JPMorgan tester AI-agenter til aktie- og obligationsallokering

Alle nyheder

Tophistorier

Redaktionens Valg

Aktier

Kryptovaluta

Økonomi

Valutaer

Råvarer

Markedsstemmer

Virksomheder

Ivan Andriyenko

7 timer siden

JPMorgan tester AI-agenter til aktie- og obligationsallokering — JPMorgan tester AI-agenter til porteføljer

JPMorgan Chase har udviklet AI-baserede investeringsagenter, der klarede sig bedre end en traditionel 60/40 aktie- og obligationsportefølje i historiske tests, hvilket giver et tidligt indblik i, hvordan Wall Street kan bruge kunstig intelligens til aktivallokering. Banken advarede om, at resultaterne stammer fra backtests, ikke live-handel, og ikke bør betragtes som bevis for, at AI konsekvent kan slå markederne.

Højdepunkter

JPMorgans AI-agent slog 60/40 med 0,7 procentpoint om året i backtests.
Alle otte agenter klarede sig bedre på et risikojusteret grundlag.
Banken siger, at resultater fra live-markeder forbliver ubeviste.

Denne artikel er oversat fra originalen. Læs den oprindelige version af vores korrespondent her.

Forskere ledet af strategen Thomas Salopek designede en gruppe AI-agenter, der skifter mellem aktier og obligationer, når markedsforholdene ændrer sig, rapporterede Bloomberg. Det bedst præsterende system slog en klassisk 60/40-portefølje med 0,7 procentpoint om året over to årtiers simuleringer, samtidig med at det producerede lavere volatilitet og udkonkurrerede JPMorgans egen regelbaserede markedsregimemodel.

AI bevæger sig fra forskningsværktøj til allokator

Eksperimentet markerer et skridt videre end den måde, banker hidtil primært har brugt store sprogmodeller på. I løbet af de sidste to år har Wall Street-firmaer integreret AI i research, kodning, klientværktøjer og intern analyse. JPMorgans test stiller et mere vidtrækkende spørgsmål: om AI kan hjælpe med at beslutte, hvordan kapital fordeles på tværs af markeder.

Agenterne blev bygget ved hjælp af modeller fra OpenAI og Anthropic. De klassificerede markeder i fire regimer baseret på vækst og inflation: Goldilocks, reflation, stagflation og risk-off. Derfra justerede de allokeringer på tværs af aktivklasser, hvor de favoriserede aktier, når væksten var stærk, og øgede eksponeringen mod obligationer, når forholdene blev svækket.

Alle otte testede AI-agenter klarede sig bedre end 60/40-porteføljen på et risikojusteret grundlag. De slog også bankens eksisterende regimebaserede rammeværk, hvilket tyder på, at systemerne fandt nyttige mønstre i historiske markedsmiljøer.

Backtests har deres begrænsninger

JPMorgans strateger advarede mod at lægge for meget vægt på resultaterne. Backtests kan se stærke ud, fordi de er bygget på kendte historiske data, og AI-systemer kan producere svar, der fremstår mere selvsikre, end beviserne retfærdiggør.

Den advarsel er vigtig, fordi en bredere udbredelse af lignende modeller kan skabe sine egne risici. Hvis mange firmaer forlader sig på sammenlignelige AI-systemer, kan handler blive mere overfyldte, markeder kan reagere hurtigere på de samme signaler, og stressperioder kan blive forstærket.

Den næste test for AI på Wall Street

Studiet er vigtigt, fordi aktivallokering er kernen i investeringsforvaltning. Hvis AI pålideligt kan aflæse markedsregimer og justere porteføljer, kan det blive et seriøst værktøj for store banker, pensionskasser og formueforvaltere.

Men barren er høj. JPMorgans egen advarsel er hovedpunktet: agentbaseret AI kan hjælpe med at strukturere beslutninger, men det kræver stadig menneskeligt tilsyn, en disciplineret investeringsproces og beviser fra live-markeder, før det kan betros med kapitalallokering i stor skala.

Tidligere rapporterede vi, at JPMorgan og Ripple udførte den første øjeblikkelige treasury-afregning på XRP Ledger.

Dette materiale kan indeholde tredjepartsmeninger, ingen af dataene og oplysningerne på denne webside udgør investeringsrådgivning i henhold til vores Ansvarsfraskrivelse. Selvom vi overholder strenge Redaktionelle Retningslinjer, kan dette indlæg indeholde referencer til produkter fra vores partnere.

Kunne du lide artiklen?