华尔街对人工智能（AI）的加速普及正在重塑市场微观结构，引发了业界对交易日益拥挤、系统易受欺骗以及风险敞口失控的新一轮担忧。
随着对冲基金和财富管理机构竞相采用相似的AI模型与数据集来寻找投资优势，市场参与者的观点分歧正在缩小。最新研究表明，这种算法同质化趋势正导致投资组合高度趋同，并大幅缩短了盈利交易信号的生命周期，直接威胁到主动型基金经理获取超额收益的能力。
与此同时，AI驱动的交易系统暴露出显著的脆弱性与盲区。多项测试显示，这些模型不仅在面对被微妙篡改的金融资讯时极易做出错误判断，导致严重的单日净值回撤，还系统性地承担了远超预期的风险波动率。
这一系列发现标志着金融界关于AI的讨论焦点发生转移。市场关注的核心已从“技术能否帮助投资者击败市场”，转向“当大量投资者依赖相同机器时，市场结构将如何演变”。
策略同质化缩短盈利周期
金融市场的有效性建立在投资者的分歧之上，但AI的广泛应用正在打破这一前提。
纽约大学研究人员 Shuchen Meng 和 Xupeng Chen 在分析了近一百万个机构基金持仓后发现，随着AI在投资行业的普及，投资组合的相似度不断上升，这一趋势在重度使用该技术的机构中尤为明显。
这种同质化对市场结构产生了直接影响。研究模型显示，在AI普及之前，一个有利可图的交易信号可以维持五到七年，而现在其超额收益在约18个月内就会衰减一半。随着越来越多的投资者在几乎同一时间得出相同结论，今天的获利策略将更快地沦为明天的拥挤交易。
“每一个边缘AI参与者的加入，都在以递增的速度缩短所有可利用模式的寿命，” Meng 和 Chen 在其论文中指出，“当所有人都使用相似的AI时，集体的结果在性质上将不同于个人利益的总和。”
买方机构对AI的依赖仍在加深。另类投资管理协会（AIMA）去年的一项调查显示，58%的基金经理预计将在投资组合构建中更多地使用AI，而两年前这一比例仅为20%。
信息操纵暴露系统脆弱性
除了加剧拥挤交易，AI模型对输入信息的依赖也引入了新的单点故障风险。列支敦士登大学的研究人员 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，通过情绪分析来预测股价。
尽管这些模型在14个月的投资期内均产生了正回报，但它们对被操纵的信息毫无抵抗力。
研究人员对财经新闻标题进行了人类读者几乎无法察觉的微小修改，例如替换外观相似的字母或嵌入隐藏文本，所有模型均被成功欺骗。在最糟糕的情况下，针对单只股票单日的操纵，导致模型的整体回报率下降了约18个百分点。
“一个错误的决定可能会蔓延到其他日子，并影响系统正在做出的其他决定，” Rizvani 表示，“即使只是一天，也可能导致非常灾难性的后果。”
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，似乎也继承了人类最古老的弱点：过度承担风险。
Elm Partners Management 的 Jerry Bell，Victor Haghani 和 James White 在一项模拟交易挑战中测试了四种流行的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%，与顶尖宏观交易员的表现相当。
然而，实验暴露了一个关键缺陷。所有四个模型都持续承担了过多的风险，其日常回报波动率达到20%至40%，远高于为其设定的7%至15%的建议风险区间。
“我们训练AI像人一样，然后我们发现AI确实像人——过度自信，建立过大的头寸，” Haghani 评价道。
随着金融AI研究从“机器能否与人竞争”进入“投资者如何通过相同机器竞争”的新阶段，市场参与者需要重新评估技术带来的真实成本。正如 Apruzzese 所警告的：“盲目信任大型语言模型做出明智决定是不明智的。如果每个人仅仅因为认为AI好、能帮他们赚钱就采用它，而不考虑后果，他们可能会面临巨大的损失风险。”
风险提示及免责条款 市场有风险，投资需谨慎。本文不构成个人投资建议，也未考虑到个别用户特殊的投资目标、财务状况或需要。用户应考虑本文中的任何意见、观点或结论是否符合其特定状况。据此投资，责任自负。