通勤時滑開券商 App 看熱門股排行,中午理財機器人提醒你再平衡,半夜再問聊天機器人「手上有五十萬,現在買什麼最好?」——演算法已經站在你的下單鍵旁邊。這一集我們拆解三篇同行評審研究:美國免佣券商 App 用戶跟著熱門榜買進的股票,接下來 20 天平均異常報酬是 -4.7%;混合型理財機器人讓散戶少抱現金、少押個股,幾乎消除本土偏誤;但大型語言模型給的投資建議,卻全面提高了投資組合風險。
🎧 這集你會聽到:
・研究者如何用 App 大當機做準自然實驗,把「排行榜帶動的交易」隔離出來
・跟風買進熱門股的下場:接下來 20 天平均異常報酬 -4.7%
・混合型理財機器人:現金下降、少押個股與高費用主動基金、轉向低費用指數基金與債券,受益最多的是經驗少、現金多、愛短線的人
・為什麼很難分清楚是 AI 還是真人顧問的功勞,以及選擇偏誤的限制
・LLM 當理財顧問:建議過度集中、追逐趨勢、費用偏高,提示詞去偏誤也只能部分緩解
・演算法的目標函數,正在決定散戶的命運;台灣本土研究可以怎麼接著做
📚 本集引用文獻:
Barber, B. M., Huang, X., Odean, T., & Schwarz, C. (2022). Attention-Induced Trading and Returns: Evidence from Robinhood Users. The Journal of Finance, 77(6), 3141–3190.
https://doi.org/10.1111/jofi.13183
Rossi, A. G., & Utkus, S. (2024). The diversification and welfare effects of robo-advising. Journal of Financial Economics, 157, 103869.
https://doi.org/10.1016/j.jfineco.2024.103869
Winder, P., Hildebrand, C., & Hartmann, J. (2025). Biased echoes: Large language models reinforce investment biases and increase portfolio risks of private investors. PLOS One, 20(6), e0325459.
https://doi.org/10.1371/journal.pone.0325459
⚠️ 本集內容依論文摘要整理,語音由 AI 生成,可能簡化細節,引用前請以原始論文為準。
💡 本集僅為學術研究分享,不構成任何投資建議。
▶️ YouTube 影片版:
https://youtu.be/vSydQ8xXUkw
AI 研究室|把論文聽進去 🎙️