人工智能与投资：
神谕还是对手？

今天，一个投资委员会能够处理的信息比以往任何时候都多。几年之内，人工智能也许能在会议开始之前，就读完一个房地产组合中的每一份租赁合同，找出所有解约权，审查租户的信用状况，分析可比交易，并针对利率、通胀、空置率和退出收益率（exit yield）计算一万种情景。

但是，更好的信息能否也解决投资的真正问题？过去几年的历史给出了一个更复杂的答案。

2012年8月1日，Knight Capital 在其交易系统中部署了新软件。随后，机器开始交易。

短短45分钟内，系统向市场发出了数百万笔错误订单。Knight Capital 损失超过4.6亿美元。

尤其值得注意的是：内部系统此前已经发出了警报。人们收到了信号，却没有及时认识到其含义。

Knight Capital 并不是现代意义上的人工智能。但这一案例揭示了一个随着系统日益强大而变得更加重要的问题：

机器自动化的不仅是正确的决策，也包括错误。而且两者都以任何人都无法企及的速度发生。

2017年，AI Powered Equity ETF AIEQ 问世。这个想法令人信服：机器处理公司数据、新闻和市场信息的规模，是任何人类基金经理都无法应对的。

然而，更多的信息并不自动意味着更高的回报。据报道，从2017年底到2023年中，AIEQ 的年化回报率约为6.7%，而美国股市的广泛基准约为11.2%。

其他早期的人工智能投资策略尝试同样未达预期。例如，Sentient Technologies 依靠进化算法做出投资决策，并获得了大量风险投资。根据已发布的分析，其基金在2017年取得约4%的回报，2018年几乎为零，随后被清算。

不过，较新的研究描绘了一幅更细致的图景。一项关于人工智能投资策略的最新研究显示，早期采用者在某些情况下确实取得了相对于可比非人工智能策略的超额回报。但随着技术的普及，这一优势逐渐减弱。

这恰恰是一个非常古老的投资故事：信息优势可以创造阿尔法。但一旦人人都拥有，它就不再是优势。

在房地产领域，事情变得尤其有趣。Zillow 拥有海量数据，以及全球最知名的自动化房产估值系统之一。

通过 Zillow Offers，公司又迈出了决定性的一步。它不再只用模型来估值房产，而是开始自己买房。

2021年11月，该项目被叫停。仅第三季度，Zillow 就不得不对其房屋库存减记约3.04亿美元。首席执行官 Rich Barton 解释说，未来房价的不可预测性远远超出预期。

问题比“糟糕的算法”更复杂。增长压力、收购价格、翻修成本、劳动力和供应链问题，以及不断变化的房地产市场，与从过去数据中学习的模型发生了碰撞。

这里蕴含着一个关键教训：一个模型可能在平均意义上表现出色，却恰恰在资本投入的地方出错。

资本并不关心模型的平均误差。资本关心的是误差发生在哪里。

事情也有另一面。德国资产管理公司 LAIQON 多年来一直在投资流程中使用人工智能。

据公司披露，LAIQON AI Dynamic Multi Asset 在2020年5月至2026年5月期间取得了66.41%的累计业绩，比所列的同类组高出28.20个百分点。据公司称，一只较为稳健的人工智能基金同样跑赢了同类。

这些数据来自公司宣传，应据此看待。它们并不能证明人工智能从根本上能做出更好的投资决策。但它们表明了另一点：人工智能支持的投资流程是可以奏效的。

欧洲证券和市场管理局（ESMA）如今也在深入研究人工智能在资产管理中的应用。真正将人工智能作为投资策略核心组成部分的欧洲基金数量仍然相对较少。这场实验才刚刚开始。

Blackstone 采取了不同的方法。这家投资管理公司介绍了人工智能在筛选投资机会和分析大量文件等方面的应用。人工智能帮助人们更快地提问：

• 哪些交易值得关注？
• 哪些文件存在异常？
• 哪些风险可能被忽视了？
• 哪些模式可能是人类没有看到的？

但机器并不取代投资委员会。这是一个根本性的区别。人工智能扩展了人的判断力，而不是假装让它变得多余。也许这正是它最大的优势所在。

行为金融学几十年来记录了损失厌恶、过度自信、锚定效应、羊群效应、确认偏误以及所谓的处置效应（disposition effect）。

一项针对专业机构投资者的研究尤其引人注目。被研究的基金经理管理的投资组合平均规模为5.73亿美元。他们的买入决策显示出能力；卖出决策则不然——甚至不如随机卖出策略。

研究人员发现，注意力和启发式思维可以解释这种差异的很大一部分。所以问题并不在于缺乏信息。问题在于人的行为。

通常的问题是：“人工智能能否比人类做出更好的投资决策？”也许另一个问题更有意思：“人工智能能否帮助人们识别自己糟糕的投资决策？”

那么，机器的角色就改变了。它从神谕变成了对手。

一个对某项资产深信不疑的投资团队，不应只问人工智能：“这是一项好投资吗？”而应该问：“构建一个反对它的最有力的投资论证。”

• 哪些假设异常乐观？
• 哪些信息与我们的论点相矛盾？
• 我们低估了哪些风险？
• 租金下降20%会怎样？
• 退出收益率是7%而不是5%会怎样？
• 如果我们没有在这笔交易上花了六个月，我们会如何不同地评估哪些假设？

也许最重要的问题是：什么信息会让我们不再想做这笔交易？

如果答案是：“其实没有。”——那我们可能已经不再拥有投资模型。我们是坠入爱河了。

因为人类做出判断的速度快得惊人。在 Janine Willis 和 Alexander Todorov 2006年的一项著名研究中，受试者只需100毫秒，就能根据一张陌生的面孔对其讨喜程度、可信度和能力等形成判断。

更多的时间对其中一些第一印象的改变出奇地小，却可能提高人们坚持自己判断的信心。

投资当然不是一张脸。但背后的心理机制值得我们关注。在尽职调查开始之前，可能已经有了一个故事：

• 这是一项非凡的资产。
• 这位企业家知道自己在做什么。
• 这个地段将会发展起来。
• 这项技术将改变一切。

或者反过来：我不喜欢这个。然后分析才开始。正是在这里，出现了新的危险。

人工智能可以分析数以百万计的信息。但它也必须先被问一个问题。而这个问题是由人提出的。

这个人也许早已对这项投资抱有好感。已经为此工作了几个月。喜欢卖方。实地看过资产。已向投资委员会介绍了这笔交易。知道竞争对手也在出价。不想失去六个月的工作。也许早就希望分析得出某个特定结果。

现在，这个人得到了一个分析能力极其强大的工具。它可以让人更加理性，但也可能起到另一种作用：为他本来就想相信的东西提供好得多的论据。

有人工智能加持的确认偏误，依然是确认偏误。它只是得到了一台更强大的计算机。

当我们讨论人工智能是否会让投资者更加理性时，企业和投资者正在向人工智能本身投入巨额资金：数据中心、芯片、能源、模型、初创企业、基础设施。

国际清算银行如今甚至在研究一场可能的人工智能投资竞赛的动态。如果企业预期少数赢家将控制未来市场的大部分份额，那么个体上合乎情理的行为，可能导致整体上投入异常巨量的资本。

于是，在世界上最先进的技术之中，人类最古老的投资问题之一再次浮现：如果我没有参与，会怎样？

新技术，旧情绪。

人工智能将改变投资行业。它会更快地分析数据室、发现风险、比较交易、计算情景，也许还能看到人类忽略的东西。

但正因为如此，我们或许应当谨慎，不要把它变成神谕。它更有意思的角色，可能是对手。

不是：确认我的投资论点。而是：摧毁它。
不是：我为什么应该买？而是：因为我想买，我忽略了什么？

因为如果我们在提出第一个问题之前就已对某项投资心生好感，然后主要让机器去为大脑早就愿意相信的东西寻找理由，那么再好的人工智能也帮不了多少忙。

也许，我们在投资领域需要人工智能，首先并不是为了得到更多答案。也许，我们需要它来对那些已经做了一半的决定，提出更好的反问。

— Mag. Nevena Shotekova-Zöchling

• Willis, J. / Todorov, A. (2006): First Impressions: Making Up Your Mind After a 100-ms Exposure to a Face, Psychological Science, 17(7), 592–598.
• Akepanidtaworn, K. / Di Mascio, R. / Imas, A. / Schmidt, L. (2021): Selling Fast and Buying Slow: Heuristics and Trading Performance of Institutional Investors, NBER Working Paper 29076.
• Chen, S. / Sialm, C. / Xu, D. (2026): The Growth and Performance of Artificial Intelligence in Asset Management, NBER Working Paper 35273.
• U.S. Securities and Exchange Commission (2013): Knight Capital Americas LLC.
• Zillow Group (2021): Third Quarter 2021 Financial Results and Plan to Wind Down Zillow Offers Operations.
• ESMA (2025): Artificial Intelligence in EU Investment Funds: Adoption, Strategies and Portfolio Exposures.
• ESMA (2024): Public Statement on the Use of Artificial Intelligence in the Provision of Retail Investment Services.
• LAIQON AG / LAIC (2026): 关于基于人工智能的多资产策略六年业绩记录的公开信息（公司数据）。
• Blackstone: 关于在投资流程中使用人工智能的出版物，特别是交易筛选、文件分析和投资组合工作。
• Bank for International Settlements, BIS (2026): 关于人工智能投资竞赛的经济影响及可能的过度投资动态的研究。