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。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。

哈佛大学金融学教授劳伦·科恩(Lauren Cohen)是这篇论文的合著者，她在一封电子邮件中解释道：“如果你71%的决策都可以通过算法预测到，那就很难证明这部分的主动管理费用是合理的。”“现在，非常规交易，也就是我们的模型无法预测的交易，才是真正的阿尔法生活的地方。但这些交易在整体活动中所占的比例相对较小。”

这份工作报告上周提交给了国家经济研究局，题为模仿金融，在人工智能正在推动专业服务领域专业化程度日益提高的时刻，对人工智能破坏的恐惧从财富管理公司到物流集团，这些公司的股价都在剧烈波动。