JPMorgan testar AI-agenter för aktie- och obligationsallokering

JPMorgan testar AI-agenter för aktie- och obligationsallokering
JPMorgan testar AI-agenter för portföljer

JPMorgan Chase har byggt AI-drivna investeringsagenter som överträffade en traditionell 60/40-portfölj med aktier och obligationer i historiska tester, vilket ger en tidig inblick i hur Wall Street kan använda artificiell intelligens för tillgångsallokering. Banken betonade att resultaten kom från backtester, inte live-handel, och bör inte ses som bevis för att AI konsekvent kan slå marknaden.

Höjdpunkter

  • JPMorgans AI-agent slog 60/40 med 0,7 procentenheter per år i backtester.
  • Alla åtta agenter presterade bättre på en riskjusterad basis.
  • Banken säger att resultat i live-marknad förblir obeprövade.

Denna artikel har översatts från originalet. Läs originalversionen av vår korrespondent här.

Forskare ledda av strategen Thomas Salopek designade en grupp AI-agenter som växlar mellan aktier och obligationer när marknadsförhållandena ändras, rapporterade Bloomberg. Det bäst presterande systemet slog en klassisk 60/40-portfölj med 0,7 procentenheter per år under två decennier av simuleringar, samtidigt som det gav lägre volatilitet och överträffade JPMorgans egen regelbaserade modell för marknadsregimer.

AI går från forskningsverktyg till allokerare

Experimentet markerar ett steg bortom det sätt som banker främst har använt stora språkmodeller på hittills. Under de senaste två åren har Wall Street-firmor integrerat AI i analys, kodning, klientverktyg och intern analys. JPMorgans test ställer en mer betydelsefull fråga: om AI kan hjälpa till att avgöra hur kapital fördelas över marknader.

Agenterna byggdes med modeller från OpenAI och Anthropic. De klassificerade marknader i fyra regimer baserat på tillväxt och inflation: Goldilocks, reflation, stagflation och risk-off. Därifrån justerade de allokeringar mellan tillgångsslag, med förkärlek för aktier när tillväxten var stark och ökad exponering mot obligationer när förhållandena försvagades.

Alla åtta AI-agenter som testades överträffade 60/40-portföljen på en riskjusterad basis. De slog även bankens befintliga regimbaserade ramverk, vilket tyder på att systemen hittade användbara mönster i historiska marknadsmiljöer.

Backtester har sina begränsningar

JPMorgans strateger varnade för att lägga för stor vikt vid resultaten. Backtester kan se starka ut eftersom de bygger på känd historisk data, och AI-system kan generera svar som framstår som mer säkra än vad bevisen motiverar.

Denna reservation är viktig eftersom en bredare användning av liknande modeller kan skapa egna risker. Om många firmor förlitar sig på jämförbara AI-system kan affärer bli mer trångbodda, marknader kan reagera snabbare på samma signaler och stressperioder kan förstärkas.

Nästa test för AI på Wall Street

Studien är betydelsefull eftersom tillgångsallokering står i centrum för investeringsförvaltning. Om AI tillförlitligt kan läsa av marknadsregimer och justera portföljer kan det bli ett seriöst verktyg för storbanker, pensionsfonder och förmögenhetsförvaltare.

Men tröskeln är hög. JPMorgans egen varning är kärnpunkten: agentbaserad AI kan hjälpa till att strukturera beslut, men det krävs fortfarande mänsklig tillsyn, en disciplinerad investeringsprocess och bevis från live-marknaden innan den kan anförtros med kapitalallokering i stor skala.

Tidigare rapporterade vi att JPMorgan och Ripple genomförde den första omedelbara treasury-avvecklingen på XRP Ledger.

Detta material kan innehålla åsikter från tredje part, ingen av uppgifterna och informationen på denna webbsida utgör investeringsrådgivning enligt vår Ansvarsfriskrivning. Även om vi följer strikt Redaktionell Integritet, kan detta inlägg innehålla referenser till produkter från våra partners.