金融科技与人工智能技术股票在资产管理中的分散化收益:基于投资者风险偏好视角的业绩分析

《Borsa Istanbul Review》:The diversification benefits of FinTech and AI stocks in portfolio management: A performance analysis based on investor risk preferences

【字体: 大 中 小 】 时间:2026年07月02日 来源:Borsa Istanbul Review 5.7

编辑推荐:

  本研究检验金融科技(FinTech)与人工智能(AI)股票在投资组合管理中的分散化收益,同时考虑投资者的风险偏好差异。研究采用2018年6月至2026年4月的月度数据,纳入代表23个发达经济体的股票指数、传统投资工具以及金融科技和人工智能指数。研究运用综合性方

  
本研究检验金融科技(FinTech)与人工智能(AI)股票在投资组合管理中的分散化收益,同时考虑投资者的风险偏好差异。研究采用2018年6月至2026年4月的月度数据,纳入代表23个发达经济体的股票指数、传统投资工具以及金融科技和人工智能指数。研究运用综合性方法论框架,包括均值-方差(MV)优化、下行风险分析、有效前沿建模、滚动窗口样本外验证以及状态转换优化。研究发现,金融科技与人工智能资产均能增强投资组合的分散化效果,但其贡献因投资者类型、组合约束条件和市场条件而异。人工智能总体上在改善风险调整后业绩、有效前沿拓展和投资组合效率方面表现优于金融科技,尤其在国际分散化投资组合中更为突出。滚动样本外分析与基于状态转换的分析表明,这些收益具有动态性而非普遍性。总体而言,人工智能作为一种更为有效的分散化工具脱颖而出,尽管其贡献取决于投资者偏好和市场条件。
本研究发表于《Borsa Istanbul Review》,旨在系统评估金融科技与人工智能股票在投资组合管理中的分散化价值,并重点考察投资者异质性对资产配置的影响。研究背景源于第四次工业革命背景下金融科技的快速渗透与人工智能技术的广泛商业化,全球金融科技市场规模从2022年的1340亿美元预计增长至2030年的5570亿美元,全球人工智能支出预计于2025年达到1.5万亿美元并于2026年突破2万亿美元。然而,现有文献虽大量考察技术驱动型资产的风险收益特征,却鲜少将投资者风险偏好纳入分析框架,亦缺乏对金融科技与人工智能资产的直接比较研究。在此背景下,研究人员提出四个核心研究问题:金融科技与人工智能股票能否提升投资组合分散化与业绩表现;何种技术导向资产类别能提供更优的分散化收益;这些收益是否因投资者类型与组合结构而异;以及在动态投资组合管理与市场状态转换条件下,分散化收益是否保持稳健。

研究人员构建了涵盖传统多资产组合(PT)与国际分散化股票组合(PI)的八种备选投资组合,并针对三种投资者类型——等权重策略(EQW)、风险厌恶型投资者(RAI)与风险容忍型投资者(RTI)——实施均值-方差优化。研究运用的主要关键技术方法包括:直接比较模拟分析、均值-方差优化框架、九种风险调整后业绩指标(夏普比率、M2比率、索提诺比率、特雷诺比率、T2比率、詹森阿尔法、评估比率、法马准则、信息比率)、两种回撤指标(斯特林比率与卡尔马比率)、四种在险价值(VaR)估计方法(方差-协方差法VaRVC、风险矩阵指数加权移动平均法VaRRM、历史模拟法VaRHS、蒙特卡洛模拟法VaRMC)及其条件在险价值(CVaR)、有效前沿建模与蒙特卡洛机会集模拟、36个月滚动窗口样本外验证,以及基于后疫情复苏、货币紧缩与人工智能繁荣三个子时期的状态转换优化。此外,研究采用休伯-坎德尔均值-方差覆盖检验(HK检验)与勒杜瓦-沃尔夫自助法夏普比率相等性检验(LW检验)进行统计稳健性验证。数据方面,研究使用覆盖23个发达经济体的MSCI发达市场指数、S&P 500指数、五年期美国政府债券、美元指数、黄金、比特币、西德克萨斯中质原油,以及标普Kensho全球民主化银行指数(FinTech)和标普Kensho全球人工智能赋能筛选指数(AI),样本期间为2018年6月至2026年4月。

描述性统计与相关性分析结果表明,人工智能指数的平均收益率(1.55%)高于金融科技指数(0.53%),两者相关性高达0.879。金融科技与人工智能与传统资产及国际股票指数的相关性普遍较低,显示出分散化潜力。直接比较分析显示,人工智能在各配置水平上的收益增强效应普遍强于金融科技,尤其在高配置比例时优势更为明显。

均值-方差优化结果显示,对于传统资产组合(PT),在等权重策略下,纳入人工智能使组合收益率从9.63%提升至11.11%,标准差从18.79%降至17.72%;纳入金融科技则导致收益率下降。风险厌恶型策略下,金融科技与人工智能在PT组合中均未获配置;而在国际股票组合(PI)中,人工智能使风险厌恶型投资者的组合收益率从5.58%大幅提升至8.38%(无约束条件)或从6.07%提升至7.86%(权重上限0.2约束)。风险容忍型策略下,人工智能对PT组合的提升幅度为从11.02%至12.64%,对PI组合的提升幅度为从13.16%至16.72%(无约束)或从9.80%至12.06%(有约束)。金融科技在多数情形下对业绩改善有限。

风险调整后业绩评估结果方面,人工智能增强组合在绝大多数指标上优于基准与金融科技增强组合。在PT组合的风险容忍型策略下,PTArti在所有风险调整与回撤指标上均优于PTrti。在PI组合中,PIArai与PIArti分别在风险厌恶型与风险容忍型策略下取得最优业绩。滚动业绩分析显示,人工智能增强组合的财富累积路径更为陡峭,且回撤轮廓与基准组合相当。

在险价值分析方面,对于PT等权重组合,人工智能纳入降低多数参数化VaR与CVaR指标,但历史模拟VaR有所上升。PT风险容忍型组合中,人工智能纳入仅温和提升参数化下行风险,条件风险价值基本稳定。PI组合中,技术资产纳入对下行风险的影响因策略和约束条件而异,人工智能在约束条件下对参数化VaR的降低作用更为一致。

有效前沿分析表明,金融科技纳入仅导致有效前沿边际移动,而人工智能显著外推有效前沿,尤其在PI组合的中高回报区域,RTI组合收益率从约13%提升至近17%。蒙特卡洛模拟显示,人工智能增强组合更接近有效前沿,效率得分更高。

滚动窗口样本外估计方面,人工智能组合在全样本优化结论基础上表现更为稳健,尤其在等权重与风险厌恶型策略中优势明显;但风险容忍型PT组合中,基准组合在部分指标上更优。状态转换分析揭示:后疫情复苏期技术资产表现不佳;货币紧缩期人工智能组合开始超越传统组合;人工智能繁荣期结果最为分化,PI组合中优势有所减弱。

稳健性与统计验证检验方面,HK检验显示人工智能对传统资产与国际股票组合的有效前沿均有显著扩展作用,金融科技仅在PI组合中有有限贡献。LW自助法检验确认人工智能增强组合的夏普比率提升具有统计显著性,尤其在国际股票组合中最为突出。

研究讨论部分指出,金融科技与人工智能资产的分散化收益具有条件性与动态性,人工智能作为更有效的分散化工具体现出更持续的业绩优势,但这些收益并非普遍适用。投资者异质性显著影响技术资产配置效果,风险厌恶型投资者倾向于低配或零配技术资产,而风险容忍型投资者能从人工智能暴露中获益更多。投资组合约束条件同样影响最优配置。研究对投资组合管理者、机构投资者和财富顾问具有重要政策与投资策略意涵:技术导向资产应作为战略性组合成分而非独立投机投资;人工智能股票应被视为现代组合构建中的战略资产类别;动态再平衡与周期性技术暴露评估有助于提升长期组合效率。理论层面,研究发现支持现代投资组合理论的基本洞见,同时揭示了在动态框架中评估分散化收益的必要性。研究局限性包括依赖指数层面数据、聚焦发达市场与两种广泛技术基准、采用均值-方差框架可能无法完全捕捉高阶矩或非线性依赖结构、基于月度数据与仅做多约束,以及忽略交易成本。

研究结论部分明确指出,通过直接比较分析、组合优化、资产配置、业绩度量、VaR评估、有效前沿分析、滚动窗口框架与状态转换优化的综合评估,技术导向资产能够改善组合结果,但其收益幅度取决于组合结构、投资者类型与市场条件。人工智能总体上在提升组合效率、风险调整后业绩与有效前沿拓展方面优于金融科技,尤其在国际分散化股票组合中表现突出。然而,滚动样本外与状态转换分析表明这些优势随时间和市场条件变化。总体而言,人工智能是有价值的分散化补充资产,而金融科技的收益更为有限且情境依赖。从政策与投资策略角度,人工智能股票应被视为现代组合构建中的战略资产类别而非纯粹的主题或投机性投资;金融科技可作为特定配置下的次级分散化成分。投资组合管理者应区分技术子行业,采取适应经济环境变化的灵活配置策略。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号