跳至主要內容
Mark Ku's Blog

開場白

大家好,我是沐妍,歡迎收聽AI股市蝦聊。這集節目在2026年10月2日(星期五)錄製,要帶大家看的是下一個交易日,也就是2026年10月5日(星期一)的台股預測。AI模型對這天偏向看空,目標區間落在4萬7千多點,但信心只有五成五左右,稍後也會老實跟大家分享模型近期的命中率表現。

今日大盤預測

現價 48353.49隔日看空 · 47668.14~48216.42 · 信心55%短線看空 · 46821.01~48046.99 · 信心55%
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48353.49看空47668.14~48216.4255.0%
短線48353.49看空46821.01~48046.9955.0%

從盤勢解讀報告來看,市場情緒其實偏向中性,但上漲家數427家、下跌家數558家,跌多漲少的格局已經浮現,撐盤的多是少數權值股。信心只有五成五,代表模型對方向的把握並不算高,提醒大家這比較像機率上的傾向,不是篤定的結論。

全球盤勢現況

指數收盤漲跌%
台指期夜盤(TXF)48475-0.46%
道瓊工業指數(DJI)50926.560.04%
S&P 500(GSPC)7666.450.19%
NASDAQ 綜合指數(IXIC)26871.60.04%
費城半導體指數(SOX)128291.59%

整體來看,美股四大指數都小漲收紅,費半更強漲超過1.59%,表現相對亮眼;但台指期夜盤反而小跌,顯示資金在等台股下個交易日開盤前,氣氛還是偏向觀望。

策略選股雷達

以下為策略篩選結果,非個股買賣預測,請大家留意。

股票綜合評分籌碼分本益比估值
瑞昱(2379)7510027.63偏貴
華碩(2357)7410014.11合理
聯詠(3034)7410019.09偏貴
台灣大(3045)69100--
中華電(2412)68100--

細看訊號面,瑞昱動能轉強、MACD出現止穩的背離訊號;華碩則出現偏多的鎚子線型態。聯詠因為RSI頂背離,漲勢力道顯得有點鈍化;台灣大MACD柱狀體翻空又出現看跌吞噬,技術面偏弱;中華電目前均線多頭排列、站上月線,但KD偏空,訊號不算明朗,傾向觀望。

近期預測命中率回顧

大盤·隔日100%(2/2)
近期方向命中率(越高越準;含已結算樣本數)

過去這段時間,模型對加權指數隔日方向的命中率是100%,兩次預測兩次都對方向,目標區間也全部命中,平均誤差只有0.02%,表現相當不錯。不過樣本只有兩次,基期還很小,還是要提醒大家這不代表未來也會一樣準,請把這些數字當作參考,不是保證。

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
··646

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
··461

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
··281

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
··219

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
··214

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
··210

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