很多朋友看到 Rex量化研究室的 V 系列模型時，第一個問題通常是：
V6.1、V8.1、V9.2 到底差在哪？
它們都是 Python 選股程式嗎？
都是 AI 輔助寫出來的模型嗎？ 是不是版本越高就一定越強？ 是不是只要跑出結果，就代表市場答案？
這篇文章，我想用比較完整的方式，說明 Rex量化研究室建立 V 系列模型的心路歷程，也分享我如何透過 Vibe Coding 的方式，利用 Claude Code、Codex 等 AI 工具，把原本多年市場經驗，逐步轉化成可執行、可觀察、可反覆優化的 Python 量化研究模型。
但在開始之前，要先講清楚一件事：
V 系列模型不是用來報明牌，也不是用來保證獲利，而是用來觀察市場結構。
它們的核心價值，不在於告訴你「買哪一檔」，而在於協助我們理解：
資金正在往哪裡移動？
市場動能是否正在升高？ 量價結構是否出現轉折？ 題材與基本面是否形成共振？ 風險狀態是否已經過熱？
這才是 Rex 多模型研究框架真正想解決的問題。
一、為什麼我開始用 Vibe Coding 寫 Python 選股模型？
過去的市場經驗，大多是靠長時間看盤、看籌碼、看題材、看新聞、看技術線型累積而來。
例如看到某檔股票突然爆量，我們可能會直覺判斷：
「這個量不太單純。」
「這個族群好像有資金進來。」 「這種均線壓縮後突破，可能值得觀察。」 「這個題材熱度起來了，但基本面支撐要再確認。」 「這個位置已經太高，不能只看漲幅，要看風險。」
這些經驗很重要。
但問題是，經驗如果只停留在腦中，就會遇到三個限制。
第一，無法穩定複製。
今天狀態好，判斷可能很清楚；明天情緒受市場影響，判斷可能就會偏掉。
第二，無法大量掃描。
台股上市櫃股票那麼多，人眼不可能每天穩定檢查所有標的。
第三，無法客觀回顧。
如果沒有資料輸出與固定條件，就很難知道模型到底是有效、過度嚴格，還是過度寬鬆。
所以我開始用 Vibe Coding 的方式，把自己的市場觀察邏輯，逐步轉成 Python 程式。
所謂 Vibe Coding，對我來說，不是完全不懂程式就亂叫 AI 寫，而是：
我提出市場邏輯，AI 協助轉成程式；我再根據市場經驗修正條件、欄位、輸出與判讀方式。
這是一種人機協作。
AI 負責加速程式實作。
我負責定義市場問題。 模型負責篩選研究樣本。 最後仍然由人來判斷市場脈絡。
二、Vibe Coding 的真正痛點：不是寫出程式，而是寫出「有市場意義」的程式
很多人以為用 AI 寫程式很簡單，只要輸入：
「幫我寫一個台股選股程式。」
AI 就會產出一段程式碼。
但真正困難的地方不在這裡。
真正困難的是：
你要知道自己到底想觀察什麼。
如果沒有清楚的市場邏輯，AI 只會幫你寫出一個看起來很厲害、但實際上可能沒有靈魂的程式。
例如：
要看量能，是看今日成交量，還是預估全日量？
要看突破，是看突破均線，還是突破整理區？ 要看強勢，是看漲幅，還是看量價共振？ 要看主力，是看單日買超，還是多週期延續？ 要看題材，是人工題材庫，還是模型自動辨識？ 要看基本面，是排除虧損股，還是給高品質樣本加分？ 要避開風險，是看乖離、過熱、成交量失控，還是籌碼分歧？
這些都不是 AI 自己會替你決定的。
AI 可以幫你寫程式，但它不一定懂你的市場哲學。
所以 Vibe Coding 最大的痛點，不是「語法」，而是「定義問題」。
你問得越模糊，程式就越像玩具。
你定義得越清楚，程式才越像研究工具。
三、V6.1：盤中即時雷達，觀察市場動能瞬間
V6.1 是我很重視的一支模型。
它的定位不是完整選股系統，而更像是：
盤中市場雷達。
它主要用來觀察盤中量能、漲幅、趨勢與動能是否正在同步變化。
簡單說，V6.1 關注的是：
今天市場哪裡突然熱起來？
哪些樣本出現量能放大？ 哪些族群開始有資金攻擊跡象？ 盤中動能是否只是雜訊，還是具備趨勢共振？
V6.1 的特色，是它加入了「盤中時間進度」的概念，透過交易時間比例去估算全日量能，而不是只看當下成交量。換句話說，它不是等收盤才看結果，而是嘗試在盤中建立一個動態觀察視角。程式中也會計算台股 09:00 至 13:30 的盤中進度，並將目前成交量換算成預估全日量，作為量能倍數觀察依據。
這對量化研究來說很重要。
因為盤中市場最常見的問題是：
開盤前半小時爆量，到底是真的強，還是只是開盤雜訊？
上午量能看起來大，換算全日後是否仍然成立？ 盤中漲幅漂亮，但量能是否支撐？ 強勢族群是否不是單點，而是多檔同步出現？
V6.1 就是用來回答這些問題的初步雷達。
但我必須強調：
V6.1 不是叫人盤中追高，而是提醒我們市場哪裡正在出現異常動能。
這個模型的意義，是把「我感覺今天某族群很強」這種主觀感受，轉成可以被掃描、被統計、被輸出的資料。
四、V8.1：突破型態研究，觀察壓縮後的結構轉折
如果說 V6.1 是盤中雷達，那 V8.1 更像是：
突破型態篩選器。
V8.1 關注的不是盤中短線熱度，而是更偏向技術結構。
它想觀察的是：
哪些標的經過整理後，均線開始收斂？
哪些樣本不是亂漲，而是從壓縮結構中突破？ 哪些標的具備一定成交值，避免流動性不足？ 哪些突破伴隨量能放大，而不是無量虛漲？
這支模型特別重視流動性與結構條件，例如排除成交值不足、價格過低的樣本，並觀察均線糾結、量能放大、突破均線與趨勢反轉等現象。程式中可以看到它設定了價格、成交值、漲幅與均線發散度等條件，用來建立較嚴格的突破型態研究框架。
V8.1 的思考，不是「今天漲很多就好」。
它更接近這個邏輯：
真正值得研究的突破，往往來自長時間壓縮後的結構轉折。
這裡的重點是「壓縮」。
市場裡很多標的每天都在漲，但不一定有研究價值。
有些是消息推動。 有些是短線急拉。 有些是流動性不足造成的假強勢。 有些是高檔最後一波情緒。
但如果一檔股票經過一段時間整理，均線逐步收斂，波動壓縮，成交值具備一定水準，然後某一天出現帶量突破，這種結構就比單純追漲更值得觀察。
所以 V8.1 對我來說，是訓練自己不只看「強」，而是看：
強勢之前是否有結構準備。
五、V9.2：混合動力研究，把題材、技術面與基本面放在一起看
V9.2 是更進一步的模型。
如果 V6.1 看的是盤中動能，
V8.1 看的是突破型態， 那 V9.2 看的是：
題材、技術面與基本面是否形成混合共振。
這支模型的思路很重要。
因為市場上常常會出現兩種極端。
第一種，是題材很熱，但基本面不一定支撐。
第二種，是基本面不差，但市場完全沒有資金關注。
前者容易變成短線情緒，後者可能長期沒人理。
所以 V9.2 嘗試把兩個世界放在一起：
一邊看題材熱度與量價條件。
一邊看基本面品質與財務條件。 最後再觀察它們是否形成共振。
在程式架構上，V9.2 採用兩階段流程：第一階段先用技術面與量價條件做初步掃描，第二階段再進行 EPS、PE 等基本面資料檢測，並且內建題材庫，將特定產業主題納入觀察框架。
這個模型的精神不是單純找便宜，也不是單純找熱門，而是問：
這個樣本有沒有題材？
有沒有量價動能？ 有沒有基本面支撐？ 有沒有排除明顯財務風險？ 是否同時符合市場關注度與品質條件？
這就是我稱它為「混合動力」的原因。
它不是只靠單一引擎，而是希望題材、技術面、基本面之間共同推動觀察價值。
六、三支模型的基本差異
簡單整理，這三支模型的定位可以這樣理解：
模型核心定位主要觀察面向適合回答的問題V6.1 量能雷達盤中動能觀察預估量、量能倍數、漲幅、趨勢共振今天市場哪裡正在熱？V8.1 突破型態結構突破研究均線壓縮、帶量突破、成交值、流動性哪些樣本出現結構轉折？V9.2 混合動力題材＋基本面共振題材庫、技術面、EPS、PE、基本面品質哪些樣本兼具題材與品質？
這三支程式不是互相取代，而是互相補位。
V6.1 偏短線即時感。
V8.1 偏型態結構。 V9.2 偏題材與品質整合。
它們的角色不同，所以不應該用同一套標準去比較誰比較好。
更正確的看法是：
V6.1 是雷達，V8.1 是篩網，V9.2 是混合評估器。
七、為什麼我不公開核心參數？
有些讀者可能會問：
既然是研究室，為什麼不直接公開所有參數？
原因很簡單。
第一，核心參數是模型長期調校的結果，不只是幾個數字而已。
它背後包含市場經驗、回測觀察、實戰修正、錯誤排除與不同市況下的微調。
第二，參數離開脈絡很容易被誤用。
同樣一個量能倍數，在低檔、整理區、高檔，意義完全不同。 同樣一個突破條件，在強勢市場與弱勢市場，成功率也完全不同。
第三，研究室的價值不是只在參數，而是在判讀框架。
我不希望大家把 V 系列模型理解成「拿到參數就能無腦使用」的工具。
真正重要的是：
如何理解模型輸出，如何判斷市場背景，如何辨識風險狀態，如何避免把單一訊號當成全部答案。
因此，在公開文章中，我會分享模型邏輯、研究方向與觀察框架，但核心參數與完整程式細節會保留在研究室內部，不作為公開內容。
八、寫出這三支程式，對 Rex量化研究室代表什麼意義？
對我來說，V6.1、V8.1、V9.2 不只是三支 Python 程式。
它們代表的是一個轉變：
從主觀看盤，走向系統化觀察。
以前看到市場變化，可能靠經驗判斷。
現在我希望透過模型，把這些經驗轉成固定流程。
以前看到某族群強，可能只是感覺。
現在我可以用資料去看：
有多少樣本同步出現？ 量能是否真的放大？ 題材是否集中？ 基本面是否過濾？ 技術結構是否支持？ 是否存在過熱風險？
以前容易被市場情緒牽動。
現在透過模型，可以提醒自己：
單日強勢不等於延續。
漲幅很大不等於安全。 題材很熱不等於品質好。 突破漂亮不等於風險低。 量能放大不等於主力穩定進場。
這就是量化研究對我最大的幫助。
它不是讓我變成市場先知，而是讓我變得更有紀律。
九、Vibe Coding 讓個人研究者有機會建立自己的工具箱
過去，要建立一套選股系統，可能需要會寫程式、懂資料庫、懂金融工程，還要花大量時間維護。
但現在，AI 工具讓個人研究者有了新的可能。
Claude Code、Codex 這類工具，可以幫助我快速把想法轉成程式雛形。
但真正有價值的是，我可以不斷迭代：
第一次跑出來，發現條件太寬。
第二次調整後，發現結果太少。 第三次加入風險過濾。 第四次加入題材庫。 第五次加入基本面檢測。 第六次把欄位改成更適合研究報告。 第七次把敏感用語改成更合規的研究語言。 第八次把輸出轉成 CSV、PDF 或方格子文章。
這是一個不斷打磨的過程。
Vibe Coding 的價值，不是一次寫出完美系統，而是讓我可以快速把市場想法變成工具，再從工具回饋中修正市場想法。
這是一個循環：
市場觀察 → 模型假設 → AI 實作 → Python 掃描 → 結果檢查 → 邏輯修正 → 再次迭代。
這個循環，正是 Rex量化研究室的核心工作方式。
十、模型不是答案，而是問題放大器
很多人以為選股模型是用來產生答案。
但我現在越來越認為，好的模型不是只給答案，而是幫我們提出更好的問題。
例如 V6.1 跑出某族群量能放大，我會問：
這是短線一日行情，還是族群動能開始？
有沒有其他模型也觀察到相同族群？ 量能放大後，隔日是否延續？ 是否只是高檔過熱？
V8.1 跑出突破樣本，我會問：
突破前是否有足夠壓縮？
成交值是否健康？ 突破後是否維持結構？ 是健康轉折，還是假突破？
V9.2 跑出混合動力樣本，我會問：
題材是否仍在主流？
基本面資料是否足夠支撐？ 估值是否已經反映過多期待？ 是否有籌碼延續？
這才是模型真正有價值的地方。
它不是叫你停止思考。
它是逼你更深入思考。
十一、Rex 多模型研究框架的核心精神
如果要用一句話總結 Rex 多模型研究框架，我會這樣說：
用不同模型觀察市場的不同切面，再透過共振邏輯判斷研究價值。
V6.1 看盤中動能。
V8.1 看結構突破。 V9.2 看題材與基本面。 主力籌碼共振研究看資金延續。 多系統量化共振研究則把這些視角整合起來。
因為市場從來不是單一指標可以解釋。
量能強，不代表風險低。
突破強，不代表基本面好。 題材熱，不代表籌碼延續。 主力買超，不代表市場一定安全。 基本面好，也不代表短線有資金關注。
所以我需要多模型。
不是因為模型越多越厲害，而是因為：
市場太複雜，單一視角太容易產生盲點。
十二、結語：從寫程式，到建立市場觀察能力
寫出 V6.1、V8.1、V9.2 這三支程式，對我來說是一個很重要的階段。
它代表我開始把多年市場觀察，透過 AI 協作與 Python 工具，轉化成更有紀律的研究框架。
這不是終點，而是起點。
未來模型還會繼續進化。
參數會根據市場狀態調整。 輸出格式會更適合研究報告。 風險控管會更細緻。 多模型共振也會越來越完整。
但核心原則不會變：
不用模型取代判斷，而是用模型提升判斷品質。
這就是 Rex量化研究室存在的意義。
我希望這裡不是一個單純提供名單的地方，而是一間真正持續進化的市場研究室。
我們用 AI 提升效率。
用 Python 建立模型。 用量化降低情緒干擾。 用多系統共振理解市場結構。 最後，再用人的經驗與風險意識，做出更成熟的市場判讀。
這就是 Rex 多模型研究框架的起點。
Rex量化研究室的觀察原則
最後，用一句話總結這篇文章：
V6.1 看動能，V8.1 看突破，V9.2 看混合品質；真正的價值，不是單一模型，而是多模型共振後的市場結構判讀。
重要聲明
本文內容僅供量化研究、教育交流與市場觀察使用，不構成任何個別有價證券之買賣建議、投資推介、收益保證或即時進出指示。文中所提及之模型、條件、資料與研究框架皆為市場觀察用途，不代表未來績效保證。投資人應自行判斷並承擔相關風險。
