本文基于韩国400名职场DC养老金参与者的投资组合选择实验,考察不同AI推荐内容如何传导至个人最终配置。结果显示,激进与保守推荐之间约37%的差异传导至最终组合,主要体现为预期收益、波动率、风险等级配置和持有产品数量的变化,但未显著改善夏普比率。81%的参与者进行了调整,其中95%的调整方向与AI建议一致,但平均仅执行约一半的建议幅度;附加解释理由也未显著改变建议采纳程度。研究表明,个体并非完全接受或拒绝AI建议,而是结合初始判断进行部分且选择性调整。
报告标题为《Do People Follow AI Advice? Evidence from a Pension Portfolio Choice Experiment》,作者包括 Hongseok Choi、Jeongbin Kim、Matthew Kovach、Kyu-Min Lee、Euncheol Shin、Hector Tzavellas,发布日期为2026年8月13日;原文未明确列出作者所属机构或发布机构。 报告主题是生成式人工智能,尤其是不同AI投资建议如何影响个人的退休金资产配置行为。 研究对象为韩国 workplace defined contribution(DC,缴费确定型)养老金计划参与者,核心问题不是AI能否生成“正确”建议,而是用户究竟会把AI建议的多少内容纳入最终决策。
报告的主结论可以概括为:AI建议具有显著但不完整的行为传导效果。激进建议与保守建议之间差异的约37%最终传导至参与者的养老金组合;81%的参与者在收到建议后进行了调整,其中调整者的95%朝着AI建议的方向移动,但通常只执行约一半的建议调整。 这种传导主要改变组合的预期收益、波动率、风险等级配置和持有产品数量,却没有产生可识别的夏普比率改善,说明AI主要改变投资者承担的风险水平,而不是稳定地提高风险调整后绩效。
需要特别强调的是,研究并非识别“GPT-4 Turbo优于GPT-4o”或某一个模型的普遍影响。由于模型身份与建议内容同时变化,实验识别的是参与者被随机分配到两种具体投资组合建议后的因果差异,即“激进建议相对于保守建议”的效果。
引言首先指出,AI已经能够在消费、储蓄、投资和退休规划等涉及重大经济权衡的领域提供建议,但AI建议是否真正影响经济结果,取决于使用者是否采纳以及采纳程度。 因此,报告将研究重点从“AI能否给出理性、金融知识充分的答案”转向“用户如何吸收并执行AI建议”。这一转变很重要,因为即使建议本身准确,如果用户不行动,其经济影响仍然有限;反之,不准确的建议若被大量采纳,也可能造成实质性风险。
养老金配置适合作为实验场景有三个原因:第一,退休资产影响长期福利,决策中存在真实的收益—风险权衡;第二,受试者本身就是 workplace DC 计划参与者,任务与其现实经验相似;第三,在固定资金分配至多个产品的任务中,研究者不仅能观察是否调整,还能衡量调整方向、调整幅度以及是否执行了建议的具体产品权重。
文献综述将本文与算法厌恶、算法欣赏、建议采纳、人机协作、机器人投顾和家庭资产配置研究联系起来。本文并不是直接检验“人们是否更信任算法而非人类顾问”,因为所有参与者都收到AI建议,也没有人类顾问对照组;它考察的是用户如何把一次性、非强制性的AI建议与自身原有判断结合起来。 相较于专业化机器人投顾,本文研究的是用户直接咨询通用大型语言模型后的单次投资建议,因此更接近普通零售投资者可能面对的现实使用方式。
研究招募了400名韩国成年人,年龄35—55岁,均在职并参加 workplace DC养老金计划;每个实验条件100人。样本按性别和年龄组进行配额平衡,参与者必须使用电脑或笔记本,因为11项产品表格在移动设备上难以清晰显示。 研究排除了自雇者、自由职业者、家庭主妇、学生、失业者以及仅有DB或个人退休账户的人员,从而使样本更贴近需要主动承担投资风险并选择资产配置的DC计划参与者。
这种样本选择增强了任务与现实养老金决策的对应关系,但也限制了外部有效性:结果不能直接推广至年轻人、退休人员、自雇者、没有养老金账户的人,或其他国家的投资者。
实验为2×2组间设计:
两种建议使用完全相同的11项产品信息,但生成了不同配置。GPT-4 Turbo组合为:
10%、10%、5%、15%、0%、0%、10%、20%、0%、0%、30%。
GPT-4o组合为:
20%、20%、10%、10%、10%、10%、5%、5%、0%、5%、5%。
前者对产品8和产品11等高风险、高历史收益产品配置较多,后者则提高产品1、2等低风险产品以及中等风险产品的配置,并降低最激进产品权重。 这里的模型差异被研究者解释为建议内容的处理,而不是模型技术能力的直接比较。
参与者先阅读养老金和产品信息,回答关于负收益、标准差和三年期收益的理解题,然后做出没有AI建议的基准组合;之后随机看到一种AI建议,并提交最终组合;最后完成关于金融知识、认知反思、风险偏好、耐心程度、AI态度和人口统计特征的问卷。,
任务并非完全无激励。参与者的组合被用于模拟退休财富,收益依据产品历史收益和标准差校准的正态分布独立抽样,并根据距离60岁退休年龄的剩余年限进行复利,最终产生500至30,000韩元的额外奖金。 这种设计让预期收益和收益波动都具有金钱后果,但仍需注意:模拟收益基于历史数据和正态分布假设,并不等同于真实资本市场中的长期收益分布。
产品菜单包含11项产品,信息包括3个月、6个月、1年、2年和3年历史收益、风险等级、收益标准差和投资比例。产品1为本金保障型低风险产品,标准差仅0.09;产品2标准差为1.09;产品3和4属于普通风险,其中产品4三年收益约19.27%;产品7、8、9属于高风险,产品8三年收益约33.27%,但标准差21.01;产品10和11属于非常高风险,标准差分别为28.24和27.09。
这张产品表形成了一个清晰的收益—风险梯度:产品1和2提供稳定性,产品8和11提供较高历史收益但承担更高波动,产品9则呈现较差的近期和中期表现。表格同时提示年通胀率1.2%、养老金管理费0.6%,并提醒过去收益不保证未来收益。, 该菜单并非随意虚构,而是基于Ha等人的韩国退休金产品设计,试图模拟韩国投资者实际面对的产品环境。
图1以流程箭头展示“资格筛选—无建议选择—有建议选择—问卷调查”的四阶段流程,并在有建议阶段随机进入四个处理组。 该顺序保证了每个人都有一个可比较的基准组合,同时减少了不同个体初始偏好的干扰。
图2将产品、平均基准组合、两类AI建议和四个处理单元的最终平均组合放在预期实际收益—标准差平面上。激进建议位于更高收益、也更高风险的位置;保守建议收益和风险都较低;平均基准组合处于二者之间。, 激进建议的预期收益比保守建议高3.123个百分点,波动率高6.256个百分点,但夏普比率反而低0.071,说明激进组合并不具有更优的风险调整收益。
图中最重要的视觉信息是:无论收到哪一种建议,最终平均组合都只向相应建议移动了一部分,未完全到达建议点;有无解释的同类组合位置相当接近。, 黑色有效前沿基于11项产品、只能做多且假设产品收益不相关的条件计算,因此是一个模型化基准,而不是实际市场中的真实有效前沿。收益不相关的假设尤其重要,因为真实资产之间往往存在相关性,组合波动率和夏普比率可能因此被重新估计。
图3横轴是激进建议与保守建议在某一产品上的权重差,纵轴是激进处理相对于保守处理对该产品最终调整幅度的因果影响。虚线45度代表完全执行建议,实线斜率0.372代表平均约37.2%的传导。,
九个建议权重不同的产品中,有九个点估计方向与建议一致,但大多数明显位于完全传导线以内,说明投资者普遍采纳建议方向,却没有完全复制建议。 产品8和11的权重差异最大,产品1、2、5、6也出现较明显的调整;这种产品层面斜率与组合建议轴上的0.372完全对应,说明总体传导结果并非某个单一产品偶然驱动,而是多个产品权重变化的综合结果。
图4将初始建议差距放在横轴,将朝建议方向的实际移动距离放在纵轴。45度虚线代表完全执行,实线斜率0.51表示调整者平均执行建议差距的51%。, 大多数点位于零线以上但低于45度线,形象地说明参与者通常朝正确方向移动,却只走了一部分距离;同时,点的分散程度表明个体间调整方向和幅度差异较大。
研究把每个组合投影到“保守建议—激进建议”连线上,并将保守建议标准化为0、激进建议标准化为1。这样,激进处理和保守处理最终组合均值之间的差异,就可以解释为建议差异被传导的比例。
表4的三种估计结果非常接近:变更分数模型为0.372,基准调整ANCOVA模型为0.368,加入人口统计、理解能力、AI态度和风险偏好等控制变量后为0.364;核心估计的95%置信区间为[0.303, 0.433],并且显著拒绝0传导和完全传导。, 这说明结果既不是“用户完全忽略建议”,也不是“用户照单全收”,而是具有稳定的中等程度传导。
解释文字没有显著提高传导。无解释时传导率估计为0.324,有解释时为0.412,点估计相差0.089,但差异不显著,p值为0.179;解释本身造成的平均建议轴移动也仅0.015,p值为0.653。 因而,短篇定性理由在本实验中没有带来可靠的额外影响。
表5是报告最重要的结果表之一:
| 维度 | 激进与保守建议的差异 | 激进处理对最终组合的因果影响 | 传导率 |
|---|---|---|---|
| 预期收益 | +3.123个百分点 | +1.221个百分点 | 39.1% |
| 标准差 | +6.256个百分点 | +2.146个百分点 | 34.3% |
| 本金保护产品 | -10个百分点 | -3.521个百分点 | 约35% |
| 低风险产品 | -20个百分点 | -7.739个百分点 | 约38.7% |
| 高风险产品 | +40个百分点 | +13.744个百分点 | 34.4% |
| 非常高风险产品 | +20个百分点 | +8.083个百分点 | 40.4% |
| 持有产品数量 | -3个 | -0.836个 | 27.9% |
上述数字显示,激进建议确实使投资者承担更高风险并追求更高收益,且风险类别配置的传导比例大致处于28%—40%之间。, 但夏普比率、HHI集中度指数和最大单项产品权重均没有显著变化,意味着投资者跟随了“风险水平和产品类别”的建议,却没有明显复制建议的集中化特征,也没有改善风险调整后绩效。
这一区分很有意义:AI建议并非简单地让所有投资者变得“更有效率”,而是把他们推向不同的风险暴露。激进建议带来的收益提升基本伴随相近幅度的波动率提升,因此报告不能据此得出激进建议提高福利或投资效率的结论。
收到建议后,平均欧氏距离从0.52下降到0.41,下降0.11,即约减少21%;但这只是描述性距离变化,不等同于随机处理下的37%因果传导。 对未收到的另一份建议,距离仅下降0.032,说明调整并非单纯回归均值或普遍重新平衡,而是更明显地朝实际收到的建议移动。
400人中有323人,即81%,修改了组合;在修改者中,95%朝建议方向移动,4%背离建议,另有3人基本正交于建议方向。, 修改者的平均方向一致性为0.65,中位数为0.76;平均建议权重为0.51,意味着典型修改者执行约一半建议调整。,
因此,37%的总体传导来自两个边际:一是约19%的人完全不修改;二是修改者虽然大多朝建议方向,但只执行部分建议,并将相当一部分调整用于AI没有要求的其他方向。 这比简单问“是否采纳AI”更细致,因为它区分了是否行动、方向是否正确以及幅度是否充分。
报告考察了主观过度自信和基准组合客观低效两个特征,但明确指出这些关系不是因果关系,因为特征并非随机分配,而且主观判断是在决策后询问的。
27%的参与者错误地认为自己的基准组合同时具有更高收益和更低风险,实际满足这一“支配”条件的只有3%。过度自信者最终关闭的建议差距较少,控制变量后系数为-0.036;但他们的总调整幅度并没有显著减少,说明他们不是不愿意修改,而是修改方向较少指向AI建议。,
另一方面,59%的参与者基准组合夏普比率低于所收到建议的夏普比率,这些人调整幅度更大,系数为0.045,约相当于平均调整幅度0.28的16%;但他们并没有显著更接近建议。, 在修改者中,过度自信者的方向一致性为0.54,其他人为0.69;而初始组合被夏普比率支配的投资者,建议权重高0.131,但方向一致性差异不显著。
由此可见,过度自信主要影响“往哪里改”,而初始低效主要影响“改多大”。这是报告对传统单一“建议采纳率”指标的重要补充。
稳健性检验显示,按性别、是否将GPT建议视为最重要信息、任务是否类似真实养老金决策进行的异质性分析,均未发现可靠的处理交互效应。 安慰剂检验中,实际收到建议方向的系数为0.369,而未收到建议方向的系数仅0.001且不显著,进一步证明参与者响应的是具体收到的建议,而不是一般性地重新平衡。
报告也承认若干限制:
此外,短理由未显著增强传导并不等于所有解释性AI都无效;本实验只测试了简短、固定、模型特定的文字说明,较长解释、互动问答、风险披露或个性化建议可能产生不同结果。报告的统计功效分析表明,研究能够排除接近平均行为反应规模的部分影响,但较小的解释效应仍可能存在。,
总体而言,这份报告证明,AI金融建议对个人资产配置具有真实而有经济意义的影响,但这种影响是部分、选择性且非机械式的。用户不会完全接受或完全拒绝AI,而是保留对初始判断的较大权重:大多数人朝建议方向调整,但只执行约一半建议幅度,并经常加入AI未明确要求的其他变动。
图表和表格共同揭示了一个关键事实:AI建议最稳定地改变的是收益目标、波动风险、风险等级配置和投资产品数量,而不是夏普比率或集中度。换言之,AI系统可能通过不同的建议内容,把用户引向不同的风险承担路径,却未必同步改善投资效率。 因此,报告对AI金融服务的政策含义并非简单支持或反对,而是强调模型设计、建议内容和用户执行机制共同决定最终风险;即便建议不具备强制性,约37%的建议差异仍可进入用户最终养老金组合。,
2608.11371.pdf