产品×金融×AI：AI 时代的金融产品第三部分　AI：代理能替人做多少English
第 23 章

金融场景的特殊约束市场会回应，错误难撤回

在大多数领域，代理做得越好，委托人得到的就越多。金融场景有四点不同。第一，比较的基准应当是个人投资者的实际行为，而不是专业人员的规范流程，许多人本来就不做研究，代理改变的是深度而不是用时。第二，市场会回应：用同类分析的人越多，分析的回报越少，预测上的优势随普及而递减。第三，交易的错误难以撤回，一次失误可以在几分钟内造成巨大损失。第四，许多代理用相似的方法做相似的判断，可能在同一时刻朝同一方向行动。因此，金融代理可以持续的价值不在预测，而在降低成本、维持纪律、减少行为偏差，以及把原本做不到的事情变为做得到。

一、比较的基准：用户的实际行为

金融领域有三类常见的委托：研究公司、提交交易指令、管理组合。它们的放大倍数，首先取决于拿什么作基准。按专业人员的规范流程计，研究与组合管理的理论倍数都很高；按个人投资者的实际行为计，结论完全不同。拉里茨与伍格勒（2025）估计，个人投资者每笔交易用于研究的时间，中位数只有约 6 分钟。研究代理改变的主要是研究的深度，而不是用时；交易指令本来只需半分钟，可省的只有十几秒；组合管理代理的价值，是让原本不做系统配置的人能够分散配置、定期再平衡。

以什么为基准，决定了能省多少

三类金融委托。切换基准：按专业人员的规范流程计，还是按个人投资者的实际行为计。

对数刻度，单位为委托人投入的分钟数。规范流程与委托后投入为作者估算的理论值；个人投资者每笔交易用于研究的时间中位数约 6 分钟，见 Laarits 与 Wurgler（2025）；智能投顾采用后投资者登录与交易并未减少，见 D'Acunto、Prabhala 与 Rossi（2019）。

二、市场会回应：分析的回报随普及递减

在其他领域，一项技术让所有人都做得更好，所有人都能受益。投资研究不同。格罗斯曼与斯蒂格利茨（1980）指出，信息之所以有回报，是因为获取信息有成本：使用同类分析的人越多，同一信息越快进入价格，每个人能得到的超额收益越少，直到它只够补偿分析成本。AI 把分析的成本压低之后，更多的人会使用同类分析，分析的超额回报也随之下降。主动管理基本定律给出了同一结论的另一面（格林诺德，1989）：AI 最直接的作用是低成本地扩大广度，同时覆盖几千只股票、每天重新判断，但广度只按平方根放大信息比率，独立判断增加十倍，信息比率只提高约三倍；而信息系数又会随同类分析的普及而下降，抵消这点提升。在接近有效的市场里，代理预测得更准带来的好处有限，而且随着普及而递减。

分析变便宜之后，分析的回报去了哪里

越多投资者用同类分析，同一信息越快进入价格，每位使用者能得到的超额收益越少。人们会一直加入，直到超额收益只够补偿分析成本。

AI 让分析变便宜：向左拖动
均衡时使用这类分析的投资者
每位使用者的超额收益

按 Grossman 与 Stiglitz（1980）的逻辑作的示意模型：信息的总价值为每年 4%，使用者越多，信息越早进入价格，每位使用者的超额收益按比例减少；均衡时超额收益等于分析成本。数字不对应任何市场的估计。

三、代理的价值落在回报的哪几项

回到实际回报的分解：时间补偿、风险补偿、信息优势、交易成本与运气。代理无法创造时间补偿，也无法改变运气；它在信息优势上的贡献会被竞争消耗。可以持续的，是另外三处：在风险补偿上，帮助用户维持分散、按计划再平衡，不因波动而放弃；在交易成本上，选择合适的订单类型与时机，减少价差与冲击；在用户的实际收益与产品收益之间，减少追涨杀跌造成的差距。这些价值不取决于比别人预测得更准，因此不会因为大家都用同样的代理而消失。

代理的价值落在回报的哪几项

每一行是实际回报中的一项。条形是代理可能带来的改善（示意）。切换到“同类代理普及之后”，看哪些价值会被竞争消耗。

示意。“行为差距”指投资者实际得到的收益与所持产品收益之间的差距，主要来自追涨杀跌与择时。

四、从做不到到做得到

对许多个人投资者而言，代理的最大价值不是做得更快，而是把原本不会做的事情变为可行。达昆托、普拉巴拉与罗西（2019）研究了一家印度券商推出的智能投顾：原本持股集中、分散不足的投资者采用之后，组合的分散程度明显提高，波动下降；原本已经较为分散的投资者，持股数反而减少，波动略有下降，交易却更频繁。采用之后，处置效应、追涨等行为偏差也有所减少。代理的价值集中在原本做得最差的那部分人身上；对原本做得较好的人，它也可能带来新的问题。

价值集中在原本做得最差的人身上

两组投资者采用智能投顾前后的变化。切换前后，比较持有的股票数量与组合的波动（示意数字）。

示意数字，方向依据 D'Acunto、Prabhala 与 Rossi（2019）对一家印度券商智能投顾的研究：原本分散不足的投资者采用后分散程度明显提高、波动下降；原本较分散的投资者持股反而减少，波动略有下降，交易增加；行为偏差的减少适用于全部采用者。

五、交易的错误难以撤回

信息类任务出了错，通常可以发现、修改，损失有限。交易不同：订单在几毫秒内成交，成交之后无法撤回，而且错误可以被杠杆与重复执行迅速放大。2012 年 8 月，美国一家做市商的交易系统因部署失误，在约 45 分钟内发出了数百万笔错误订单，损失约 4.6 亿美元，公司随后被收购（美国证券交易委员会，2013）。因此，金融代理的授权要分级：提供信息与建议可以自主，改变持仓与划转资金需要本人确认，并且必须设有单笔与累计的上限、异常时立即停止的开关。

45 分钟里的错误订单

一套交易系统因部署失误，持续发出错误订单。播放累计损失；再打开“累计亏损上限与停止开关”，看同一失误的后果。

经过时间
累计损失

依据美国证券交易委员会 2013 年对 2012 年 8 月一起事件的处罚决定（Release No. 34-70694）：约 45 分钟内发出数百万笔错误订单，损失约 4.6 亿美元。损失随时间的路径为示意；上限取 1000 万美元也为示意。

六、很多代理一起行动

当许多投资者使用相似的模型、相似的数据与相似的规则，他们的交易也会相似。坎达尼与罗（2011）分析了 2007 年 8 月的“量化危机”：采用相近策略的量化基金在几天之内同时平仓，彼此的卖出压低了价格，又迫使更多基金平仓。基里连科等人（2017）对 2010 年 5 月“闪电崩盘”的研究也显示，高频交易者在下跌中相互转手，放大了价格的波动。AI 代理的普及可能放大这种同质性：单个代理的规则合理，所有代理同时执行同一规则时，结果却可能对每个人都不利。

很多代理用同一条规则

50 个代理各自管理一个组合，都设有“下跌超过一定幅度就减仓”的规则。拖动规则的相似程度，再触发一次 3% 的下跌，看有多少代理同时卖出，以及价格最终跌了多少。

同时卖出的代理
价格的总跌幅

示意模型：规则相似时，各代理的减仓阈值集中在 3% 附近；每个代理卖出使价格再跌 0.15%，可能触发更多代理卖出；相似程度超过某个水平后，连锁卖出会突然出现。同质策略同时平仓的实例见 Khandani 与 Lo（2011），2010 年闪电崩盘见 Kirilenko 等（2017）。

七、对产品设计的含义

金融代理的价值不以预测为卖点，而落在成本、纪律、行为与可及性上；执行要分级授权、设有上限，并考虑众多代理同时行动的后果。

本章小结：金融代理的价值与边界

四条设计要求，各自对应本章的一个机制。

基准是实际行为按用户原本的做法衡量价值

研究代理的价值在深度，组合代理的价值在让不做配置的人做到，而不是省下几分钟。

预测的价值随普及递减不以预测为卖点

把价值落在维持分散、降低成本与减少行为偏差上，这些不因同类代理普及而消失。

交易错误难以撤回分级授权，设上限与停止开关

信息与建议可以自主；改变持仓与划转资金需本人确认，并设单笔与累计上限。

代理会一起行动避免同质规则同时触发

错开执行时间、分散规则参数，并在市场剧烈波动时提示风险、放慢执行。

参考文献