一年前如果你做了一笔“市场下跌期间买入、随后把部分仓位重新配置到AI方向”的操作现在正好到了可以认真复盘的时间点。这类策略值不值得继续不取决于当时买得准不准而取决于你有没有留下决策依据、能不能把收益来源拆清楚。这篇复盘文章我会按实际动作拆开先讲复盘前怎么把“逢低买入”和“AI再配置”拆成两件事再讲要准备哪些材料然后进入算账、归因、检查AI板块仓位最后补上没记录时如何挽救以及复盘中最容易犯的错误。里面会用到AI工具也会提醒AI工具在投资复盘里能用在哪、不能用在哪。不用怀疑这种复盘不是那些“回头看全是机会”的鸡汤而是要你对着交易记录、基准指数、估值和仓位把赚钱和亏钱的原因一点点抠出来。1. 复盘前先把“当时买入”和“AI方向再配置”拆成两件事1.1 逢低买入不是一个动作而是一套决策集合很多人复盘时只会说一句“当时市场跌了我买了”然后就开始计算收益。说实话这句话信息量太小根本支撑不了一周年复盘。所谓“逢低买入”实际上包含了好几个独立决策买的是什么资产指数基金、个股、行业ETF还是主动基金。在什么位置买是跌了5%就进场还是跌了20%才进场。每次买多少是分三笔买还是一次性全仓。预留多少现金打到多少仓位就停手。后续下跌怎么做继续补仓还是等着不动。这些事情在买入当时如果没想清楚一年后复盘就会很尴尬。你可能只记得自己买过但说不清哪一笔决策真正创造了收益。我更建议的方法是把整个过程拆成“决策点”来回顾。每个决策点都要回答三个问题当时我看到了什么信号我做了什么动作这个动作对应的判断是什么比如当时买入是因为市盈率跌到了历史低位还是因为市场情绪极度悲观或者只是因为手里有一笔闲钱。不同的买入理由一年后的评价标准完全不同。如果你发现自己完全想不起来当初买入的理由那这次复盘本身就已经值了因为你至少会发现自己做过一笔没有明确纪律的交易。1.2 AI再配置不等于“买了AI名称就算完成”标题里有一个关键词是AI reallocation也就是AI方向再配置。这类操作最容易出现的问题是把“买了一个AI相关的基金或者股票”误认为“完成了AI配置”。AI这个方向的内部差异非常大。大致可以分为几类算力基础设施芯片、服务器、数据中心相关的产业链。基础模型层从事大模型训练和提供模型能力的公司。应用层基于模型能力做产品、做工具、做服务的公司。数据与配套服务数据标注、数据治理、AI安全、AI编程工具等。过去一年里这几类的价格表现可能差别很大。有的属于业绩驱动有的属于估值驱动还有的只是主题炒作。如果你买的是应用层但内心以为自己买的是算力逻辑复盘框架从一开始就错了。所以第一步要做的不是看账户赚了多少钱而是先翻出当时买入的产品说明书、持仓列表或者个股所属板块确认你实际买到了哪一层。这里我可以给一个很简单的判断标准假设现在市场突然回调20%你会根据哪一条逻辑决定是继续拿、加仓还是卖出如果能明确说出来说明你对自己买的东西有基本认识如果说不出那大概率只是买了一个符号。2. 复盘需要哪些材料才能分清收益来源和运气成分2.1 交易记录和决策理由是最核心的资产一周年复盘最重要的材料不是行情软件而是你自己的交易记录和决策日志。需要整理的信息包括买入日期。买入金额和价格。买入后是继续加仓还是保持不变。中间有没有因为恐慌卖出过。每次操作的备注也就是当时为什么买、为什么卖。如果没有专门写过决策日志也不用气馁可以用账户的交易流水反推。很多证券和基金App都支持导出交易明细至少可以把买入日期、金额、成本价恢复出来。真正难恢复的是“当时为什么买”。如果账户里有备注就最好没有的话可以翻一下当时的聊天记录、备忘录、朋友圈或者看过的文章把能对应上的内容补充进去。实在找不回来就直接标为“无记录”。不要事后编一个正当理由填进去因为这样会污染复盘结果。2.2 市场基准和宏观背景决定了你能怎么比较只看收益率无法证明策略好坏。一个最简单的例子如果同期市场整体涨了30%你的组合涨了10%表面看是赚了钱但实际跑输了基准这个“逢低买入”策略的表现并不算好。反过来如果市场跌了10%你的组合只跌了2%那就是有效防守。所以复盘前需要至少准备三组外部数据同期大盘指数涨跌幅例如沪深300、中证500、创业板指、恒生指数、纳斯达克指数按你持仓范围选择对应基准。你所买行业或板块的涨跌幅比如计算机、电子、传媒、通信、新能源等。无风险利率和估值环境变化比如十年期国债收益率、行业市盈率分位数。这些数据现在用公开工具都能查到不需要特殊渠道。我的习惯是先建一张Excel表把每一个持仓期对应的基准数据填进去再算超额收益。没有基准对比的复盘本质上只是看热闹。2.3 AI工具能帮你整理材料但不能替你做判断现在提到复盘绕不开AI工具。但你一定要清楚边界。可以用AI工具做的事把财报PDF、基金公告、持仓列表导成结构化表格。把大量新闻和公告按时间线整理出来生成摘要。帮你计算收益率、回撤、波动率只要数据是准确填进去的。用自然语言描述分析需求快速生成图表代码或Python脚本。用AI编程工具写一个简单的数据清洗脚本把交易流水标准化。不能用AI工具做的事不能让它代替你决定“这个仓位合不合理”。不能直接相信AI总结的公司信息尤其涉及具体数字时必须回到原始公告核对。不能把AI基于历史数据生成的预测当成买入理由。这里我想特别提一下“AI幻觉”问题。AI模型在信息不足时很容易生成看起来合理但实际错误的内容。比如让它总结某公司上一季度营收它可能把旧数据和新数据混淆或者直接编一个不存在的数字。所以我的习惯是所有AI输出里涉及金额、日期、比例、排名的内容必须找到原始文件重新核对。使用AI工具比较高效的方式是把它当成数据分析助手而不是知识库。你把整理好的交易数据丢进去让它生成图表和分析脚本然后再由人来判断结论。这样既节省时间又不容易被带偏。3. 一周年复盘先算账再归因3.1 先把收益率算清楚并和基准对比进入真正复盘阶段第一步是算账。建议至少算这几个数总投入金额。当前市值。持有期总收益率。按时间折算的年化收益率。同期基准收益率。超额收益率。这里有一个经常被忽略的点分批买入的成本计算不能简单用“最后一次买的价格”判断盈亏而要用持仓成本均价。很多人算法不同结果会差很多。举个例子。你第一次买入1万元价格是10元第二次买入1万元价格是8元那么总成本2万元累计持有2250份均价约8.89元。如果当前价格是9元账面看着是赚了但重点是第二笔的低价买入摊薄了成本如果只看第一笔其实还亏着。复盘时要把每一笔资金看得清清楚楚否则容易误判哪个决策真正有效。交易记录整理齐全的话这一步用Excel或者SQL都可以做。如果熟悉Python也可以写一个几十行的小脚本直接读入交易流水输出收益率和最大回撤。AI编程工具在这里很好用你可以让AI帮你写一个简单的复盘脚本输入数据格式后自动计算。3.2 归因拆解收益来自买入时机还是资产成长算完收益之后进入复盘的关键环节归因。我一般把收益来源拆成三层第一层市场贝塔。就是说如果你当时不买任何东西只是买入一只宽基指数也能获得的那部分收益。这部分不是你的择时能力而是市场环境给的。第二层行业和主题阿尔法。你选择了AI方向这个板块整体表现是不是比大盘好如果是那说明你的行业判断贡献了一部分收益。第三层具体标的选择。同样在AI方向里你选的基金或个股是跑赢了板块还是跑输了板块这能分辨出选品能力。拆完这三层你才能真正回答“一年前那次买入凭什么赚钱”。它可能和市场完全无关只是AI这个风口的贝塔足够大。下一个年度同样的做法不一定能复制。归因时也需要看负面情况。如果持仓亏损了要区分是市场整体下跌、板块走弱还是买的具体标的有问题。这个问题不搞清楚调整方案会无从下手。3.3 风险指标和持有体验不能只看收益一周年复盘不能只看赚了多少还要看过程中的风险。最直接的是最大回撤也就是从最高点到最低点的跌幅。假设你的账户曾经从10万涨到13万又跌到10.5万最后涨到14万。最终收益是正的但持有过程中已经有约19%的回撤。如果你因为回撤中途卖出了那实际收益就会完全不同。需要重点检查的风险指标包括持有期内最大回撤。当前仓位和最初计划的差异。是否出现过度集中比如原本计划AI方向占30%结果涨到50%这种仓位漂移本身就是风险。你的操作频率是频繁买卖产生了摩擦成本还是坚定持有只有少量操作。我自己复盘时会额外关注一件事在最大回撤那段时间里我是否还按计划执行。如果因为波动太大中途改变了最初规则这个细节比收益本身更值得记录因为它直接反映了策略的可执行性。4. AI板块再配置重点检查三件事4.1 你买的到底是算力、模型、应用还是配套服务AI方向再配置很多人买的时候只看了“AI”两个字但一年后检查持仓时才发现自己买的是一大堆混合体。我建议你用一张表把每个持仓归入AI产业链的具体环节产业链环节典型特征常见波动来源复盘关注点算力基础设施资本开支大、周期性强芯片供需要求、大厂资本开支预期订单和产能利用率基础模型层技术门槛高、研发投入大模型能力迭代、融资和商业化进度收入能否跟上投入应用层天花板高、竞争分散用户增长、订阅收入、政策变化留存率和真实变现配套服务现金流相对稳定行业需求波动毛利率和市占率表格只是用来帮你确认分类不代表任何投资建议。之所以要分这么细是因为不同环节的上涨逻辑完全不同。算力板块可能因为大厂增加资本开支而上涨应用板块则可能因为某个新产品爆火而上涨。如果把它们混在一起看你很难知道自己的收益到底由什么驱动。4.2 估值有没有跑在业绩前面AI板块在过去一段时间里一直是高关注度、高估值、高波动的存在。复盘时必须把估值和业绩放在一起看。常见做法是打开行业市盈率或市销率的历史分位看看当前估值处在过去五年或者十年的什么位置。如果估值已经到90%高分位而业绩增速只有20%那意味着市场把未来很多年的增长提前定价了。这种情况下即使方向正确买入点位也可能不好。还需要对比盈利情况。建议看几个核心指标营收增速是否环比改善。毛利率是提升还是下滑。现金流是否为正还是持续靠融资续命。资本开支和研发投入是否在合理范围。这些数据都可以从财报里找到。如果用AI工具整理务必核对原始数据。要注意一个常见误导一家公司只要说自己在做AI不代表它的业绩已经兑现。很多公司的AI业务还只是概念或者小规模试点。如果复盘时发现AI方向赚的钱主要来自估值提升而不是业绩增长那么下一步调整就要格外小心。因为估值可以被情绪推高也可以被情绪打压。4.3 仓位是否超过最初计划AI再配置还有一个最容易失控的问题仓位漂移。假设你最初计划AI方向占总仓位30%买入后行情很好涨到了总仓位的50%。这时候如果你继续按“还差20%没买够”的思路加仓实际上最终仓位会远超计划。这是一种典型的倒金字塔投资陷阱在涨得越高的时候买得越多。复盘时需要重新计算各板块占比并和原始计划对比。如果出现明显偏离要做的是调整到计划仓位而不是顺势修改计划。理由很简单你的计划是在冷静状态下制定的现在的偏离大多是在赚钱效应刺激下产生的。当然仓位偏离也可能来自被动上涨而不是主动加仓比如持仓涨了其他资产没涨导致AI方向占比被动提高。这种情况下考虑是否再平衡也要基于计划的阈值而不是行情感觉。5. 如果当时没有记录现在怎么补救5.1 用账户数据把能恢复的交易记录先恢复出来肯定有人看到这里会想我当时根本没做记录连买了什么都快忘了。别急先别放弃还有补救空间。第一步把账户交易流水导出来。券商App和基金销售平台基本都支持导出历史交易通常能覆盖几年内的交易。先找这份数据按时间排序把买入和卖出动作标出来。只要能恢复买卖日期、金额和份额就能算出成本价和收益率。第二步根据交易日期补决策背景。翻一下你的相册、备忘录、朋友圈、聊天记录看看能对应上什么内容。比如3月买入可能当时发过一条“今天加了一点”的动态或者和朋友聊过市场情况。这些碎片虽然不完整但至少能恢复一部分当时的想法。第三步把能确定的记录和无法确定的记录分开。不要用现在的判断去替换当时的判断否则复盘就变成了“事后写回忆录”。5.2 用公开历史数据补基准和背景交易记录恢复出来之后还需要补市场背景数据。最简单的方式是查指数历史点位。公开渠道都能找到沪深300、中证500、创业板指、恒生科技、纳斯达克等指数的历史K线。你要做的是在买入日期对应的位置记录指数数值在复盘日期对应的位置再记录一次指数数值这样基准收益率就能算出来。行业数据也一样按申万行业分类或者中证行业指数找到对应日期的点位算区间涨跌幅。如果买的是主题基金还可以去基金公告里查报告期持仓了解它是偏重算力还是偏重应用。这些数据恢复起来虽然麻烦但不需要任何特殊权限。难的是耐心因为要核对时间点。5.3 用AI工具做交叉验证但关键结论要落到原始出处恢复数据的过程可以大量借助AI工具。比如你可以把公募基金的定期报告交给AI让它提取前十大持仓并归类到AI产业链的不同环节。或者把券商研报整理出来的AI行业数据拿到AI里做摘要快速梳理过去一年的行业变化。但这里必须强调AI输出只能作为线索不能作为依据。尤其是这些场景要格外小心AI给你一个精确到小数点的财务数据先找原报告核对。AI说某公司“市占率第一”别直接引用找到第三方的数据报告再确认。AI说“某板块上涨是因为某事件”只能当作进一步检索的线索。可能有人觉得这样很慢。但投资复盘本来就不是追求快的事数据错了后面所有归因都是空中楼阁。宁可多花一小时核对原始出处也不要被一份看似完整的AI摘要带偏。使用AI工具时我可以给一个提示词思路让它只做“提取汇总”不要让它做“判断推荐”。可以让AI把财报中的营收、净利润、现金流、研发费用整理成表格然后你在表格上独立得出结论。如果AI在输出里出现了“因此建议”“说明该公司值得买入”这类内容直接忽略。6. 后视镜视角下的调整动作与常见误区6.1 复盘回答的是决策质量不是预测下一次涨跌一周年复盘最有价值的产出不是“我应该在上次最低点多买一点”而是“我的决策流程里哪些环节是有效的哪些环节要靠运气才能赚钱”。比如你的复盘结论可能是当时买入时没有看估值分位纯粹是因为市场跌了觉得便宜才买后来发现买完还继续跌了很久。这个结论说明你的买入标准太粗糙下一次应该在买入前写清楚估值区间和最大回撤容忍度。又比如你的复盘结论可能是AI方向买对了但中途因为一次大幅回撤就减仓错过了后面的反弹。这个结论说明你的仓位管理规则没有提前定好情绪接管了纪律。复盘最大的误区是试图用过去的数据证明“下一次也会涨”。市场不会简单重演。去年的AI行情是估值和业绩共振的结果今年同样方向不一定复制。所以调整动作要围绕规则而不是围绕预测。6.2 调仓要按规则不要因为短期兴奋而动作变形复盘的最终输出应该是一份可执行的调整计划。但调整计划里的每一项最好都能把触发条件写清楚。举个例子如果AI方向仓位超过总仓位的40%就减到30%。如果持有标的的估值进入历史90%分位以上就分批止盈一半。如果发现持仓行业归属和自己最初判断不一致就按重新归类后的情况决定是否换仓。如果最大回撤超过25%不再加仓只做再平衡。这些规则不需要复杂但必须是事先想好的不能等行情涨到眼前再临时决定。复盘的好习惯是把这些规则写进一份简单的表格里每年更新一次。很多人会把“盈利了要不要卖出”“亏损了要不要止损”这种问题拖到情绪最激动的时候回答。那是性价比最低的决策方式。6.3 三种常见错误要提前防住从实际操作看一周年复盘后最容易出现的错误有三种。第一种把短期涨幅当作长期逻辑验证。因为AI方向过去一年涨幅可观就认定“AI配置永远正确”。这是一个非常危险的简化。涨幅可观可能只是估值抬升业绩还没兑现也可能是流动性充裕环境下所有成长板块都涨AI只是其中之一。验证逻辑的标准应该回到基本面而不是价格。第二种为了弥补“没买够”而追高。复盘发现AI仓位低于计划于是急着一次性买到目标仓位。这种操作容易买在市场情绪的高点。正确的做法是分批调整甚至可以通过定投的方式慢慢靠近目标仓位。第三种推翻最初买入逻辑后又没有建立新逻辑却继续持有。比如你买的是“AI应用爆发”的逻辑但一年后发现这家公司主要收入来自传统业务AI只是概念。这时候应该考虑减仓或换仓而不是用“它也会慢慢转型”把问题拖下去。这三类错误我都见过自己也踩过。它们有一个共同点都不是因为能力不够而是因为复盘之后没有形成纪律或者形成了纪律但没有执行。如果你这次复盘能避掉这三个坑哪怕收益率平平也算很有收获。因为投资能力不是靠一次赚钱建立的是靠一套能重复执行的决策流程建立起来的。从我的经验来看给这个“一年后复盘”画上句号的最好方式就是给那时的自己留一份新的操作笔记。写清楚接下来这段周期里你打算持有多少AI仓位、在什么估值位置调整、什么情况下止盈或止损。一年后再打开这份笔记你会感谢现在的自己。不一定是AI方向的笔记也不一定是一套复杂的模型和公式。只需要把你买的东西、买的原因、计划买多少、什么情况下改主意这四行字写清楚。真正的复盘能力从你能诚实地写下这四行字开始。