AI của JPMorgan vượt danh mục 60/40 trong 20 năm backtest, nhưng kèm cảnh báo lớn

AI của JPMorgan vượt danh mục 60/40 trong hai thập kỷ mô phỏng

Nhóm chiến lược đa tài sản của JPMorgan, do Thomas Salopek dẫn đầu, đã công bố kết quả thử nghiệm đáng chú ý trong một báo cáo ngày 9 tháng 7: 8 AI agent được xây dựng nội bộ đã vượt trội so với danh mục đầu tư truyền thống 60% cổ phiếu / 40% trái phiếu (60/40) trên dữ liệu lịch sử 20 năm.

Danh mục 60/40 từ lâu là chuẩn mực cho các nhà đầu tư cân bằng. Năm 2022, mô hình này trải qua năm tệ nhất kể từ 1937 khi cả cổ phiếu lẫn trái phiếu đều lao dốc đồng thời.

Cơ chế hoạt động của các AI agent

Các agent được lập trình để đọc bốn chế độ kinh tế vĩ mô được xác định bởi tốc độ tăng trưởng và lạm phát, từ đó tự động điều chỉnh tỷ trọng giữa cổ phiếu và trái phiếu. Khi tăng trưởng mạnh, agent nghiêng về cổ phiếu; khi suy yếu, chuyển sang trái phiếu.

Kết quả nổi bật:

• Agent hoạt động tốt nhất vượt danh mục 60/40 thêm 0,7 điểm phần trăm mỗi năm
• Biến động hàng năm thấp hơn 2,8%
• Tất cả 8 agent đều thắng trên cơ sở điều chỉnh rủi ro, với Sharpe ratio từ 0,74 đến 0,95 so với mức 0,61 của danh mục chuẩn

Đáng chú ý, các agent này chạy trên mô hình thương mại sẵn có từ OpenAI và Anthropic, nhưng vẫn vượt qua mô hình chế độ dựa trên quy tắc nội bộ của chính JPMorgan.

Liên hệ với tầm nhìn "agent-first" của Jack Dorsey

Phương pháp tiếp cận này có nét tương đồng với triết lý mà CEO của Block, Jack Dorsey, vừa chia sẻ công khai. Ngày 10 tháng 7, Dorsey viết trên mạng xã hội: "Tôi đã chuyển từ việc ra lệnh cho AI làm gì, sang hỏi AI nên làm gì, rồi chọn hướng tốt nhất."

Dorsey không chỉ phát biểu lý thuyết — ông đã cắt giảm hơn 4.000 nhân sự tại Block vào tháng 2, tương đương khoảng 40% lực lượng lao động, đồng thời ghi nhận AI là nhân tố chính trong quyết định này. JPMorgan, theo một cách khác, đang áp dụng logic tương tự vào thị trường tài chính.

Cảnh báo mà các chuyên gia quant lão luyện đưa ra

Bản thân JPMorgan thẳng thắn thừa nhận giới hạn của kết quả: đây là mô phỏng lịch sử, không phải giao dịch thực tế, và ngân hàng khuyến cáo không nên diễn giải quá mức.

Theo phân tích của Richard Bernstein, một chuyên gia quant kỳ cựu phố Wall, vấn đề cốt lõi là publication bias — xu hướng chỉ công bố những backtest cho kết quả tốt. Ông đặt câu hỏi mang tính phản biện: "Bạn có bao giờ thấy một backtest được công bố rộng rãi mà lại cho kết quả kém không?"

Các mô hình AI linh hoạt có thể vô tình "học vẹt" theo nhiễu trong dữ liệu quá khứ, dẫn đến hiệu suất suy giảm khi phải đối mặt với chi phí giao dịch thực tế và các chế độ thị trường chưa từng xuất hiện trong lịch sử. JPMorgan cũng cảnh báo rằng nếu quá nhiều bên áp dụng AI theo cùng một chiến lược, rủi ro hệ thống có thể bị khuếch đại trong những thời điểm thị trường biến động.

Câu hỏi thực sự vẫn còn bỏ ngỏ: liệu các AI agent này có duy trì được hiệu suất khi bước vào giao dịch thực tế hay không.