Edgen Stock·Mar 03 2026, 08:00一项新的学术研究表明，人工智能可以预测主动型共同基金交易的很大一部分，而这些交易往往表现不佳。这一发现挑战了主动型基金经理的价值主张，并暗示投资者可能为可复制、表现平平的策略支付了过高的费用。该研究提供了基于经理激励和投资风格来选择基金的新标准。
一项名为“模仿金融”的新学术研究报告称，一个简单的大型语言模型（LLM）可以预测美国主动型股票基金经理71%的交易。这项由哈佛商学院、沃顿商学院和德保罗大学的学者进行的研究，分析了1990年至2023年的基金数据。通过将经理过去五年的交易历史与可观察的市场状况输入模型，人工智能可以准确预测基金是买入、卖出还是持有特定股票。作者指出，这个71%的数字可能是一个保守估计，因为获得更频繁的数据和更长的基金历史可能会进一步提高可预测性。
这项研究对资产管理行业最具破坏性的发现是，可预测的交易平均而言比不可预测的交易表现更差。这表明，投资者不仅为算法可以低成本轻松复制的策略支付主动管理费用，而且还在为表现不佳支付费用。这一影响直接挑战了共同基金行业的费用结构。随着这些人工智能模型变得更容易获取，那些采用高度可预测、机械化策略的基金经理将发现越来越难以证明其费用和雇佣的合理性。
这项研究为寻求识别潜在优秀基金的投资者提供了明确的指标。基金经理的交易随着任职时间的延长以及管理众多基金或策略时变得更具可预测性，这可能表明自满或缺乏专注。相比之下，经理拥有 significant 个人所有权股份（或“切身利益”）的基金，其交易模式表现出较低的可预测性。这些较少可预测的基金也倾向于投资于成长型股票和研发支出高的公司，而可预测的基金则偏爱价值型股票和高股息支付的公司。这表明投资者可以利用低成本指数基金获取价值敞口，同时寻找那些对增长配置有高度个人信念的主动型经理。