作者:阿飞
打开任何一个AI对话框,输入“10万元、稳健、跑赢通胀”,几秒钟后就能得到一份基金组合方案,指数分析、产品比较、历史回测一应俱全。
2026年下半年以来,多家公募基金机构先后上线ETF Skill,把净值、规模、费率、持仓、回撤等专业数据“封装”成AI可以直接调用的技能。某大型公募基金的ETF Skill上线一个月,累计调用接近13.1万次。如同花顺、东方财富、雪球等各类投资平台,也在用大模型结合量化模型,向投资者输出基金组合建议。
辅助决策的工具愈来愈多,投资门槛越来越低的当下,一个老问题反而更需要被认真对待:当AI越来越懂投资,投资者自己还需要懂什么?
决策责任仍须自负
事实上,AI在基金投资的信息处理环节,带来的效率提升是真实的。
过去要横向比较几只ETF的费率、跟踪误差、规模变动和持仓集中度,投资者需要在基金官网、行情软件和资讯平台之间反复切换;现在一句自然语言提问,就能拿到口径相对统一的结果。
曾有网友对多个基金公司的Skill所挑选的公募产品的历史收益、最大回撤、夏普比率进行实测,结果与付费Wind终端查询“高度一致”。
与此同时,AI也确实让一部分人在短期内尝到了甜头。2026年1月,有媒体用20万元模拟盘同时跟踪DeepSeek、通义千问和同花顺问财三个模型的推荐公募基金组合,首周DeepSeek组合取得7.23%的收益,20万元账面浮盈约1.45万元;同期上证指数涨幅为3.82%,DeepSeek是三个模型中唯一跑赢指数的。
更早的2025年,一位产品经理用DeepSeek和ChatGPT各3000元做基金投资“比赛”,四周后DeepSeek收益率为8.71%。还有用户投入6000元本金,头两周获得约6%的收益,社交媒体上随即出现大量“求教程”“求提示词”的跟帖。
但同一个实验里,另一面却不算理想。同花顺问财组合在首周垫底,两周下来累计收益不到30元,且在新年首个组合中出现了股票代码错误。前述那位6000元本金的用户,第二个月遭遇美国关税政策引发的全球市场震荡,AI们给出的策略“无一主动考虑到这场黑天鹅事件”,收益由正转负,他最终发现自己反而在充当AI的“校对工具人”。
更有案例显示,一位投资者依据豆包“编造”的某公司业绩预增公告,投入近20万元买入股票,十几天内亏损约4.8万元,直到上述公司正式年报发布才发现AI提供的数据与实际相差甚远。有研究指出,大模型在金融智能体任务中表现出明显的“献媚”倾向:当用户表达的观点与正确答案矛盾时,多数模型未能坚持正确判断,而是倾向于迎合用户已有的偏好。这意味着,如果投资者自己心里先有一个“想听”的答案,AI完全有可能把这个答案包装得更像结论。
资本市场的变量密度和复杂程度,远非公开数据的排列组合可以覆盖。政策转向、流动性突变、行业竞争格局的意外重塑,这些信息在发生之前往往不以结构化数据的形式存在,发生时也不会按照模型熟悉的路径展开。
需要注意的是,AI本质上做的是收集、归纳和模式匹配;它可以帮你把案头工作做得更快、更整齐,但无法为投资者做出决策,更无法替你承受判断错误的后果。决策这件事,只能在投资者自己身上。
信息越充沛,越需要“减法”
AI时代的问题不再是信息太少,而是“看起来有用的信息”太多。一个提示词可以生成十套公募基金的配置方案,每套都附有逻辑自洽的说明。
诚然,AI确实可以帮助我们在投资过程中提升效率,节约搜集资料、认识事物的时间,但同时,投资者也更加需要形成自身筛选输出、约束工具的能力。
首先,是把对AI应用划在自己熟悉的投资领域。
一个可行的做法是,只让AI处理能核验来源的那部分信息。基金合同、招募说明书、定期报告、交易所和基金业协会的公示数据。对于AI生成的“业绩预测”“政策解读”“基金经理评价”,则应当把它当作线索,回到原始公告或权威披露渠道做二次确认。
有研究者早就指出,AI生成内容存在数据偏差和逻辑错误,无法完全替代独立判断。在自己相对熟悉的行业或资产类别里使用AI,投资者尚有能力判断它说的是“像那么回事”还是“确实有依据”;在完全陌生的领域把AI的输出直接当作决策依据,风险敞口会成倍放大。
其次,严格做好分层投资。公募基金不是一笔“闲钱”的统一出口,不同期限、不同用途的钱,对应的波动容忍度和产品类型完全不同。将日常开支、应急金、长期资金分开,匹配风险等级配置。
最后,用长期的尺度去过滤短期的噪声。公募基金行业的投资者回报数据反复揭示同一个规律:产品收益和投资者实际到手收益之间的差距,很大一部分来自申赎时点。
有行业统计显示,持有基金3个月以内的用户,超过七成处于亏损状态;持有3年以上的用户,超过九成获得正收益。在公募基金这个工具上,时间框架本身就是风险管理的一部分。AI可以在几秒内给一个组合,但没有任何模型能替代投资者度过组合波动的那几百天。用长期资金、长期视角去持有,短期噪声才不至于变成实际亏损。
如今,AI正在让基金信息的获取变得前所未有的便捷,这也正是技术进步带来的真实红利。ETF Skill把专业数据送到对话窗口里,大模型把研究报告压缩成几段通俗的文字,这些都在降低“看懂一只基金”的门槛。
但看懂信息和做出决策之间,隔着一道AI跨不过去的坎:投资者的资金期限、投资者的风险承受能力以及投资者对某个行业的理解力。这些变量不在任何模型的训练语料里,只存在于投资者自己的财务事实和认知边界中。工具可以继续进化,决策的责任却无法外包。用AI拓宽信息面,用自己的框架做选择,用长期的钱做长期的事,这或许是AI选基热潮中,我们最值得坚持的理念。
