Story
AI是市場效率的雙面刃？伯恩斯坦：降低平均無效率，但加劇尾部風險
根據資產管理公司伯恩斯坦 (Bernstein) 的一份研究報告指出，人工智慧 (AI) 正在許多方面提升金融市場的效率，但同時也引入了新的風險，可能放大市場波動性與失序狀況。
AI 提升效率：資訊落差縮小
報告分析，在企業層面，AI 能比人類分析師更快地處理財報、監管文件及另類數據，這有助於縮小資訊落差、改善價格發現機制，並隨著分析師的預測更快地與實際結果收斂，進而減少「盈餘意外」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審閱財報、更新財務模型和初次覆蓋新股票所需的時間，使分析師能追蹤更多公司。報告指出，過去一年，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與研究不足相關的估值溢價。
新興風險浮現：同步交易與反身性
儘管效率提升，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)，並在市場壓力時期使逆轉更加劇烈。
Ad近期的市場事件便例證了這些風險。報告提及 2024 年 8 月的日圓利差交易平倉，以及 AI 生成的假訊息短暫影響美國股市等案例，說明自動化策略和合成內容如何在市場來得及驗證新資訊前，就已加速了波動。
另一個問題是分析師所稱的「反身性問題 (reflexivity problem)」。AI 生成的建議日益影響投資者行為，推動價格朝著強化未來模型輸出的方向發展。這種反饋循環可能強化動能交易、增加市場集中度，並導致更極端的估值。
結論：平均效率提升，但尾部風險加劇
總體而言，伯恩斯坦的結論是，AI 可能會透過更佳的研究和執行力來降低市場的平均無效率 (average inefficiency)。然而，它同時也增加了在市場壓力時期發生更嚴重失序的可能性，最終導致「平均無效率降低，但尾部風險 (tail risk) 更大」的局面。