人工智能是投资领域的最新“圣杯”吗？

在过去的四十年里，我见证了投资者追逐一个又一个的“圣杯”，从1980年代的投资组合保险，到1990年代的风险平价策略，再到2000年代的智能贝塔。

这些策略无一能改变风险与回报之间的基本权衡关系。

如今，人工智能驱动的投资被吹捧为下一个圣杯。我们很容易将其视为同一周期的又一次轮回而加以否定，但这样做为时过早。

人工智能能够以前所未有的规模和速度分析信息，忽视它可能比过快拥抱它付出更大的代价。

在几项关于回报预测的著名学术研究中，机器学习模型的表现已超越了传统的回归技术。

然而，大部分证据来自历史数据，回测的成功能否转化为持久的真实世界表现仍有争议。

人工智能在投资领域的应用可能会变得更加广泛。但随着其用途日益普及，它或许能改善投资流程，却无法带来持久的优势。

问题不在于人工智能能否找到预测性信号，而在于一旦其他人也能找到这些信号，它们是否还能保持其价值。

在即将发表于《金融经济学期刊》十月刊的一项研究中，Alejandro Lopez-Lira 和 Tang Yuehua 发现，随着大语言模型的采用率上升，与其信号相关的策略回报有所下降。

这一模式与信息被更快地融入价格的现象相符，但并不能完全证明这一点。它表明，即便是一个真实的信号，随着同类工具的普及，也可能失去其经济价值。

采用率上升会削弱优势

这不仅仅是一个执行层面的问题，它反映了市场的一个基本特征：一旦某个优势广为人知，竞争就会侵蚀它。

历史提供了一个有用的参照。在2016年《金融学期刊》的一项研究中，R David McLean 和 Jeffrey Pontiff 检验了97个已发表的横截面股票回报预测指标。

结果发现，样本外（out of sample）的投资组合回报降低了26%，而在研究发表后，回报则降低了58%。在考虑了样本外回报下降的因素后，作者们认为，研究发表后基于公开信息进行的交易所导致的回报降幅约为32%。

他们的研究并未涉及人工智能生成的信号，但它说明了一个投资优势一旦被广泛知晓和利用，其效果会如何减弱。

规模、专有数据和执行专长仍然可以带来优势。这是大型、成熟的量化驱动机构最有力的论据。

但大多数其他投资者宁愿购买而非自行构建其人工智能能力，他们通常依赖于相同的模型、研究和供应商。广泛可用的工具或许能提高效率，但无法创造持久的差异化优势。

因此，人工智能给投资者带来了两种截然不同的风险：一个真实的信号可能会因竞争而消失，而一个看似真实的信号可能从一开始就不是真的。正是在这一点上，我们必须谨慎对待回测。

在2014年为《美国数学学会会刊》撰写的一篇文章中，David Bailey、Jonathan Borwein、Marcos Lopez de Prado 和 Zhu Qiji Jim 警告说，测试足够多的策略配置，即使没有稳健的潜在优势，也可能产生强劲的模拟表现。

由于分析师很少披露他们尝试了多少种配置，投资者可能无法判断选择偏差的程度。作者们还进一步指出，在金融时间序列的记忆效应下，一个过度拟合的策略可能会产生负的预期样本外回报。

人工智能极大地扩展了研究人员可以测试的策略变体的数量。如果没有同样严格的验证，这种能力可能会显著增加过度拟合的风险。

在选定某个策略前，要先问问它测试了多少个版本。

然后，再问研究人员是否使用了真正未经接触的测试数据，是否考虑了交易成本，以及是否在不同时期和市场条件下对策略进行了测试。

人类判断的角色

然而，预测只是投资的一部分。

在将预测转化为投资组合中的头寸规模和流动性考量（包括风险限制），并为这些决策负责方面，人类的判断仍然至关重要。

投资者的工作是，无论预测是否正确，都要投入资金以应对到期的负债，而客户可能在最糟糕的时候要求撤回资本。

长远来看，投资结果不仅取决于信号的质量，还取决于你下了多大的赌注，以及你能在不被迫卖出的情况下持有头寸多久。因头寸规模不当而毁掉好的分析，这种情况并不少见。

即使是准确的预测，也无法决定应投入多少资本、保留多少流动性，或者投资者能承受多大的损失。必须有人来做出这些决定并为之负责。

模型可以帮助诊断策略失败的原因，但它不能为做出的判断或造成的损失承担责任。

当决策过程不透明或责任分散时，部署一个由人工智能驱动的框架并不能消除问责制，反而让问责变得更加困难。

这并非意味着投资者不应使用人工智能，而是说他们应该正确地认识和使用它。

人工智能是我职业生涯中遇到的最强大的工具之一。它最可靠的价值可能不在于产生永久的预测优势，而在于加强研究、监控风险和挑战投资假设。

它能处理的文件和文字记录远超人类团队在没有辅助的情况下所能审查的数量，能持续监控风险敞口而非按季度进行，还能为分析师节省下收集信息的时间。

以我的经验来看，让它评估一个投资案例，它通常能很快找到薄弱环节，有时甚至是构建该案例的团队自己都已忽略的弱点。

这不是一个小小的收获。它是一个增强的研究流程，而不是一台印钞机。

这才是投资者应该采用的检验标准。

如果一位基金经理说人工智能改变了公司的工作方式，请认真对待这一说法。如果他说这改变了公司的盈利能力，那就追问是什么让这种优势变得稀缺、持久且可问责。

在那些所谓的投资“圣杯”中，人工智能可能是迄今为止最强大的一个。但它的持久价值将在于改善投资决策，而不是消除判断、风险或责任。

作者是星展银行 (DBS Bank) 首席投资官