摩根大通（JPMorgan Chase）开发了 AI 驱动的投资智能体，在历史测试中表现优于传统的 60/40 股债组合，这让外界得以一窥华尔街未来可能如何利用人工智能进行资产配置。该行提醒，这些结果源自回测而非实盘交易，不应被视为 AI 能够持续跑赢市场的证据。
亮点
- 摩根大通的 AI 智能体在回测中每年跑赢 60/40 组合 0.7 个百分点。
- 所有八个智能体在风险调整后的表现均优于大盘。
- 该行表示实盘市场结果仍有待证实。
本文翻译自原文。点击此处阅读由我们的通讯员撰写的原文.
据 彭博社 报道，由策略师 Thomas Salopek 领导的研究团队设计了一组 AI 智能体，它们能根据市场状况的变化在股票和债券之间进行切换。在长达二十年的模拟中，表现最好的系统每年比经典的 60/40 组合高出 0.7 个百分点，同时波动率更低，且优于摩根大通自有的基于规则的市场机制模型。
AI 从研究工具转变为配置工具
这一实验标志着银行使用大语言模型的方式迈出了超越现状的一步。在过去两年中，华尔街公司已将 AI 嵌入到研究、编程、客户工具和内部分析中。摩根大通的测试提出了一个更具影响力的课题：AI 是否可以协助决定资本在不同市场间的分配。
这些智能体是使用 OpenAI 和 Anthropic 的模型构建的。它们根据增长和通胀将市场分为四种机制：金发姑娘（Goldilocks）、再通胀、滞胀和避险。在此基础上，它们调整了各资产类别的配置，在增长强劲时偏好股票，在环境转弱时增加债券敞口。
所有参与测试的八个 AI 智能体 在风险调整后的表现均优于 60/40 组合。它们还击败了该行现有的基于机制的框架，这表明这些系统在历史市场环境中发现了有用的模式。
回测存在局限性
摩根大通的策略师警告不要过度看重这些结果。回测表现强劲是因为它们基于已知的历史数据构建，且 AI 系统给出的答案可能看起来比证据所支持的更加自信。
这一警告至关重要，因为类似模型的广泛采用可能会产生其自身的风险。如果许多公司都依赖类似的 AI 系统，交易可能会变得更加拥挤，市场对相同信号的反应可能会更快，而压力时期可能会被进一步放大。
华尔街 AI 的下一次考验
这项研究之所以重要，是因为资产配置处于投资管理的核心地位。如果 AI 能够可靠地解读市场机制并调整投资组合，它可能成为大型银行、养老基金和财富管理机构的重要工具。
但门槛依然很高。摩根大通自身的警告是核心要点：智能体 AI 或许能辅助决策架构，但在大规模信赖其进行资本配置之前，仍需要人工监督、严谨的投资流程以及实盘市场的验证。
此前，我们曾报道 摩根大通与 Ripple 在 XRP Ledger 上执行了首笔即时国库结算 。
最新 JPMorgan Chase 新闻
-
中国
-
中国台湾
-
丹麦
-
乌克兰
-
乌兹别克斯坦
-
乌干达
-
乌拉圭
-
也门
-
亚美尼亚
-
以色列
-
伊拉克
-
伊朗伊斯兰共和国
-
保加利亚
-
克罗地亚
-
刚果
-
刚果（金）
-
利比亚
-
加拿大
-
加纳
-
匈牙利
-
北马其顿
-
南非
-
博茨瓦纳
-
卡塔尔
-
卢旺达
-
卢森堡
-
印度
-
印度尼西亚
-
厄瓜多尔
-
叙利亚
-
古巴
-
吉尔吉斯斯坦
-
哈萨克斯坦
-
哥伦比亚
-
哥斯达黎加
-
喀麦隆
-
土耳其
-
坦桑尼亚
-
埃及
-
埃塞俄比亚
-
塔吉克斯坦
-
塞尔维亚
-
塞浦路斯
-
墨西哥
-
多米尼加共和国
-
奥地利
-
委内瑞拉
-
孟加拉国
-
安哥拉
-
尼日利亚
-
尼泊尔
-
巴勒斯坦
-
巴哈马
-
巴基斯坦
-
巴布亚新几内亚
-
巴拉圭
-
巴拿马
-
巴林
-
巴西
-
希腊
-
德国
-
意大利
-
拉脱维亚
-
挪威
-
捷克
-
摩尔多瓦
-
摩洛哥
-
文莱达鲁萨兰国
-
斯威士兰
-
斯洛伐克
-
斯洛文尼亚
-
斯里兰卡
-
新加坡
-
新西兰
-
日本
-
智利
-
柬埔寨
-
格鲁吉亚
-
比利时
-
毛里求斯
-
沙特阿拉伯
-
法国
-
波兰
-
波多黎各
-
泰国
-
津巴布韦
-
海地
-
澳大利亚
-
爱尔兰
-
爱沙尼亚
-
牙买加
-
特立尼达和多巴哥
-
玻利维亚
-
瑞典
-
瑞士
-
留尼汪
-
白俄罗斯
-
科威特
-
科特迪瓦
-
秘鲁
-
突尼斯
-
立陶宛
-
索马里
-
约旦
-
纳米比亚
-
缅甸
-
罗马尼亚
-
美国
-
老挝
-
联合王国
-
肯尼亚
-
芬兰
-
荷兰
-
莫桑比克
-
莱索托
-
菲律宾
-
萨尔瓦多
-
葡萄牙
-
蒙古
-
西班牙
-
赞比亚
-
越南
-
阿塞拜疆
-
阿富汗
-
阿尔及利亚
-
阿尔巴尼亚
-
阿曼
-
阿根廷
-
阿联酋
-
韩国
-
香港
-
马来西亚
-
马耳他
-
马达加斯加
-
黎巴嫩
-
黑山
- Forex
- Crypto
