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。
