8663.0%

這份預測的目標交易日是2026年10月13日星期二。隔日視角,模型從目前49313點出發看空,目標區間落在48614到49173點,相當於預期有一段小幅修正;短線(約一週)同樣偏空,目標區間下緣探到47750點,顯示修正壓力有可能延續。信心都落在六成左右,不算特別高,搭配晨間情緒報告「上漲428家、下跌549家」的廣度數字,偏空的氣氛確實有基本面在撐。

全球盤勢現況

指數收盤漲跌%
台指期夜盤(TXF)48705-1.32%
道瓊工業指數(DJI)51654.95+0.83%
標普500指數(GSPC)7811.54+0.59%
那斯達克指數(IXIC)27366.17+0.64%
費城半導體指數(SOX)12572.42-0.41%

美股四大指數普遍收紅,費半小跌,跟台指期夜盤走弱形成一點落差,算是今晚盤面比較值得留意的分歧。

策略選股雷達

提醒大家,以下為策略篩選結果,並非個股買賣預測,單純是模型從籌碼、估值、技術面綜合打分排出來的名單。

股票綜合評分籌碼分本益比估值
緯創(3231)7210014.97便宜
台達電(2308)7110062.54偏貴
統一(1216)69100--
南亞(1303)6810050合理
台灣大(3045)6875--

近期預測命中率回顧

大盤·隔日83%(5/6)大盤·短線33%(1/3)
近期方向命中率(越高越準;含已結算樣本數)

誠實說,近期大盤隔日預測的方向命中率是83.3%,六次裡對五次,平均誤差只有0.5%,算是蠻扎實的表現。不過短線(約一週)視角就沒那麼穩了,方向命中率只有33.3%,三次裡只對一次,平均誤差放大到3.13%,區間更是三次都沒有全中。這也提醒我們,拉長到一週的預測難度本來就比較高,信心分數再高也不代表百分之百準確。

免責聲明

本內容由 AI 模型根據量化資料自動生成,僅供研究參考,不構成任何投資建議或推介。本站與節目製作者並非證券投資顧問事業,不對特定人提供分析意見,亦不因本內容收取任何報酬;投資有風險,請自行判斷與承擔。

作者

Mark Ku

10 年以上的軟體工程師,做過北美電商與 AI SaaS 訂閱收費系統。閱讀更多

覺得這篇有幫助?

作者做的免費工具、每日 Podcast 與電子報,都在這裡。

Mark Ku · 本文採用 CC BY 4.0 授權,轉載請註明作者並附上原文連結。

留言

訂閱電子報

訂閱後即時收到新文章通知,不錯過任何技術分享。

提交即表示同意接收電子報,隨時可。

熱門文章

View all
Mark Ku
··631

Oracle Cloud 永久免費方案 Linux 主機及固定 IP :0 元打造雲端解決方案

Oracle Cloud 永久免費方案 Linux 主機及固定 IP :0 元打造雲端解決方案
Mark Ku
··467

告別 Postman 收費陷阱!開源 Git 原生 API 測試神器 Bruno 實戰指南

告別 Postman 收費陷阱!開源 Git 原生 API 測試神器 Bruno 實戰指南
Mark Ku
··252

一款免費開源類似於 Notion 類知識庫系統 — Outline Wiki 佈署與備份全攻略

一款免費開源類似於 Notion 類知識庫系統 — Outline Wiki 佈署與備份全攻略
Mark Ku
··207

打造高效 API 管理平台:從 0 開始部署 Kong Gateway - Part 1

打造高效 API 管理平台:從 0 開始部署 Kong Gateway - Part 1
Mark Ku
··201

在 Ubuntu 上設置 Samba 來共享資料夾,讓 Windows 11 用戶可以存取

在 Ubuntu 上設置 Samba 來共享資料夾,讓 Windows 11 用戶可以存取
Mark Ku
··199

訓練自己的 AI 語音:硬體門檻、開源模型比較與 LoRA 微調

訓練自己的 AI 語音:硬體門檻、開源模型比較與 LoRA 微調