资讯流  宏观  直播  策略  日历  |  原油  黄金  美指  外汇  股指  商品  |  教育  知否  |  经纪商  全能投资账户  期货开户

美国股市

哈佛研究：AI可预测71%主动型基金交易操作

　　

 

编辑：张立东  发布时间：2026.3.1 11:36

华尔街(Wallstreet)日复一日地担忧，人工智能(AI)会将人类专业判断转化为代码，从而颠覆白领行业。而股票选股似乎正处在这场变革的风口浪尖。

由哈佛商学院教授主导的一项全新学术研究得出结论：主动型基金经理的大部分行为，都遵循机器可以学习的模式。借助一种名为神经网络的机器学习算法，该系统能够预测约71%的基金投资交易决策——即基金经理在一个季度内会买入、卖出还是持有某只股票。

该模型以1990年至2023年的五年滚动窗口为基础进行训练，依据包括基金规模、投资者资金流向、个股特征以及整体经济状况等信息。在此基础上，模型能够预测大部分的组合调整行为。

关键发现：模型的局限之处，比它的成功更有启示意义。平均而言，系统未能预测到的交易（约29%）与超额收益的关联度更高。换句话说，跳出常规、可被识别的投资模式之外的操作，似乎才是大部分价值所在。

被AI系统判断错误的仓位，其表现反而优于其他仓位。

这并不意味着机器已经破解了市场。更准确地说，它们似乎学到了行业里大部分通用“剧本”：基金经理通常如何应对资金流动、市场趋势和同行行为。而它们难以捕捉的，是偏离这套剧本的那小部分决策。

“如果71%的决策都能被算法预测，那么为这部分操作收取主动管理费用就很难站得住脚。”哈佛金融学教授、该研究合著者劳伦·科恩在电子邮件中解释道，“而那些非常规、我们模型无法预测的交易，才是真正阿尔法收益的来源。但它们在总交易活动中只占相对较小的比例。”

这份上周发表于美国国家经济研究局、题为《模仿金融》的工作论文出炉之际，人工智能正冲击专业服务领域中越来越多的细分赛道。近几周，对AI颠覆的担忧，已导致从财富管理公司到物流集团的股价出现剧烈波动。

对主动型基金经理而言，这种批评并非新鲜事。多年来，投资者一直在将资金从选股型基金转向低成本的指数产品。该行业的核心卖点一直是“阿尔法”——即跑赢标普500等基准指数的收益，尽管量化模型不断抬高门槛，证明很大一部分业绩可以用整体市场敞口和常见投资风格来解释。

这项由宾夕法尼亚大学陆怡文、德保罗大学阮国权合著的研究，进一步加剧了这种冲击。以往研究大多只分析事后收益，而新研究则试图提前预测交易本身。作者认为，相比传统的线性因子模型，机器学习模型更能捕捉基金经理应对资金、市场信号及相互影响的复杂方式。

从这个角度看，结果与其说是机器战胜了市场，不如说是重新定义了主动管理的内涵。基金的大部分日常操作，似乎都遵循可被描绘、且原则上能以更低成本复制的模式。

科恩指出，其中一些可预测的买卖操作可能承担着核心功能——管理流动性、调整风险或再平衡组合。但如果大部分行为本质上是基于规则，那么就更难证明它们需要昂贵的人为自主判断。

“所谓的‘人类判断’部分，其实比看上去更系统化，只是需要足够灵活的工具才能看清这一点。”科恩说。

该论文还得出结论：可预测性存在差异。规模更大、收费更高、团队更庞大、竞争更激烈的基金，平均而言更难预测；而从业时间更长或管理多只产品的基金经理，其行为则更容易被预测。模型预测的是交易方向，而非交易规模——这是作者计划在未来研究中解决的局限。

尽管近期市场对AI热情高涨，但该研究结果凸显了一个区别：预测基金经理的行为，似乎比预测市场走势更容易。资产价格反映的是数百万参与者的互动与不断变化的预期，而职业习惯往往遵循可识别的模式。

归根结底，模型未能预测的那小部分交易，往往表现更好——这表明它们可能体现了人类的才智，比如发现他人忽略的个股信息。纯粹的随机操作很难产生同样的结果。

当然，随着数据积累，机器未来可能会变得更加精准。但就目前而言，其影响更多是经济层面，而非生存层面。如果大部分组合调整都能被算法预判，那么主动收费的合理性，就越来越依赖于跳出模板的那小部分决策。

“真正具备技能、不可预测、非常规的那部分是真实存在的，但规模很小。”科恩说，“对行业的启示，并非要彻底取代基金经理，而是重新评估：可预测行为与不可预测行为，究竟各自价值几何。”美国股市 >>

主题：人工智能应用扩展观察  | 新闻源：Bloomberg

---END---

投资道指/标普/纳指/德指DAX/恒指/A50期货，专业投资者选择香港环球期货通道