伯恩斯坦報告：AI 提升市場效率，但恐加劇尾部風險

根據投資研究機構伯恩斯坦 (Bernstein) 的一份報告，人工智慧 (AI) 正在多方面提升金融市場的效率，但同時也引入了可能放大市場波動與失序的新風險，對投資者而言是一把雙面刃。

AI 如何提升市場效率

報告指出，在個別公司層面，AI 正透過比人類分析師更快的速度處理財報、監管文件和另類數據，從而提升市場效率。這有助於縮小資訊差距、改善價格發現機制，並隨著分析師的預測更快地與實際結果趨同，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。自動化的工作流程縮短了盈餘審查、財務模型更新和新股覆蓋所需的時間，使分析師能夠追蹤更多公司。報告舉例，過去一年來，新興市場小型股的研究覆蓋範圍顯著增加，此趨勢可能降低長期以來因研究不足而產生的估值溢價。

新興風險與市場脆弱性

儘管效率有所提升，但相似 AI 模型的廣泛採用也可能創造新的脆弱性。隨著越來越多的投資者依賴基於重疊數據訓練的相似工具，交易訊號可能變得日益同步，這會助長 擁擠交易 (crowded positions)，並在市場壓力時期使價格反轉更為劇烈。

Ad

近期的市場事件便凸顯了這些風險。報告提及 2024 年 8 月日圓利差交易的平倉潮，以及 AI 生成的假訊息短暫影響美國股市的案例，這些都表明自動化策略和合成內容可能在市場來得及驗證新資訊前，就已加速了波動性。

「反身性」問題與尾部風險

另一個關鍵問題是分析師所稱的「反身性問題 (reflexivity problem)」。當 AI 生成的建議日益影響投資者行為，進而推動價格，這種價格變動的結果又會反過來成為未來模型訓練的數據，形成一個反饋循環。這種循環可能強化動能交易、增加市場集中度，並導致更大的估值極端。

總體而言，伯恩斯坦的結論是，AI 很可能透過更佳的研究和執行效率來降低市場的平均無效率程度。然而，它也增加了在壓力時期發生更大幅度市場失序的可能性，最終形成「平均效率提升，但 尾部風險 (tail risk) 更高」的局面。