来源：环球市场播报

从对冲基金到财富管理机构，华尔街正在拥抱人工智能（AI），期望借此取得投资优势。如今，研究人员开始追问，当越来越多投资者转向类似的 AI 模型来寻找这种优势时，会发生什么：他们会买入相同的股票，对相同的头条消息作出反应，有时还会犯下相同的错误。

新近研究显示，这种情形可能对整个市场产生影响。人工智能或许会让投资者行动更快、掌握更多信息，但也可能让他们的交易更趋拥挤、系统更容易被欺骗，风险承担也更难控制。近期多项研究表明，随着投资者趋同于相同机会，人工智能的广泛采用可能会缩短盈利性交易信号的寿命。还有研究发现，AI 模型系统性地承担了超出预期的风险，或者会因其摄取的信息而受到操纵。

综合来看，这些论文显示，围绕人工智能在金融领域作用的讨论正在发生转变，焦点已从这项技术能否帮助投资者跑赢市场，转向当越来越多投资者依赖同样的模型时，市场将如何变化。

这种担忧源于一个简单前提：市场之所以运转，是因为投资者之间存在看法分歧。每天，投资组合经理人都会阅读同样的财报、就业报告或美联储声明，但会对该买入或卖出什么得出不同结论。人工智能有望帮助他们更快处理这些信息。但如果数以千计的公司越来越依赖基于相似数据训练出来的类似模型，这些差异可能开始缩小。

纽约大学研究人员发现，这种动态可能已经开始显现。Shuchen Meng 和 Xupeng Chen 研究了近 100 万个机构基金持仓后发现，随着人工智能在投资行业的采用范围扩大，各机构的投资组合正变得愈发相似。这一趋势在更广泛使用该技术的公司中尤为明显。

其影响可能不止于投资组合的搭建，还会延伸到市场结构。他们的模型显示，一项盈利性交易信号的超额回报可能在约 18 个月内损失一半，而在人工智能广泛普及之前，这一周期为五到七年。随着越来越多投资者在大致相同时间得出相同结论，盈利机会会更快变得拥挤。对主动管理人而言，这意味着当前的制胜策略演变为拥挤交易的速度要比过去快得多。

Meng 和 Chen 在题为《人工智能驱动的阿尔法衰减：算法同质化、反射性信号侵蚀与智能市场的悖论》的论文中写道：" 每多一个新增的 AI 参与者，所有可利用模式的寿命就会以更快速度缩短。当所有人都使用类似 AI 时，整体结果在性质上会不同于个体收益的简单总和。"

这些发现，对越来越多在研究和投资组合构建中使用先进人工智能的买方机构而言，是一个警示。另类投资管理协会去年的一项调查显示，58% 的基金经理表示，预计会在投资流程中更多使用人工智能，高于两年前的 20%。

还有一些研究人员认为，人工智能可能带来新的失灵点，使投资系统更容易受到被操纵信息的影响。

列支敦士登大学的 Advije Rizvani、Giovanni Apruzzese 和 Pavel Laskov 设计了 10 个基于大语言模型的交易模型，利用情绪分析预测一组股票的股价走势。到 2025 年 4 月为止的 14 个月投资期内，所有模型都取得了正回报。然而，研究人员对财经新闻标题作出人类读者几乎察觉不到的细微改动，例如将字母替换成外观近似的字符，或嵌入隐藏文本，发现所有模型都被成功误导。在最糟糕的情形下，仅针对单只股票、单个交易日进行操纵，就导致某模型的整体回报下降约 18 个百分点。

Rizvani 表示：" 一次错误决策可能会传导到其他交易日，以及系统作出的其他决策。哪怕只是一天，也可能带来非常灾难性的后果。"

不过，没有任何一项研究证明人工智能一定会让市场变得更加脆弱。大多数研究依赖模拟、受控实验或有限数据集，研究人员自己在作出广泛结论时也都相当谨慎。尤其是在科技股中，拥挤交易早在人工智能兴起之前就是美国市场的特征之一，但并未带来任何灾难性后果。

尽管如此，这些新兴文献贯穿着一个共同主题：同样一项原本有望让投资者掌握更多信息的技术，也可能让拥挤交易、错误信息和过度自信更容易在市场中扩散。

第三条研究路径则指向一个熟悉的问题：人工智能可能继承投资者最古老的弱点之一，即承担过多风险。

Elm Partners Management 的 Jerry Bell、Victor Haghani 和 James White 在一项模拟交易挑战中测试了四个流行的 AI 模型，要求它们在阅读杂志头版提前版后，对标普 500 指数和美国国债进行押注。Claude 和 ChatGPT 在判断方向上的准确率与顶尖宏观交易员相当，对市场方向的判断正确率超过 50%。

但这项实验暴露出一个关键盲点。四个模型都持续承担了远超应有水平的风险，其日收益波动率达到 20% 至 40%，而针对研究设定的投资者画像，建议区间大约仅为 7% 至 15%。

Haghani 表示：" 我们训练这些 AI 像人一样思考，然后发现 AI 确实像人，会过度自信，仓位下得太大。"

金融领域第一代人工智能研究关注的是，机器能否与投资者竞争。新一代研究则在追问，当投资者越来越多地通过同样的模型彼此竞争时，会发生什么。每一次投资领域的技术突破，都承诺能带来相对他人的优势。而现在浮现出的问题是，当所有人都能获得同样的优势时，结果会怎样。

列支敦士登大学的 Apruzzese 表示：" 盲目相信大语言模型能够作出稳健决策并不明智。如果每个人都只是因为觉得 AI 好用、能帮他们赚更多钱，就贸然采用，而不去思考后果，他们可能会面临巨大损失的风险。"