Ejen Pelaburan AI JPMorgan Atasi Portfolio 60/40 dalam Ujian Simulasi

Penyelidik di JPMorgan Chase & Co. telah membangunkan ejen pelaburan dikuasakan Kecerdasan Buatan (AI) yang menunjukkan prestasi lebih baik daripada portfolio tradisional 60/40 dalam simulasi bersejarah. Penemuan ini, yang dilaporkan oleh Bloomberg, menandakan satu lagi langkah dalam penerokaan institusi kewangan terhadap potensi AI dalam pengurusan aset.

Prestasi dalam Simulasi Bersejarah

Menurut nota daripada ahli strategi yang diketuai oleh Thomas Salopek, ejen AI dibina untuk membuat keputusan peruntukan modal dengan beralih antara saham dan bon berdasarkan keadaan pasaran yang berubah-ubah. Dalam ujian retrospektif (*backtest*) yang merangkumi dua dekad yang lalu, sistem AI yang menunjukkan prestasi terbaik berjaya mengatasi portfolio standard 60/40 (60% saham, 40% bon).

• Kelebihan prestasi: Sistem AI terbaik mengatasi portfolio 60/40 sebanyak 0.7 mata peratusan setiap tahun.
• Kemeruapan lebih rendah: Prestasi unggul ini dicapai dengan tahap kemeruapan yang lebih rendah berbanding penanda aras.
• Mengatasi model sedia ada: Ejen AI itu juga mengatasi model rejim pasaran berasaskan peraturan milik JPMorgan sendiri.

Para penyelidik menyifatkan usaha ini sebagai percubaan pertama firma untuk membina sistem AI bagi mengenal pasti rejim pasaran, yang membolehkan ejen tersebut membuat keputusan di bawah keadaan yang tidak menentu.

Ad

Amaran dan Konteks Industri

Walaupun keputusan awal ini memberangsangkan, JPMorgan memberi amaran keras agar tidak menganggapnya sebagai bukti bahawa AI boleh mengatasi pasaran secara konsisten. Para penyelidik menekankan bahawa keputusan ini adalah berdasarkan simulasi bersejarah dan bukan pelaburan secara langsung.

"Kami memberi amaran keras agar tidak menerima secara tidak kritis apa yang dianggap sebagai jawapan AI yang terlalu yakin dan *in-sample*," tulis para strategi tersebut. Mereka menambah bahawa "AI Agentik perlu didasarkan pada proses peruntukan aset yang difikirkan dengan baik, dan bukan dengan naif menganggap ejen itu boleh menjadi sumber pengetahuan domain."

Penemuan ini muncul ketika bank-bank di seluruh dunia giat mengintegrasikan model bahasa besar (LLM) ke dalam pelbagai operasi, daripada penyelidikan dan pengekodan kepada alat pelaburan dalaman. Langkah seterusnya adalah untuk menguji sama ada sistem ini boleh dipercayai untuk membuat keputusan peruntukan modal merentasi pasaran kewangan.