閱讀原文摘要與關鍵詞
行為財務學指出,由於認知與注意力上的限制,人們在面對複雜資訊時,往往仰賴捷思與經驗法則以簡化決策,因而產生系統性偏誤。近年人工智慧與機器學習方法的發展,透過處理高維度、動態且非結構化的行為資料,實質改變了研究者衡量與分析此類認知限制的方式。本文回顧並統整人工智慧方法在行為財務學中的研究進展,並提出一個結合「個人—群體互動—集體」層次的分析架構,系統性整理並探討人工智慧如何影響個體決策程序、群體互動與價格形成,以及文化、制度與敘事等集體行為現象。本文進一步討論人工智慧作為決策中介與行為設計工具,在公司理財、投資建議與家計金融等場域中,如何將行為財務學的理論洞見轉化為可操作的制度安排(如理財機器人)與實際應用。
關鍵詞:行為財務學;人工智慧;硬/軟資訊;理財機器人;投資人異質性;家計金融。
AI 更聰明,人就會更理性嗎?
投資人常因過度自信而頻繁交易,也可能因損失規避而不願實現虧損。若 AI 可以快速整理資訊、計算風險並比較投資方案,這些問題是否就能迎刃而解?
這篇文章提出的答案更有層次:AI 可能改善判斷,也可能改變偏誤的表現方式,甚至讓原本分散的錯誤變得同步。理解它的影響,必須同時觀察個人如何決策、人們如何互動,以及制度與文化如何塑造整體市場。
原文是一篇文獻回顧與概念整合文章。它將 AI 視為連結行為理論與實際資料的重要基礎設施:研究者可以更細緻地觀察情緒、注意力與信念,也有機會用計算與模擬,分析不同投資人互動後形成的市場結果。閱讀時,應區分既有研究證據、可能的作用機制,以及仍待驗證的研究方向。
先問資訊如何被理解,再問價格如何變動
文章從一個基本問題出發:市場中的「資訊」究竟是什麼?同一則消息,樂觀與悲觀的投資人可能有不同解讀;相同的公司展望,也可能因當時的市場敘事而獲得不同權重。因此,資訊不會自行變成價格,中間還有理解、判斷、交易與互動的過程。
原文區分兩種資訊。硬資訊是較容易記錄、標準化與比較的內容,例如財報數字、價格與成交量;軟資訊則較依賴語境與解讀,例如管理者的語調、新聞敘事、市場評論與主觀感受。兩者並非截然二分,而是具有不同程度的可量化與可驗證性。
AI 的重要能力之一,是把原本難以整理的文字、聲音等軟資訊,轉成可追蹤、可比較的訊號。但能把情緒轉成一個分數,不代表已經正確掌握情緒,更不代表能穩定預測報酬。原文特別提醒:可衡量,不等於可驗證或可推論;資料、模型與應用情境仍須接受檢驗。
三個層次,看見從個人到市場的連結
文章最重要的整理工具,是「個人—群體互動—集體」三層分析架構。它讓我們從「某個人是否犯錯」,進一步追問錯誤如何被傳播、加總或制度化。
| 層次 | 關注的問題 | AI 帶來的改變 |
|---|---|---|
| 個人 | 人如何分配注意力、形成信念與作決策? | 協助整理與分析資訊,也可能造成過度依賴或強化既有判斷。 |
| 群體互動 | 不同投資人的判斷如何透過交易影響價格? | 提升資訊處理效率,也可能讓訊號、部位與交易時點趨同。 |
| 集體 | 文化、制度與敘事如何形塑市場行為? | 資料選擇、模型標準與推薦機制,可能改變哪些觀點被看見與採納。 |
三個層次彼此連動。例如,個人採用 AI 建議,看似只是自己的選擇;若許多人使用相似工具,便可能形成群體性的交易反應;若這些工具又被納入共同的風控與績效制度,其影響就不再只限於個人。
校準、替代或放大:AI 與直覺的三種關係
行為財務學常借助雙歷程理論,理解快速、直覺的 System 1,與較費力、偏向分析的 System 2。這不是說直覺一定錯、分析一定對,也不是把軟資訊與硬資訊分別配給兩個系統。關鍵在於:人們何時願意投入注意力,又如何判斷分析是否值得信任。
文章指出 AI 的三種可能角色。第一是校準:透過風險提示、情境比較與回饋,讓人重新檢視直覺。第二是替代部分分析工作:降低整理資料與計算的負擔。第三是放大:若建議持續迎合既有立場,或介面讓人過度相信模型,偏誤也可能被強化。
例如,投資人原本只挑支持自己看法的消息,使用 AI 後也可能只接受符合預期的回答。反過來,若系統能呈現相反證據與模型的不確定性,則可能有助於審慎判斷。這些效果取決於設計與使用情境,不能僅憑工具採用了 AI,就認定它已成功消除偏誤。
個別判斷更精準,市場仍可能更脆弱
在市場層次,文章提出一個值得注意的問題:當投資人都變得更會分析,整體市場是否必然更穩定?如果大家依賴相似資料、模型與目標,答案未必如此。
即使各模型平均而言表現不差,它們也可能在同一種情境下一起犯錯。原本可以相互分散的判斷誤差,便可能轉為高度相關的反應。原文以共同風控規則下的同步去槓桿等機制,說明為何效率改善與市場脆弱性可能同時存在。
文化與制度也不會因 AI 而消失。模型使用哪些語言、哪些資料被納入訓練、推薦內容如何排序,都可能影響信念的形成與傳播。因此,理解 AI 的市場影響,除了看預測準確度,也要看模型使用是否集中,以及它被放進什麼樣的制度與資訊環境。
從公司理財到家計金融:工具替誰服務?
公司理財:模型是否真的改變管理者的判斷?
AI 可以協助預測、投資評估與風險分析,但管理者仍可能選擇性採納支持既有策略的輸出。原文因此將治理、決策權限與模型使用方式,放在與技術能力同樣重要的位置。
理財機器人:不只提供答案,也設計選擇
預設資產配置、風險標籤、建議排序與再平衡提醒,都會影響投資人如何理解風險與採取行動。理財機器人因此不只是自動化顧問,也參與「選擇建築」:透過選項的呈現與預設安排,塑造實際的決策環境。
家計金融:以長期穩定,而非交易量為目標
家庭須同時安排退休、教育、購屋、保險與負債。AI 可以協助執行目標導向的儲蓄與配置,降低持續自我監控的負擔。但平台究竟以家庭的長期財務穩定,還是以交易量與產品銷售為目標,將影響行為引導的方向。
三種應用共同指向一個問題:我們不能只問系統能算出什麼,還要問它依什麼目標運作,以及誰承擔決策的後果。
當計算可以外包,判斷責任更加重要
原文對未來的展望,不只是更快的模型。當資料整理與計算變得便宜,人類的角色可能更集中於界定問題、選擇模型、理解不確定性,以及承擔判斷責任。
另一項挑戰是:衡量本身也會改變行為。當平台把投資人標示為「積極型」,或依評分排列投資標的,這些結果就可能反過來影響選擇。研究者因此需要區分:觀察到的是原本的偏好,還是分類與建議所誘發的反應?這使因果認定與資料詮釋更為重要。
文章提出的後續方向,包括模型同質化與市場波動、不同偏誤被校準或放大的條件、異質投資人與 AI 的模擬、敘事與情緒傳播,以及制度治理與責任分配。相較於個人層次,群體互動與集體層次仍有較多待探索的空間。
AI 可以降低資訊處理的負擔,但能否改善財務決策,仍取決於人、模型與制度如何共同運作。
原文與延伸閱讀路線
周賓凰(2026)。〈人工智慧與行為財務:分析架構與未來展望〉。《證券市場發展季刊》,第38卷第2期,1–58頁。
DOI:10.6529/RSFM.202606_38(2).0001
本頁依上述文章撰寫導讀;摘要與關鍵詞依原文收錄,標點依網頁格式統一。正文以較通俗的方式整理論點,並非原文全文重製。
| 想進一步理解 | 建議閱讀 |
|---|---|
| 資訊、認知限制與整體分析架構 | 第貳節,第5–14頁。 |
| AI、軟資訊與個人行為偏誤 | 第參節,第14–28頁。 |
| 群體互動、制度、文化與市場後果 | 第肆節,第28–35頁。 |
| 公司理財、理財機器人與家計金融 | 第伍節,第35–40頁。 |
| 未來研究議程與結論 | 第陸、柒節,第40–47頁。 |