Edgen Stock·Mar 03 2026, 08:00一項新的學術研究表明，人工智慧可以預測主動型共同基金交易的很大一部分，而這些交易往往表現不佳。這一發現挑戰了主動型基金經理的價值主張，並暗示投資者可能為可複製、表現平平的策略支付了過高的費用。該研究提供了基於經理激勵和投資風格來選擇基金的新標準。
一項名為「模仿金融」的新學術研究報告稱，一個簡單的大型語言模型（LLM）可以預測美國主動型股票基金經理71%的交易。這項由哈佛商學院、沃頓商學院和德保羅大學的學者進行的研究，分析了1990年至2023年的基金數據。透過將經理過去五年的交易歷史與可觀察的市場狀況輸入模型，人工智慧可以準確預測基金是買入、賣出還是持有特定股票。作者指出，這個71%的數字可能是一個保守估計，因為獲得更頻繁的數據和更長的基金歷史可能會進一步提高可預測性。
這項研究對資產管理行業最具破壞性的發現是，可預測的交易平均而言比不可預測的交易表現更差。這表明，投資者不僅為演算法可以低成本輕鬆複製的策略支付主動管理費用，而且還在為表現不佳支付費用。這一影響直接挑戰了共同基金行業的費用結構。隨著這些人工智慧模型變得更容易獲取，那些採用高度可預測、機械化策略的基金經理將發現越來越難以證明其費用和僱傭的合理性。
這項研究為尋求識別潛在優秀基金的投資者提供了明確的指標。基金經理的交易隨著任職時間的延長以及管理眾多基金或策略時變得更具可預測性，這可能表明自滿或缺乏專注。相比之下，經理擁有 significant 個人所有權股份（或「切身利益」）的基金，其交易模式表現出較低的可預測性。這些較少可預測的基金也傾向於投資於成長型股票和研發支出高的公司，而可預測的基金則偏愛價值型股票和高股息支付的公司。這表明投資者可以利用低成本指數基金獲取價值敞口，同時尋找那些對增長配置有高度個人信念的主動型經理。