当华尔街策略师依赖同一套AI：交易更拥挤、风险更集中、错误传播更快

华尔街对人工智能（AI）的当华迅速普及正在改变市场的微观结构，引发了关于交易拥挤、尔街系统易受到操控及风险敞口失控的策略担忧。随着对冲基金和财富管理机构同时使用相似的师依AI模型和数据来寻求投资优势，市场参与者的赖同观点不再存在显著差异。

最新研究显示，易更拥挤这种算法同质化趋势导致投资组合高度一致，风险并显著缩短了盈利交易信号的更集生命周期，直接威胁到主动型基金经理获取超额收益的中错能力。同时，误传AI驱动的播更交易系统也显现出明显的脆弱性和盲区。多项测试表明，当华这些模型在面对经过微妙修改的尔街金融信息时容易作出错误判断，造成严重的策略单日净值回撤，同时系统性承受了远高于预期的师依风险波动率。

这一系列发现使得金融界对AI的讨论重点发生了转变。市场关注已从“技术能否帮助投资者超越市场”转向“当多数投资者依赖相同机器时，市场结构将如何变化”。

策略同质化缩短盈利周期

金融市场的有效性基于投资者之间的观点分歧，但AI的广泛应用正颠覆这一前提。纽约大学的研究人员Shuchen Meng和Xupeng Chen分析近一百万个机构基金持仓后发现，随着AI在投资行业的采用增多，投资组合的相似度不断上升，特别是在那些重度使用该技术的机构中。这一同质化现象对市场结构产生直接影响。研究表明，在AI普及之前，一个有利可图的交易信号可持续五到七年，而如今其超额收益在约18个月内就会减半，越来越多的投资者几乎在同一时间得出相同结论，促使现今的获利策略迅速转变为明日的拥挤交易。

“每一个边缘AI参与者的加入都在加速缩短所有可用模式的生命周期，”Meng和Chen在论文中指出，“当所有人都使用类似的AI时，集体结果在本质上与个人利益的简单相加不同。”

买方机构日益依赖AI。另类投资管理协会（AIMA）调查显示，去年58%的基金经理预计将在投资组合构建中更广泛地运用AI，较两年前的20%有显著增长。

信息操控引发系统脆弱性

AI模型对输入信息的依赖亦带来了新的单点故障风险。列支敦士登大学的研究者Advije Rizvani、Giovanni Apruzzese和Pavel Laskov设计了10个基于大型语言模型（LLM）的交易模型来进行股价预测。尽管这些模型在14个月的投资期间内均实现了正回报，但它们对于被操控信息毫无抵抗力。研究中的微小修改财经新闻标题（如替换相似字母或嵌入隐藏文本）成功欺骗了所有模型。在最坏情况下，针对某只股票的单日操控导致模型整体回报率下降约18个百分点。

“一个错误的决定可能持续影响其他日子，并波及系统所做的其他决策，”Rizvani表示，“即使只是一天，也可能引发灾难性后果。”

风险敞口失控与过度自信

AI在继承人类交易员分析能力的同时，似乎也继承了人类的一些弱点：过度承担风险。Elm Partners Management的Jerry Bell、Victor Haghani和James White在模拟交易挑战中测试四种流行的AI模型。在阅读《华尔街日报》头版后，Claude和ChatGPT在预测标普500指数和美国国债市场方向上的准确率超过50%，与顶级宏观交易员表现相当。然而，实验暴露了一个关键缺陷：四个模型均持续承担过多风险，其日常回报波动率达到20%至40%，远超设定的建议风险区间7%至15%。

“我们训练AI像人类一样，然后我们发现AI真的像人——过度自信，建立过大的头寸，”Haghani评论道。

随着金融AI研究从“机器能够与人竞争”转变为“投资者如何通过同样机器竞争”的新阶段，市场参与者需要重新评估技术带来的真实代价。正如Apruzzese所警告的：“盲目信任大型语言模型做出明智决策是很不明智的。如果每个人仅因认为AI优越且能带来收益而采用它，而不考虑后果，可能会面临巨大的损失风险。”

本文转载自“华尔街见闻”，官网编辑：陈思宇。