摩根大通回測：AI投資代理二十年模擬跑贏60/40組合

AI正在往華爾街最核心的決策環節鑽。摩根大通策略師Thomas Salopek團隊最近完成了一項AI投資代理回測實驗，第一次把AI系統用到了市場機制識別上——多個AI代理根據市場環境動態調整股債配置比例，模擬在不確定性下做決策。

結果看著挺香。在覆蓋過去二十年的模擬裡，表現最優的系統年化收益比傳統60/40組合高出0.7個百分點，而且波動率更低，還優於摩根大通既有的規則型市場機制模型。團隊特意強調，這個AI代理被設計為能在不確定條件下決策，而不是簡單假設代理本身等於專業判斷。

但摩根大通自己潑了冷水。報告明確說，這些數字全部來自歷史模擬，還沒經過真實市場交易驗證，不應該據此推斷AI具備持續跑贏市場的能力。言下之意：別看回測漂亮，實盤會不會翻車，另說。

真正值得警惕的，是學術界提出的系統性風險。彭博多篇研究在追問同一個問題：當大量機構部署相似的AI模型做投資決策，市場執行邏輯會怎麼變？如果大家都用差不多的模型、讀差不多的訊號、做出差不多的調倉，市場可能在某一刻集體同向，流動性瞬間蒸發。

把視線拉遠一點，AI代理從「寫程式碼、做分析」跨進「配資本」，是里程碑式的。可一旦決策權交給趨同的模型，黑天鵝來時誰先跑、會不會一起踩踏，才是監管和投資者真正該盯的事。

這也給個人投資者提了個醒：當機構用上相似的AI決策系統，市場的「聰明錢」可能比過去更同步。散戶面對的不再是分散的人性博弈，而是一群高度相似的演算法。理解這一點，才能在波動裡少交學費。AI是工具，但工具背後的同質化，本身也是一種風險。一旦模型集體看空，踩踏會比人為主導時更猛、更突然。過去靠人腦分散決策帶來的韌性，正在被趨同的機器判斷悄悄削弱。對監管來說，這比單一機構的違規更難對付，因為沒人能指認誰是罪魁，演算法只是按機率行事。