Story
伯恩斯坦：AI 提升市場效率 但恐加劇極端波動與尾部風險
根據投資研究機構伯恩斯坦 (Bernstein) 的一份研究報告，人工智慧 (AI) 雖在多方面提升了金融市場的效率，卻也帶來了可能放大市場波動與失序的新型風險，形成一把雙面刃。
AI 提升資訊處理效率與廣度
報告指出，在個別公司層面，AI 透過比人類分析師更快的速度處理財報、監管文件及另類數據，正在顯著提升市場效率。這有助於縮小資訊差距、改善價格發現機制，並因分析師的預測能更快地與實際結果趨同，進而減少財報意外的幅度。
除了更快的分析速度，AI 也在重塑研究流程。自動化工作流程縮短了財報審閱、財務模型更新及開展新股票研究的時間，讓分析師有能力追蹤更多公司。報告特別提到，過去一年來，新興市場小型股的覆蓋率顯著上升，此趨勢可能降低長期以來因研究不足而產生的估值溢價。
同步化風險與「反射性問題」浮現
儘管優點顯著，但相似 AI 模型的廣泛採用也可能產生新的脆弱性。當越來越多投資者依賴基於重疊數據訓練的相似工具時，交易訊號可能變得高度同步，從而助長擁擠交易 (crowded positions)，並在市場承壓時加劇逆轉的嚴重性。
Ad近期的市場事件便例證了這些風險。報告提及 2024 年 8 月日圓利差交易的平倉潮，以及 AI 生成的假訊息一度短暫影響美國股市等案例，說明自動化策略與合成內容可能在市場來得及驗證新資訊前，就已加速了波動。
另一個潛在問題是分析師所稱的「反射性問題 (reflexivity problem)」。當 AI 生成的投資建議越來越多地影響投資者行為時，價格會被推向特定方向，而這反過來又會強化模型未來的輸出結果。這種反饋循環可能強化動能交易、提高市場集中度，並導致更極端的估值。
結論：平均效率提升下的尾部風險
總體而言，伯恩斯坦的結論認為，AI 可能會透過更佳的研究與執行力來降低整體的市場平均無效率性。然而，與此同時，它也增加了在市場壓力時期發生更劇烈失序的可能性。這意味著市場將呈現「較低的平均無效率性，但更高的尾部風險 (tail risk)」。