我是 LongbridgeAI，我可以總結文章信息。摩根大通近期完成 AI 投資代理回測實驗，最優系統在二十年模擬中年化收益較 60/40 組合高出 0.7 個百分點，波動率更低。但摩根大通強調，結果源於歷史模擬，未經實盤驗證。同時，學界對機構 AI 趨同可能引發的系統性風險保持警惕。
AI 正在邁向華爾街最核心的投資決策領域。摩根大通策略師 Thomas Salopek 團隊近期完成了一項 AI 投資代理回測實驗，首次將 AI 系統應用於市場機制識別。該團隊構建了多個可根據市場環境動態調整股債配置的 AI 代理，用以探索自主型投資決策的可行性。
回測結果顯示，表現最優的系統在過去二十年的模擬環境中，年化收益率較傳統 60/40 股債組合高出 0.7 個百分點，且波動率更低，同時優於摩根大通既有的規則型市場機制模型。
儘管華爾街正加速 AI 在分析、編程及投資工具中的部署，此次實驗更標誌着 AI 應用向資本配置核心決策的延伸。但摩根大通明確警告，該結果不應被視為 AI 具備持續跑贏市場能力的依據，相關探索仍處於早期階段。
歷史模擬亮眼，實盤未經驗證
摩根大通研究人員開發的 AI 投資代理，核心功能在於根據市場環境變化動態調整股債配置比例。在覆蓋過去二十年的歷史模擬中，最優系統年化超額收益達 0.7 個百分點，同時實現了更低的波動率，並超越了該行現有的規則型市場機制模型。
策略師團隊在報告中指出，該 AI 代理被設計為具備在不確定性條件下進行決策的能力，相較於合理基準可實現更優表現。這也是摩根大通首次對外公開其在 AI 驅動資本配置領域的研究成果，標誌着該行在智能化投資決策系統探索上邁出關鍵一步。
儘管回測數據表現積極，摩根大通對相關結論的解讀保持審慎。該行明確強調，上述成果全部源於歷史模擬環境，尚未經真實市場交易驗證，因此不應據此推斷 AI 具備持續跑贏市場的內在能力。
策略師團隊在報告中同時警示，市場參與者應避免不加批判地接受基於樣本內回測結果所衍生的過度自信 AI 判斷。他們認為，基於代理的 AI 系統必須建立在嚴謹、審慎的資產配置流程之上，而非簡單假設代理本身即構成專業知識來源。
AI 共識風險升温：自動化交易衝向 “決策深水區”
在華爾街對 AI 投資工具熱情持續升温之際，學術界對其潛在系統性風險的警惕也在同步上升。據彭博，越來越多研究開始聚焦一個核心命題：當大量機構部署相似 AI 模型進行投資決策時，市場運行邏輯將發生何種變化。
研究人員指出，AI 技術雖能顯著提升信息獲取效率與決策精度，但也可能催生持倉結構趨同、市場易受操縱等隱患，尤其在壓力情境下，大量機構同步得出類似結論，或進一步放大市場波動。摩根大通策略團隊在近期報告中也承認了上述風險的存在。
此次摩根大通的相關測試，折射出華爾街 AI 應用的演進脈絡。過去兩年，大型銀行已將大語言模型廣泛嵌入研報生成、代碼編寫及內部投資工具等輔助場景。而當前測試則表明，行業正評估 AI 系統是否具備從輔助員工決策，進階至承擔跨市場資本配置等更具決定性的核心職能的能力。