投资管理中的人工智能：来自一线的5条经验

人工智能 (AI) 正在重塑投资管理领域的许多传统流程和决策框架。本文将探讨该技术对行业的变革性影响，重点关注其应用、局限性以及对专业投资者的启示。

第一课：增强，而非取代

人工智能在投资管理中的主要价值在于增强人类能力，而非取代人类。根据欧洲证券和市场管理局2025年的一份报告，在欧盟的44,000只可转让证券集合投资计划 (UCITS) 基金中，仅有0.01%在其正式投资策略中明确采用了人工智能或机器学习 (ML)。

尽管采用率很低，但人工智能工具，特别是大型语言模型 (LLM)，正越来越多地在幕后用于支持研究、提高生产力和辅助决策。例如，生成式人工智能有助于整合海量数据集，从而能够更快地分析市场趋势、监管文件或环境、社会和治理 (ESG) 指标。

发表在《经济学季刊》上的一项2025年的研究表明，人工智能能够提高员工产出的速度和质量，尤其对经验较少和技能水平较低的员工效果显著。这表明，人工智能可以帮助经验不足的投资专业人士更准确地执行财务建模等复杂任务。

实践启示：对于经验较少的投资专业人士，投资公司可以部署人工智能工具来提高他们的生产力，例如自动化数据收集或生成初步研究报告。而经验更丰富的专业人士，则可以更专注于利用人工智能进行假设检验和情景分析。

第二课：强化战略决策

除了运营效率，人工智能还可以影响战略决策。它可以扮演“魔鬼代言人”的角色，识别风险和相反论点，以减少“群体思维”（groupthink）——这对投资团队而言是一项关键优势。此外，由自然语言处理技术驱动的人工智能情绪分析工具，可以解析财报电话会议、社交媒体或新闻，以衡量市场情绪，为投资者提供潜在优势。

然而，人工智能的“黑箱”性质也带来了挑战。《人工智能前沿》杂志2024年的一项研究指出，人工智能的不透明性引发了监管和信任方面的担忧。能够为模型输出提供透明度的“可解释人工智能”（Explainable AI）框架，正成为一种可能符合现有法规的解决方案。

实践启示：对于专业投资者而言，问题不再是是否要采用人工智能，而是如何以实用、透明、有风险意识并能提升业绩的方式，将其融入投资决策的设计中。当前这一代的生成式预训练转换器 (GPT) 也仍然存在局限性，它们无法解释结果是如何得出的。因此，在金融等高风险领域——完全的透明度和控制至关重要——人工智能应该被用来支持决策设计，而不是做出最终决定。

第三课：保留人类判断

虽然人工智能可以提高生产力，但过度依赖可能会带来切实的风险。一个被忽视的领域是，人工智能可能会削弱批判性思维能力。沃顿商学院2024年的一项研究发现，使用人工智能导师的学生最初表现更佳，但在移除人工智能支持后却举步维艰，这表明他们的分析能力可能有所下降。

对于投资者来说，在估值或尽职调查等任务上过度依赖人工智能，可能会削弱产生超额收益所必需的逆向思维和概率推理能力。

Anthropic公司2025年的一份报告为“认知外包”的趋势提供了进一步证据，即人们将高阶思维任务委托给人工智能。为了应对这种情况，投资者必须将人工智能嵌入到鼓励独立分析的结构化工作流程中。例如，人工智能可以生成初步的投资论点，但最终的责任在于投资专业人士。他们必须深刻理解并坚信这一论点。

实践启示：创建审慎的工作流程，其中人工智能的输出需要通过由人类主导的讨论进行压力测试。鼓励分析师定期进行“无人工智能”的练习，例如手动估值或市场预测，以保持思维的敏锐性。

第四课：道德与监管挑战

将人工智能融入投资过程可能会引发道德和监管方面的挑战。耶鲁大学管理学院2024年的一篇文章强调了当人工智能驱动的决策导致意外后果时（例如在招聘或住房领域出现歧视性算法）的责任问题。

在投资管理中，如果带有偏见的模型对资产错误定价或违反信托责任，也会出现类似的风险。此外，斯坦福大学2024年的一项研究显示，大型语言模型表现出社会期望偏见，且越新的模型偏见程度越大。

实践启示：随着人工智能在决策中扮演角色，人类的指导和监督变得愈发重要。那种认为机器因更理性而能做出更好投资决策的假设是毫无根据的。当前的人工智能模型仍然存在偏见。

第五课：投资者技能必须与时俱进

随着人工智能重塑投资行业，投资者的技能组合也必须与时俱进。《组织中的发展与学习》杂志2024年的一篇文章指出，投资者应优先发展批判性思维、创造力和人工智能素养，而非死记硬背。

实践启示：从技术技能向非技术技能的转变——伴随着对“学习如何学习”等元技能需求的日益增长——并非新现象。它反映了技术进步的长期轨迹，这一轨迹自20世纪下半叶开始加速，并随着人工智能的出现而变得更加陡峭。

现在的挑战在于，如何更精确地以个性化方式培养这些能力，包括通过量身定制的辅导和相关工具获得机器的支持。

平衡地整合人工智能

人工智能通过提高效率、扩展专业知识和实现复杂的分析，正在改变投资管理行业。然而，其局限性——不透明、存在偏见以及过度依赖的风险——值得关注。通过将人工智能与人类监督相结合、采纳批判性思维模式并适应监管，投资者可以从其巨大潜力中受益。

未来的道路在于实践性探索——利用人工智能支持分析，将智能嵌入工作流程，并强化决策过程。同样重要的是，投资于能够补充人工智能优势的人类技能。那些积极应对人工智能在道德、监管和安全方面挑战的公司，将最有能力在日益由人工智能驱动的行业中占据领先地位。

人工智能通过提高效率、扩展专业知识和实现复杂的分析，正在改变投资管理行业。然而，其局限性——不透明、存在偏见以及过度依赖的风险——值得关注。通过将人工智能与人类监督相结合、采纳批判性思维模式并适应监管，投资者可以从其巨大潜力中受益。

未来的道路在于实践性探索——利用人工智能支持分析，将智能嵌入工作流程，并强化决策过程。同样重要的是，投资于能够补充人工智能优势的人类技能。那些积极应对人工智能在道德、监管和安全方面挑战的公司，将最有能力在日益由人工智能驱动的行业中占据领先地位。

最终，投资行业能否在技术增强与人类判断之间取得平衡，将决定其能否为客户创造持久价值。

本文为首发于CFA协会《进取投资者》(Enterprising Investor) 博客的文章节选版：https://blogs.cfainstitute.org/investor/

作者马库斯·舒勒 (Markus Schuller) 是Panthera Group的创始人兼管理合伙人；米歇尔·西斯托 (Michelle Sisto) 是法国北方高等商学院 (EDHEC) 人工智能中心副院长；沃伊切赫·沃亚切克 (Wojtek Wojaczek) 是法国里昂商学院 (EM Lyon) 的客座教授；弗朗茨·莫尔 (Franz Mohr) 是奥地利金融市场管理局的经济学家；帕特里克·J·维尔克斯 (Patrick J Wierckx), CFA，是经验丰富的机构股票投资组合管理专家；于尔根·詹森斯 (Jurgen Janssens) 是asUgo公司的主管。