据 RFS 官网显示，来自加州大学欧文分校的盛锦飞、Zheng Sun，佐治亚州立大学的杨保中，爱荷华州立大学的 Alan L. Zhang，合作撰写的论文 "Generative AI and Asset Management"，于近日被国际金融学顶刊《Review of Financial Studies》线上接收。

摘要

Using a novel measure of investment companies ’ reliance on generative AI, we document a sharp increase in generative AI usage by hedge funds after ChatGPT ’ s 2022 launch. A difference-in-differences test shows that hedge funds adopting generative AI earn 2-4% higher annualized abnormal returns than non-adopters, while non-hedge funds do not benefit. The outperformance originates from funds ’ AI talent and ChatGPT ’ s strength in analyzing firm-specific information. We conduct a new survey of fund managers ’ GenAI usage to provide direct validation of our measure and offer additional new insights on how managers adopt GenAI tools in their practice.

为衡量投资公司对生成式人工智能的依赖程度，我们构建了一项新颖的测度方法。基于此发现，在 ChatGPT 于 2022 年发布后，对冲基金对生成式 AI 的使用呈现急剧增长。双重差分检验表明，采用生成式 AI 的对冲基金年化异常收益比未采用者高出 2%-4%，而非对冲基金则未显现类似收益。这种超额收益主要源于基金的 AI 人才储备，以及 ChatGPT 在分析企业特定信息方面的独特优势。此外，我们开展了一项针对基金经理使用生成式 AI 情况的新调查，不仅直接验证了本研究的测度有效性，也进一步揭示了管理者在实践中如何具体应用生成式 AI 工具。

介绍

本文研究生成式人工智能（GenAI）在资产管理行业中的应用及其影响，尤其聚焦于以 ChatGPT 为代表的大语言模型对投资机构绩效的作用。传统资产管理依赖信息获取与处理能力以获取超额收益，而 GenAI 的出现显著降低了复杂数据分析的技术门槛，使得广泛、高效的信息处理成为可能。然而，现有研究缺乏对机构使用 GenAI 情况的直接观测数据，因此本文提出了一种创新性的度量方法，试图填补这一空白，并系统评估 GenAI 对投资绩效、行业格局产生的实际效果。

在论文内容方面，本文构建了一个名为 "GenAI 依赖度 "（GenAI Reliance）的核心指标，用以衡量投资公司（尤其是对冲基金）在其投资组合决策中对 GenAI 生成信息的依赖程度。该指标基于公司季度持仓变动数据，通过比较仅使用传统基本面变量与加入 ChatGPT 生成信息后对持仓变动的解释力增量来计算。研究样本覆盖 2016 年至 2024 年期间 644 家对冲基金，分析显示，自 2022 年 ChatGPT 发布以来，对冲基金的 GenAI 采用率急剧上升，从 2022 年的约 21% 迅速增长至 2024 年的近 60%。此外，作者还通过对冲基金经理的问卷调查，直接验证了该度量方法的有效性，并揭示了基金在实际应用 GenAI 过程中的具体模式与面临的挑战。

在模型与方法论方面，本文主要采用面板回归与双重差分（DiD）模型，检验 GenAI 依赖度与基金绩效之间的关系。模型控制了基金规模、成立年限、换手率、风险水平及历史收益等变量，并引入时间固定效应。结果表明，依赖 GenAI 程度较高的对冲基金在 ChatGPT 推出后实现了显著更高的原始收益与风险调整后收益（Alpha），年化超额收益约高出 2% 至 4%。进一步机制分析显示，这一超额收益主要源于基金已有的 AI 人才储备以及 ChatGPT 在分析企业层面政策与绩效信息方面的独特优势，而宏观经济信息的贡献相对有限。同时，研究还发现，与 GenAI 建议一致的交易能够带来显著更高的季度回报。

论文结论指出，生成式人工智能已成为对冲基金提升投资绩效的重要工具，但其效益并非均匀分布。大型、成熟且交易活跃的基金能够有效利用 GenAI 获取超额收益，而小型基金及非对冲基金类资产管理机构则未能显著受益。这表明，尽管 GenAI 技术本身具有低门槛特性，其有效运用仍高度依赖于机构的数据资源、技术积累与人才储备，反而可能加剧行业内的资源差距。该研究不仅为理解 GenAI 在金融投资领域的实际影响提供了首批系统证据，也对未来技术扩散过程中的公平性与政策制定具有重要启示。

本文系未央网专栏作者 :学说平台 发表，内容属作者个人观点，不代表网站观点，未经许可严禁转载，违者必究！