每日归档： 2026年7月22日

（纽约25日讯）华尔街投资者担心人工智能(AI)会将人类专家的智慧转化为一条条代码，最终颠覆白领行业。 股票投资似乎正处于这场变革的风口浪尖。 由哈佛商学院教授领导的一项最新学术研究发现，主动型基金经理的大部分行为都遵循机器可以学习的模式。研究人员利用一种名为“神经网络”的机器学习算法可以预测到约71%的共同基金交易决策，即基金经理在某一季度内对特定股票是买入、卖出还是持有。 该模型基于1990至2023年的五年滚动窗口数据进行训练，提取了包括基金规模、投资者资金流向、股票特性以及更广泛经济状况等信息。基于此，它能够预判大部分的持仓调整。 非常规交易创造更高价值 吊诡之处在于该模型的局限性可能比它的成功更具启发性。平均而言，系统未能预判的那部分交易（约29%）与基金超额收益的关系更为紧密。换言之，那些落在常规、可检测的投资模式之外的交易活动似乎才是真正创造价值所在。 这意味着机器并没有攻克市场，而是学会了该行业的大部分通用“剧本”，即基金经理如何对资金流、市场趋势及同行行为做出反应。机器难以捕捉的是那一小部分不符合“剧本”的决策。 基金管理费遭质疑 “如果你71%的决策都能被算法预判，那么这一部分的‘主动管理费’就很难收得理直气壮，”该论文合著者、哈佛大学金融学教授劳伦·科恩在邮件中解释道。“那些非例行交易，即我们模型无法预测的部分才是真正的‘阿尔法’(Alpha)所在地。但这些交易在整体活动中所占份额相对较小。 这篇名为《模拟金融》的论文上周发布在美国国家经济研究局网站上。人工智能正震撼着专业服务领域日益细分的角落。最近几周，对AI颠覆性影响的恐惧已导致从财富管理公司到物流集团等各行各业的股价剧烈波动。 论文还发现，预判的准确度因基金而异。平均而言，规模较大、收费较高、团队规模较大以及面临竞争更激烈的基金，其行为往往更难预测。而任职时间较长或管理多种产品的基金经理，其行为则更容易被预判。目前该模型预测的是交易方向而非交易规模，作者计划在未来的研究中解决这一局限。 尽管近期人们对AI充满热情，但上述研究发现凸显了一个区别，即预测基金经理的行为似乎比预测市场走向更容易。资产价格反映了数百万参与者的互动和不断变化的预期。相比之下，基金经理的职业习惯往往遵循一种可识别的模式。 最终，模型未能预判的那一小部分交易往往表现更好，这表明它们可能反映了人类的独创性，例如发掘了他人忽视的股票信息。仅仅靠随机性是不太可能产生这种结果的。 资讯来源: https://www.enanyang.my/news/20260225/Finance/1175553

（吉隆坡18日讯）学者指出，人工智能化导致全球年轻劳动力招聘下降，唯独经验丰富的资深专业人士能与人工智能形成互补，不被取代而保住饭碗。 马来亚大学商学与经济学院决策科学系高级讲师戴安娜阿都瓦哈博士发文告指出，高度成熟人工智能科技引发的劳动力市场深层结构性转变，对刚进入职场的新生代尤为不利。 近期就业趋势分析显示，自2022年底广泛采用人工智能工具，入门级职业路径开始出现明显分化，其影响已对人力资本形成早期预警信号。 证据表明，在高度容易受到人工智能影响的岗位中，年轻人尤其是22至25岁群体的就业前景正受到明显抑制，在软件开发、客户服务等职业中的就业人数出现显著下滑。 隐性知识暂无法复制 这意味着企业并非单纯减少整体招聘规模，而是刻意绕过人工智能可代替的入门级岗位招聘。这些工作过去是新手积累经验的训练场，如今却由人工智能取代，使这类入门岗位被消除。 她说，这直接导致全球年轻劳动力招聘下降，而那些将人工智能作为增强工具、需要判断力和经验的岗位，就业水平不仅保持稳定，甚至有所增长。 “年长且经验丰富的员工，展现的韧性凸显人力资本中的一个关键要素：隐性知识防线。” 隐性知识是指目前人工智能无法复制，通过多年实践经验和社会互动所累积的智慧、情境理解与直觉。 戴安娜阿都瓦哈认为，资深专业人士之所以能保住饭碗，是因为他们拥有细致入微的决策能力、战略层面监督，以及人际沟通技巧。这种综合判断、沟通与决策能力，能与人工智能形成最佳互补而不会被替代。 “这对未来的工作启示十分明确，教育机构及年轻人自身都必须接受，单纯获取‘可编码知识’（即那些容易被整理、复述、且如今已能被算法自动化的信息）的回报正在迅速下降。” 她强调，在新劳动市场中，成功不在于回避人工智能，而在于培养那些能够善用人工智能、且具有人类独特性的技能。 “新的价值存在于复杂问题解决、情绪智力、有效沟通以及伦理判断等领域，使人类互动更有效，也使新技术得以被战略性运用。 资讯来源: https://www.enanyang.my/news/20260118/Finance/1137933