AI正在迈向华尔街最核心的投资决策领域。摩根大通策略师Thomas Salopek团队近期完成了一项AI投资代理回测实验，首次将AI系统应用于市场机制识别。该团队构建了多个可根据市场环境动态调整股债配置的AI代理，用以探索自主型投资决策的可行性。
回测结果显示，表现最优的系统在过去二十年的模拟环境中，年化收益率较传统60/40股债组合高出0.7个百分点，且波动率更低，同时优于摩根大通既有的规则型市场机制模型。
尽管华尔街正加速AI在分析、编程及投资工具中的部署，此次实验更标志着AI应用向资本配置核心决策的延伸。但摩根大通明确警告，该结果不应被视为AI具备持续跑赢市场能力的依据，相关探索仍处于早期阶段。
历史模拟亮眼，实盘未经验证
摩根大通研究人员开发的AI投资代理，核心功能在于根据市场环境变化动态调整股债配置比例。在覆盖过去二十年的历史模拟中，最优系统年化超额收益达0.7个百分点，同时实现了更低的波动率，并超越了该行现有的规则型市场机制模型。
策略师团队在报告中指出，该AI代理被设计为具备在不确定性条件下进行决策的能力，相较于合理基准可实现更优表现。这也是摩根大通首次对外公开其在AI驱动资本配置领域的研究成果，标志着该行在智能化投资决策系统探索上迈出关键一步。
尽管回测数据表现积极，摩根大通对相关结论的解读保持审慎。该行明确强调，上述成果全部源于历史模拟环境，尚未经真实市场交易验证，因此不应据此推断AI具备持续跑赢市场的内在能力。
策略师团队在报告中同时警示，市场参与者应避免不加批判地接受基于样本内回测结果所衍生的过度自信AI判断。他们认为，基于代理的AI系统必须建立在严谨、审慎的资产配置流程之上，而非简单假设代理本身即构成专业知识来源。
AI共识风险升温：自动化交易冲向“决策深水区”
在华尔街对AI投资工具热情持续升温之际，学术界对其潜在系统性风险的警惕也在同步上升。据彭博，越来越多研究开始聚焦一个核心命题：当大量机构部署相似AI模型进行投资决策时，市场运行逻辑将发生何种变化。
研究人员指出，AI技术虽能显著提升信息获取效率与决策精度，但也可能催生持仓结构趋同、市场易受操纵等隐患，尤其在压力情境下，大量机构同步得出类似结论，或进一步放大市场波动。摩根大通策略团队在近期报告中也承认了上述风险的存在。
此次摩根大通的相关测试，折射出华尔街AI应用的演进脉络。过去两年，大型银行已将大语言模型广泛嵌入研报生成、代码编写及内部投资工具等辅助场景。而当前测试则表明，行业正评估AI系统是否具备从辅助员工决策，进阶至承担跨市场资本配置等更具决定性的核心职能的能力。
