AI 荐股,天然容易买到最拥挤的地方?

AI 可能能捕捉热门共识，但买方要判断共识是否还有预期修正空间。

复盘这一轮科技硬件股的走势时发现了一个很有意思的研究，Investopedia报道了一篇发表在NBER上、主题关于 AI 管理家庭股票组合的 preliminary report 。研究让 ChatGPT、Grok、Claude、Gemini 等模型自行选股构建投资组合，结果发现 AI 组合明显偏向大科技和半导体，Nvidia 几乎是共同选择，也就是AI推荐出来的组合明显偏向大公司或者说价值动量股，并且很大程度上受公司媒体关注度影响。研究者认为，这些模型的推荐更受媒体报道量影响，除了价值分析之外更多在意动量与价值的正交组合。半导体平均占 AI 组合约 41%，大约是其在 S&P 500 权重的两倍；AI 组合原始收益不错，但扣除交易成本和科技股偏置后，并没有显著跑赢被动特征基准。

可能这个结果很容易被降维理解为一句简单结论：AI会被新闻和热门叙事偏置影响。但我觉得这个理解会过于简化，原因是新闻密度本身并不一定全都是噪音，尤其是精选过传统财经媒体的信息源之后，注意力和热点本身自带价值。市场不会无缘无故反复讨论一家公司、一条产业链、一个方向，被大量报道有可能说明它正在成为资金、产业、盈利修正和市场叙事共同汇聚的地方。

AI偏向半导体和科技这件事说明，很可能AI天然擅长捕捉市场上最显眼、最拥挤、最有叙事密度的资产。这个天然偏好用不好就变成了接盘侠，但用的好的话甚至可能在强势股趋势延续的阶段会很有效。

可能很多人会说，既然 AI 能读这么多信息、找到 NVDA、半导体等这类强势资产，而且原始收益也不错，能赚到钱，那这不就够了吗？

在牛市里，把满仓科技Beta误认为个人Alpha，是每个毁灭性周期的开端。买方不恐慌亏钱，买方恐慌的其实是，不知道自己为什么赚钱。

因此站在买方视角的话，这还不够。赚钱当然是真的，但买方必须知道自己赚的是 alpha、动量、科技 beta，还是市场注意力溢价。长期来看，买方真正需要拆解的其实是，这到底是一轮尚未完成的预期修正，还是已经被市场充分奖励过的显性共识？

强势资产的趋势动量延续与否，关键是需要有效识别它处在什么阶段，预期修正中段，还是已经进入过度外推后段。

假如我们倾向利用AI容易买到热门的特质，考虑构建一种有效的强势股策略时，需要加一步很重要的追问的：

AI 识别到的是仍在修正中的强势主线，还是已经被充分奖励过的显性共识？

以及，更进一步。当 AI 找到热门之后，买方该如何判断，这个热门方向背后还有没有下一轮预期修正？

当我们看到 AI 组合偏向科技股和半导体，第一反应很容易代入：这不就是追热点吗，胆子大一点上仓位不就行了？不能这么简单对等的原因是，强势资产趋势延续的条件触发并非偶然，大概率是多个重要变量在相近的时间窗口内密集爆发、多点共振。它可能背后有重要的产业趋势变迁，或者盈利上修、早期订单验证痕迹、价格上涨这一类跟盈利挂钩的信息，可能反应资金集中度、叙事扩散，乃至全球资产配置共振的程度进展。

相关新闻密集，大概率不会是因为媒体没来由地青睐某家公司，更有可能的原因是这家公司已经处在市场注意力、产业变量和资金行为的交汇点上。新闻密度、市场关注度、价格动量、盈利上修和产业叙事，一旦这些本就不是彼此独立的变量，开始直接或间接的正向互相强化并形成正反馈，这个过程本身就是在做动态的趋势增强，也正是很多强势主线能够持续很久的原因。

同样是AI构建了一个全部由热门科技标的组成的投资组合，为了判断AI是真实具备独立选股能力，还是说仅是帮你完成加载一个更集中的科技成长暴露的动作，这其实就是探究Alpha与Beta的归因隔离，而收益归因的意义正是为了清楚的回答这三个问题：这笔钱是因为什么赚的？未来还能不能继续赚？什么时候会反噬？

主动管理的复盘或者说收益归因环节的意义，正是区分“运气”（随机性或承担系统性风险的补偿）与“真正的选股技能”（Alpha 或 Information Coefficient, IC）的过程，而这也是整个对主动管理评价体系的核心目标。更多时候，收益的来源比收益本身更加重要，因为收益来源决定了下一阶段该怎么处理仓位。如果赚的是 alpha，可能需要继续跟踪假设兑现；如果赚的是动量，可能要盯住趋势衰减和拥挤度；如果赚的是科技 beta，可能要警惕风格切换；如果赚的是市场注意力溢价，就必须判断注意力是否还会继续扩散。

这就是买方和普通荐股之间的区别。普通荐股更关心推荐后会不会短期快速上涨;

而买方更加关心的则是：我承担的是什么风险，赚的是什么钱，这种收益来源还能持续多久。

因此试想一下，未来的主动管理可以妥善借助AI对热门共识的天然偏置，将其重构为一种极高维度的叙事与动量传感器。正如Lunartulip长期以来的主张，一种碳基直觉+硅基外骨骼的买方投资新范式：由硅基系统去穷尽信息的广度、敏锐捕捉共识的汇聚，而买方则用深刻的碳基直觉，去拷问共识背后的基本面斜率与预期差边界。