美國國家經濟研究局 (NBER) 最新論文指出，讓人工智慧 (AI) 聊天機器人幫忙建立投資組合，最後只會持有一堆大型科技股，且在實際收益上並未帶來比被動指數投資更多的優勢。
在這項研究中，研究人員要求不同的大型語言模型 (LLM)——包含 ChatGPT 5.0、Grok 4.1 Fast、Claude Sonnet 4.5 以及 Gemini 2.5 Flash——建立兩種投資組合。一種是被動管理，即由 AI 選股後便長期持有，另一種是主動管理，允許 AI 每天調整持股。
實驗結果顯示，AI 所建立的投資組合高度集中於大型科技股，其中，輝達 (NVDA.US) 幾乎是所有模型的共同選擇。儘管許多投資人確實也將資金投入這些股票，但 NBER 研究人員注意到，LLM 選股的驅動因素與基本面分析影響較小，反而是受到媒體報導聲量的影響較大。
研究指出，這些 AI 模型的推薦主要取決於一家公司獲得的媒體報導數量，獲推薦股票所擁有的新聞文章數量，幾乎是 Compustat 數據庫平均值的 10 倍，該數據庫收集了美國上市公司資訊。
研究人員寫道：「在企業新聞領域中，吸引注意力的能力，是 AI 在推薦時的主要驅動因素。」
LLM 用來蒐集資訊的網站主要為企業官網，特別是半導體與其他大型科技公司的網站。研究顯示，LLM 大約有三分之二的瀏覽次數是訪問公司官網，其餘則是訪問新聞服務、政府機構以及提供股票分析的網站。
NBER 研究發現，半導體股票在 AI 投資組合中的平均占比高達 41%，大約是半導體股在標普 500 指數 21% 權重的兩倍。這對一般投資人而言是個問題，因為如此高的集中度一旦遭遇產業景氣反轉，將會放大投資損失。
另外一個問題在於，在新聞周期當中聲量最高的名字，往往已被投資人推高股價，這意味著投資人可能會買在接近波段高點的位置。
此外，雖然 LLM 的投資組合在報酬率上確實擊敗標普 500 指數，但研究人員發現，在扣除交易成本或考慮到偏重科技股的配置之後，並未展現出顯著的超額報酬。
研究人員說：「AI 涉入風險、推薦的資產類別很狹隘、聚焦於特定產業，而且表現似乎並沒有優於基於特徵的被動基準。」
高波動度與集中度風險
除了持股過度集中外，AI 投資組合挑選的股票波動性也異常高。
在不設任何限制的情況下，AI 模型挑選的股票平均市場 Beta 值高達 1.6，這意味著該投資組合不論在往哪一個方向變動時，震盪幅度都會比標普 500 指數多出約 60%。
舉例來說，當標普 500 指數下跌 10%，這類投資組合預估將下跌約 16%。即使研究人員要求模型必須符合標普 500 指數的波動程度，投資組合的波動仍會緊貼在允許範圍的上限，有時甚至會突破上限。
研究人員指出，在所有模型中，Gemini 提供的投資組合分散效果最差，持股家數中位數僅 4.5 檔，相較之下，Claude 和 Grok 則為 10 檔。隨著模型在一段時間內進行主動管理，投資組合不僅沒有進一步分散風險，反而變得更加狹隘。
研究人員提醒，這篇論文目前仍屬初步階段，且對 Claude、Gemini 與 Grok 的數據來自約四周的交易資料。研究人員還指出，研究中輸入的提示詞反映的是一般散戶會輸入的查詢內容，而非專業人士為了測試模型極限所使用的精煉語句。
(美股為即時串流報價； OTC市場股票除外，資料延遲最少15分鐘。)新聞來源 (不包括新聞圖片): 鉅亨網