01
原文：Cao S, Jiang W, Wang J, et al. From man vs. machine to man+ machine: The art and AI of stock analyses[J]. Journal of Financial Economics, 2024, 160: 103910.
From Man vs. Machine to Man + Machine: The art and AI of stock analyses
ABSTRACT: An AI analyst trained to digest corporate disclosures, industry trends, and macroeconomic indicators surpasses most analysts in stock return predictions. Nevertheless, humans win ‘‘Man vs. Machine’’ when institutional knowledge is crucial, e.g., involving intangible assets and financial distress. AI wins when information is transparent but voluminous. Humans provide significant incremental value in ‘‘Man + Machine’’, which also substantially reduces extreme errors. Analysts catch up with machines after ‘‘alternative data’’ become available if their employers build AI capabilities. Documented synergies between humans and machines inform how humans can leverage their advantage for better adaptation to the growing AI prowess.
从人机大战到人+机器:股票分析的艺术和人工智能
摘要：人工智能分析师经过训练学习企业信息披露、行业趋势和宏观经济指能够在预测股票回报方面赶超大多数分析师。然而，当制度知识至关重要时，人类在“人机大战”中获胜，例如，涉及无形资产和财务困境。当信息透明但数量庞大时，人工智能就会获胜。人类在“人+机器”中提供了显著的增量价值，也大大减少了极端错误。如果分析师的雇主建立了人工智能能力，那么分析师在使用“替代数据”后赶上机器。结果表明，人类和机器间的协同作用揭示了人类应如何利用自己的优势以便更好地适应不断发展的人工智能。
亮点：（1）文章从“人类对抗机器”到“人类与机器协同”的视角进行探讨，这一转变捕捉了现代科技与传统分析方法结合的趋势。通过引用国际象棋中“半人马”的例子，文章巧妙地引入了人类与机器合作在其他领域的潜力。（2）本研究支持人工智能可以增强分析师能力的假设，更重要的是，分析师的工作对人工智能建模具有增量价值和协同作用，特别是在不寻常和快速发展的情况下。（3）在高风险的情况下，“半人马玩家”（centaur players）在克服严重的预测错误方面特别有帮助。这一独特的发现对人工智能助手的安全性和稳健性具有重要意义，同时保留了人类在决策中的关键作用。如果国际象棋和股票分析对一般技术工人有一些外部有效性，那么本文研究的推论为人类如何利用自己的优势并更好地适应人工智能时代提供了指导。
02
原文：Rossi A G, Utkus S. The diversification and welfare effects of robo-advising[J]. Journal of Financial Economics, 2024, 157: 103869.
The Diversification and Welfare Effects of Robo-Advising
ABSTRACT: We study the diversification and welfare effects of a large US robo-advisor on the portfolios of previously self-directed investors and document five facts. First, robo-advice reshapes portfolios by increasing indexing and reducing home bias, number of assets held, and fees. Second, these portfolio changes contribute to higher Sharpe ratios. Third, those who benefit most from robo-advice are investors who did not have high exposure to equities or indexing and had poorer diversification levels. Fourth, robo-advice decreases the time investors dedicate to managing their investments. Fifth, those investors who benefit most are more likely to join the service and not quit it.
机器人顾问的多样化和收益效应
摘要：本文研究了美国大型机器人顾问对以前自我导向投资者投资组合多样化和收益的影响，并记录了五个事实。首先，机器人顾问通过增加指数、减少本土偏好、持有的资产数量和费用来重塑投资组合。其次，这些投资组合的变化有助于提高夏普比率（Sharpe ratios）。第三，那些从机器人顾问中获益最多的是那些股票或指数敞口不高、多样化较差的投资者。第四，机器人顾问减少了投资者用于管理投资的时间。第五，那些受益最多的投资者更有可能加入这项服务，而不是退出。
亮点：（1）本文研究了美国一家大型智能顾问（robo-advisor）对投资组合多样化和投资者福利的影响。研究特别关注那些先前自主管理投资的投资者在接受智能投顾后，投资组合和行为的变化。这一研究填补了当前关于智能投顾如何影响个体投资者行为和投资结果的知识空白，具有很强的现实意义。（2）本文确立了关于机器人建议的五个事实。事实1：采用机器人顾问从根本上重塑了自我导向投资者的投资组合，增加了指数，减少了本土偏见，减少了持有的资产数量和费用。事实2：机器人咨询在略微降低平均预期回报的同时，也更能降低总波动性和特殊风险，从而显著改善对数夏普比率，从而为CARA公用事业投资者带来福利。事实3：从机器人建议中获益最多的投资者是那些在接受建议之前没有大量投资股票，没有进行国际多元化，也没有广泛投资于指数共同基金的投资者。事实4：机器人顾问的投资者花费更少的时间来监控他们的投资组合，平均节省6个小时的时间，每年价值约450美元。事实5：从机器人咨询服务中获益最多的投资者更有可能接受它，而不太可能放弃它。（3）文章利用机器学习算法等计量方法来分析投资者特征与投资表现变化之间的关系，不仅提高了分析的精度，也提供了对数据非线性关系的深刻理解，避免了传统线性模型的潜在局限性。建立了机器人咨询对投资者收益的定性影响。建立定量的福利影响将需要制定和估计一个更复杂的投资组合选择模型，并在我们的计算中包括额外的特征，如劳动收入和个人在我们的资产管理公司之外持有的财富。
03
原文：Clegg M, Hofstetter R, de Bellis E, et al. Unveiling the Mind of the Machine[J]. Journal of Consumer Research, 2023: ucad075.
Unveiling the Mind of the Machine
ABSTRACT: Previous research has shown that consumers respond differently to decisions made by humans versus algorithms. Many tasks, however, are not performed by humans anymore but entirely by algorithms. In fact, consumers increasingly encounter algorithm-controlled products, such as robotic vacuum cleaners or smart refrigerators, which are steered by different types of algorithms. Building on insights from computer science and consumer research on algorithm perception, this research investigates how consumers respond to different types of algorithms within these products. This research compares high-adaptivity algorithms, which can learn and adapt, versus low-adaptivity algorithms, which are entirely pre-programmed, and explore their impact on consumers' product preferences. Six empirical studies show that, in general, consumers prefer products with high-adaptivity algorithms. However, this preference depends on the desired level of product outcome range—the number of solutions a product is expected to provide within a task or across tasks. The findings also demonstrate that perceived algorithm creativity and predictability drive the observed effects. This research highlights the distinctive role of algorithm types in the perception of consumer goods and reveals the consequences of unveiling the mind of the machine to consumers.
揭开机器的神秘面纱
摘要：之前的研究表明，消费者对人类和算法做出的决定存在不同的反应。然而，许多任务不再由人类执行，而是完全由算法执行。事实上，消费者越来越多地遇到由算法控制的产品，如机器人真空吸尘器或智能冰箱，均由不同类型的算法控制。基于计算机科学和消费者对算法感知的研究，本研究调查了消费者对这些产品中不同类型算法的反应。本研究比较了可以学习和适应的高自适应算法与完全预先编程的低自适应算法的区别，并探讨了它们对消费者产品偏好的影响。总体而言，六项实证研究表明，消费者更喜欢具有高自适应算法的产品。然而，这个首选项取决于产品结果范围（一个产品在一个任务内或跨任务提供的解决方案的数量）的期望水平。此外，感知算法的创造力和可预测性驱动观察结果。这项研究强调了算法类型在消费品感知中的独特作用，并阐述了向消费者揭示机器思想的后果。
亮点：（1）文章通过探讨消费者对不同类型算法的反应，揭示了消费者在面对高适应性（High-Adaptivity）和低适应性（Low-Adaptivity）算法控制的产品时的偏好。这一研究填补了消费者如何感知和反应算法控制产品的认知空白，尤其是在适应性和产品结果范围（Product Outcome Range, POR）之间的关系方面。（2）在这项研究中，本文证明了消费者对算法如何在产品内部运行以及实现算法的类型可以驱动产品偏好感兴趣。基于计算机科学对算法类型的见解和对算法感知的消费者研究，本文在高自适应算法和低自适应算法之间得出了与消费者相关的区别，其中自适应是指算法可以独立于程序员改变其操作的程度。（3）本文表明，与影响产品偏好的低自适应算法相比，高自适应算法被认为更具创造性，但更不可预测。本文提出，高适应性通常会增加产品偏好，因为创造力是许多算法控制产品的理想特性。然而，当可预测性比创造性更重要时，消费者就不太可能喜欢高适应性。（4）研究的管理意义在于帮助企业理解如何通过揭示算法的“思维”来影响消费者对产品的感知和偏好。特别是在高适应性算法的解释性对其可预测性影响的探讨中，研究为企业如何增强消费者对复杂算法产品的信任提供了实用建议。
本文仅用于学术交流
原文版权归原作者和原发刊所有
转载请注明出处
总编：游家兴
解析：夏雨珂
审校：林慧 司淑玉
编辑：潘芳妍
