AI 可以复现经济学研究,但投资团队仍需要审计轨迹

大模型可以压缩复现研究的时间,但只有保留数据、代码和人工判断的完整记录,投资工作流才真正变得更可靠。

带有人类审计节点的人工智能研究复现工作流社论插画。

投资研究工作流正在论文变成可检验结果的地方发生变化。过去,分析师需要阅读论文、寻找数据和代码、改写设定,再判断结果是否值得继续投入时间。现在,大模型可以帮助研究员搜索代码仓库、解释陌生代码、把表格转成执行计划,并提出稳健性检查。

这确实改变了工作方式,却不能证明结果正确。2026年9月,Matthew Schwartz、Isaiah Andrews 和 Jesse M. Shapiro 发布的 NBER 工作论文描述了一套用大模型复现、改进和延伸经济学研究的工作流。对投资团队而言,最实际的结论更有限:AI 可以降低复现的摩擦,但研究记录必须留下足够证据,让人能够区分忠实复现与看起来合理的重写。

投资工作流发生了什么变化

旧流程通常是线性的:阅读、写代码、运行、解释。新的流程更像受监督的研究循环。模型可以把论文中的论断对应到数据文件和代码模块,找出缺失依赖,生成实现方案,并列出差异。研究员随后核对数据版本、样本区间、变量定义、转换方式和输出结果。

稀缺资源因此发生转移。最难的未必是写出第一版代码,而是审计这段代码究竟做了什么。研究成果应当是一条可版本化的轨迹:论文及获取日期、数据和代码版本、提示词或指令版本、模型输出、研究员修改、运行日志,以及与原论文结果的差异表。

BCG 2026年10月的全球资产管理报告认为,智能体系统正把资产管理从零散试验推向工作流重构。这是行业信号,不是投资绩效的因果研究。它提示了一个工作流假设:当 AI 连接更多任务时,控制点也必须从最终备忘录审阅前移到整个链条。

AI 辅助的复现工作流如何运作

先建立冻结的研究包,记录论文版本、数据发布日期、代码仓库提交版本,以及要检验的确切问题。只允许模型读取这个研究包,并在可丢弃的执行环境中运行。先要求模型制作“论断—证据文件”对应表,再让它修改代码。

接着把输出分成三类。“已复现”表示在规定输入下重现了原结果;“已改变”表示数据、代码、样本或设定不同;“新提议”表示论文没有做过的分析。这样可以避免把漂亮的延伸结果误当成原结论仍然成立的证据。

每个差异都要进入差异台账:预期值、观察值、可能原因、执行的检查和处理结论。人工审阅必须覆盖前视偏差或数据泄漏、样本选择、缺失值、变量转换、基准构造,以及模型是否悄悄换用了方便的代理变量。模型可以解释代码,但不能替人证明经济关系具有因果性。

交给投资委员会的也不应是一段自信的摘要,而应是一份复现包:论断、支持它的确切文件、偏离之处、尚未解决的问题,以及谨慎的研究启示,而不是证券推荐。

实践练习

练习目标: 在60至90分钟内,选择一篇有公开代码仓库的经济学或金融论文。固定论文、仓库版本、数据链接和获取时间。只让大模型协助代码导航、文档解释和一份有日志的复现计划。

基线与指标: 先用20分钟手工建立论断—证据文件表,再用剩余时间运行AI辅助流程。比较两种方法的文件链接正确率、未声明的假设、未解决的差异、运行成功率,以及形成可审阅复现包所需的时间。基线是手工表格,观察窗口是当次练习加次日检查,确认链接和输入仍然可用。

停止条件: 如果模型编造文件或引用、未标注就改变样本、经过两次有记录的检查仍无法复现结果,或从未经验证的延伸分析直接提出投资结论,就停止。练习只限研究:不得下单、配置资金或连接真实账户。

现实校验

复现不等于验证。论文可能有错误,数据可能被修订,已经复现的相关关系也可能没有决策价值。如果模型优先挑选容易处理的论文或仓库,就会产生选择偏差;如果团队只报告成功运行,就会产生生存偏差和报告偏差。模型和提示词变化还会使流程不稳定。人工审阅者也可能被流畅解释说服,反而造成审计中的测量偏差。

NBER 论文是工作论文,并未证明大模型辅助研究能够带来超额收益。BCG 报告是行业观点,也不是独立的部署实验。激励同样重要:供应商希望强调吞吐量,研究团队可能希望展示干净的复现队列。因此,应该测量来源、差异和异常,而不是把宣传材料当作结果。

对主观投资者而言,应先看差异台账,再看叙事。系统团队应把提示词、模型、数据和代码一起版本化。工具构建者应把“已改变”和“新提议”设为明确状态。真正有价值的前沿不是让 AI 自主判断投资,而是让研究更快、更可检查,同时把权限严格限制在证据能够支持的范围内。

链接 / 来源


Read in English →