斩获阿尔法的新范式! AI基金经理雏形惊现华尔街! 摩根大通AI智能体击败经典60/40投资

智通财经APP获悉，随着投资者越来越多地借助最前沿人工智能应用工具来辅助从选股到风险管理等各类重大投资决策，华尔街金融巨头摩根大通( JPMorgan Chase & Co.)正在测试一个更具AI雄心壮志的问题：人工智能模型是否能够自主进行资金配置并且斩获超越市场基准收益的阿尔法超额收益。

摩根大通的一项重磅研究报告显示，研究人员建立了一系列人工智能驱动的投资代理式工作流(即聚焦自主投资与仓位调整的AI智能体)，这些AI智能体子集系统根据不断变化的市场条件在股票和债券资产之间进行自主仓位调整与投资主题转换。研究报告显示，表现最佳的系统每年比传统的60/40投资组合高出0.7个百分点，并且在过去二十年的回溯测试中波动性较低，也击败了摩根大通自己的基于规则所打造的市场制度投资模型。

不过，摩根大通策略师团队强调，这些结果基于历史模拟，而不是现场投资测评，摩根大通警告不要将其视为人工智能可以持续跑赢市场的重要依据，并警告不要不加批判地接受人工智能给出的投资组合答案。

但是这份研究也凸显出，AI智能体正在从“辅助分析工具”进化为能够进行市场状态识别(经济增长/通胀周期)、资产轮动、风险控制和组合优化的智能投资基础设施，这也意味着未来阿尔法收益的竞争维度，可能从单纯依靠人的经验，转向“人类宏观判断+AI智能体持续计算优化”的混合投资体系。

AI从辅助研究迈向自主决策：智能投资代理正在重塑万亿美元资产管理行业

早期结果无疑令投资者们感到鼓舞。该金融巨头的研究人员构建了一系列由人工智能驱动的投资代理，这些代理能够根据不断变化的市场环境，在股票和债券之间进行动态调整。根据由策略师托马斯·萨洛佩克(Thomas Salopek)领导的团队披露，在覆盖过去20年的历史回测中，表现最佳的系统年化收益率超过传统60/40投资组合(60%配置股票、40%配置债券)0.7个百分点，同时波动率更低，并且也击败了摩根大通自身基于规则的市场制度与周期模型。

这一结果存在一个重要限制条件。该研究基于历史模拟，而非真实资金投资，摩根大通也警告称，不应将其视为人工智能能够持续跑赢市场的证明。不过，这仍然预示着未来发展方向，因为自动化交易领域的快速扩张趋势并没有放缓迹象。

“人工智能代理可以被设定一套流程，使其能够在不确定环境下自主做出重要的即时投资决策，并相对于合理基准实现超额阿尔法表现。”这些策略师在周四的一份报告中写道，并称这项工作是该机构首次尝试构建用于识别市场投资制度与周期状态的人工智能系统。

摩根大通AI智能体回测中最佳系统相比传统60/40组合年化提升0.7个百分点、同时降低波动率，且8个测试AI代理投资工作流均在风险调整收益上跑赢60/40组合，这意味着AI正在从“信息处理工具”向“投资决策基础设施”演进。

所谓的“阿尔法”定义为实际投资的收益远超“贝塔收益”——即指代远远超出那些跟踪基准股指所实现的同步投资收益数据。跟踪基准指数实现的同步收益也被称作“贝塔收益”(Beta)。

下一代华尔街基础设施诞生：AI智能体或成为资产配置新引擎

对于普通散户投资者们来说，未来如何斩获阿尔法收益?AI智能体可能成为投资者们最强自动化执行助手之一。

摩根大通的研究并不是证明AI已经可以稳定击败市场，而是首次展示了AI智能体在识别市场状态、动态资产配置、风险控制和资本决策辅助方面具备接近专业投资流程的潜力。

自主执行各种繁琐与复杂任务的AI智能体(即AI代理，AI Agent)极有可能是未来十多年的AI应用终极大趋势，AI智能体的出现，意味着人工智能开始从信息辅助工具演变为高度智能化的生产力工具，这也是为何重磅推出Claude Cowork的Anthropic估值能够突破1万亿美元进而超越OpenAI。

这项实验展示了华尔街采用人工智能的下一阶段重要发展方向，抑或华尔街下一阶段人工智能采用模式的早期一瞥。过去两年，银行一直在将大型语言模型应用于研究分析、代码开发以及内部投资工具之中。而如今，它们正在进一步测试：这些系统是否能够从AI投资辅助员工工作，升级到亲自参与执行金融行业最重要的决策之一——如何在不同市场之间配置资本。

这些研究结果发布之际，越来越多的学术研究开始关注一个问题：如果所有投资者都开始依赖类似的人工智能模型进行投资决策，市场将会发生什么变化。

尽管这项技术可能让投资者提高速度并获得更充分的信息，但研究人员警告称，它也可能导致交易更加拥挤，使市场更容易受到AI数量愈发庞大的多头或者空头势力操纵，并在大量AI智能体系统得出类似投资结论时放大市场压力阶段的风险。

值得注意的是，摩根大通策略师也认可这些风险。

“我们强烈警告，不应不加批判地接受人工智能给出的结果，因为这些结果本质上可能只是基于样本内数据得出的一些过度自信的答案。”他们写道。“智能体式AI代理人工智能工具需要建立在经过深思熟虑的资产配置流程基础之上，而不能天真地认为智能代理本身能够成为领域知识的来源。”

不过，这些发现进一步丰富了越来越多的证据，表明人工智能正在执行越来越复杂的投资任务。

摩根大通团队利用由OpenAI和Anthropic模型驱动的智能代理，设计了一套AI智能体代理操作系统，该系统能够根据经济增长和通胀环境，将市场划分为四种最经典状态：金发姑娘经济(Goldilocks)、再通胀、滞胀以及风险规避。

随后，这些人工智能代理被要求根据不同市场环境决定资产配置方式——例如，在经济增长强劲时期增加股票配置，而在经济前景恶化时提高固定收益资产配置比例。

所有八个接受测试的人工智能代理子系统，均在风险调整后的表现上超过了传统的华尔街60/40投资组合。

它们同时也击败了摩根大通现有的基于规则的市场制度与周期模型，这表明该前沿AI技术能够在一个已经用于指导资产配置决策的经典框架基础上进一步显著提升投资收益效果。

“我们对智能代理人工智能的发展潜力充满热情，尽管我们仍然谨慎，不会将资产配置决策完全交给AI智能体式代理操作系统。”萨洛佩克及其同事写道。