《华尔街日报》：智能悖论——人工智能或使市场理性降低

.图片来源：Getty Images/iStockphoto人工智能的演进为金融市场带来了深刻命题：当AI算法愈发智能，人类投资组合经理会否被淘汰？市场会否实现完美效率，达到价格完全反映经济现实、不受人为扭曲的终极均衡？

经济学家关于市场有效性的长期探讨为这些问题提供了线索。1970年代，尤金·法玛在其有效市场假说中提出，资产价格已反映所有可用信息，因此投资者不可能持续跑赢市场。这一理论塑造了现代金融学，却在十年后遭到罗伯特·席勒的反驳——他认为若投资者严格理性决策，股价波动应远低于实际观测值。席勒提出，正是人类非理性行为催生了市场泡沫、崩盘及整体低效。尽管观点相左，法玛与席勒仍于2013年共同获得诺贝尔经济学奖。

我们认同席勒的观点：市场参与者的非理性行为会导致市场低效。但市场低效并非仅源于参与者偶尔的非理性行为；不同情境下，即便理性投资者也可能被迫采取集体行动，从而催生低效。金融市场中的每个参与者都受制于独特的经济环境约束，这些约束会驱使最精明的玩家做出未必有利于标的资产或整体市场效率的行为。

示例：一家对冲生产产量的天然气生产商，其最优交易价格可能远低于一家保障终端用户合同利益的公用事业公司。除非这两大市场参与者（通常为市场带来大量商品交易量）恰好在同一时间进行交易，否则它们的市场行为可能导致资产价格严重偏离其基本面价值。

对冲基金和其他投机实体可能会介入，试图纠正这种低效并从中获利。然而，它们的行动同样受限于经济约束条件，如有限资本或风险参数。当触及这些限制时，投机实体可能被迫平仓，反而加剧了它们原本试图缓和的价格波动。最终，在试图解决一个错误定价的同时，它们可能引发一系列新的错误定价，使价格低效的循环持续甚至放大。我们在游戏驿站（GameStop）和其他通过社交媒体走红的模因股票中目睹了这一现象——当风险限制迫使空头回补股票时，这些股票价格进一步脱离了基本面价值。

这些低效现象并非极端市场条件下的特例，即使在稳定经济时期也会反复出现。近一个世纪前，经济学家尼古拉斯·卡尔多就记录了玉米和生猪市场的剧烈价格波动。如今，包括量化算法在内的投机交易者在解决市场价格低效问题时，往往会同步退出头寸。实际上，这些市场行为常常是其策略中的关键参数，用以确保收益波动率的稳定性。从个体角度看，这些行为长期而言既合乎逻辑又有利可图，但集体行动却会破坏市场向有效均衡的迈进。

人工智能可能大幅减少甚至消除行为非理性——那些纯粹源于人类偏见与情感（而非经济约束）的低效现象。在非极端市场条件下，量化系统已在多数场景中超越人类交易员。不受人类偏见束缚的AI，有望发现超越人类能力的复杂市场模式与关联。

另一方面，结构性非理性——每个市场参与者（包括AI）因固有约束与经济需求产生的低效——可能持续甚至加剧。即便最先进的AI算法也必须在风险参数与资本限制中运作，这会导致其参与市场时产生新型低效。

2010年闪崩事件已初现端倪：算法对其它算法受经济约束触发的市场行为作出连锁反应。近年来AI模型呈指数级进化，当代最强AI谷歌Gemini Ultra在"大规模多任务语言理解测试"中取得90%的惊人成绩，较两年前普遍60%的得分实现质的飞跃，已持平或超越人类专家水平。其他评估也显示AI正快速达到或突破人类基准。假以时日，AI很可能超越人类（包括使用AI工具的基金经理），但这不意味着市场整体效率的提升。

市场参与者个体智能的提升，未必能转化为集体市场智慧。正如《爱丽丝梦游仙境》中红皇后所言，每个参与者可能不得不越跑越快，只为留在原地。

当我们步入这个新时代，必须直面一个现实：金融市场可能持续反映其人类创造者的非理性特质——这种智能低效的悖论。

布林约尔松女士是Tiara Capital（一家运用机器学习策略的大宗商品交易基金）的首席投资官。布林约尔松先生是斯坦福大学教授，同时也是评估机器学习机遇的公司Workhelix的联合主席。