Νέα μελέτη του National Bureau of Economic Research (NBER) για τις ΗΠΑ καταγράφει την ανάπτυξη των επενδύσεων που βασίζονται στην Τεχνητή Νοημοσύνη (AI-driven) και επιχειρεί να μετρήσει κατά πόσο η χρήση τέτοιων τεχνολογιών μεταφράζεται σε πραγματικό επενδυτικό πλεονέκτημα.
Πιο συγκεκριμένα, η μελέτη των Shuang Chen, Clemens Sialm και David X. Xu, που δημοσιεύθηκε ως working paper του NBER το 2026, εξετάζει 7.896 αμερικανικά hedge funds για την περίοδο 2006-2024. Οι ερευνητές συνδύασαν στοιχεία από κανονιστικές γνωστοποιήσεις επενδυτικών συμβούλων, δεδομένα της αγοράς εργασίας, αρχειοθετημένες περιγραφές επενδυτικών στρατηγικών και δεδομένα της Hedge Fund Research.
Οι συγγραφείς χρησιμοποιούν έναν σχετικά αυστηρό, αλλά ευρύτερο από τη generative AI, ορισμό. Ως AI-driven investing θεωρούν ένα εξειδικευμένο υποσύνολο των quantitative strategies, στο οποίο τεχνολογίες τεχνητής νοημοσύνης χρησιμοποιούνται για predictive modelling και παραγωγή επενδυτικών σημάτων, είτε αυτόνομα είτε ως εργαλείο που υποστηρίζει τις επενδυτικές αποφάσεις.
Μόλις 89 AI funds
Με βάση την αυστηρή ταξινόμηση που προκύπτει από την ανάλυση των κειμένων, οι ερευνητές εντόπισαν 89 AI funds, δηλαδή μόλις 1,1% του συνολικού δείγματος.
Η μελέτη δεν δημοσιεύει πλήρη ονομαστική λίστα των 89 funds, αλλά παρουσιάζει συγκεντρωτικά στοιχεία για τις επιδόσεις και τις επενδυτικές στρατηγικές τους. Το στοιχείο που ξεχωρίζει είναι η έντονη συγκέντρωση των AI funds στις μακροοικονομικές στρατηγικές. Το 2024 περίπου 60% των AI funds ανήκαν στην κατηγορία systematic diversified macro, με τις επενδύσεις να επικεντρώνονται συνήθως σε ιδιαίτερα ρευστά περιουσιακά στοιχεία (assets), όπως χρηματιστηριακοί δείκτες, εμπορεύματα, ομόλογα και νομίσματα.
Συνολικά, πάνω από 80% των assets των AI funds του δείγματος κατευθύνονταν σε macro strategies.

Από τη BlackRock έως τη Two Sigma
Η μελέτη αναφέρει συγκεκριμένα την Absolute Macro Fund της BlackRock, η οποία ταξινομείται ως AI-driven από το 2021. Ιδιαίτερα χαρακτηριστικό παράδειγμα αποτελεί η Two Sigma Investments, η οποία περιγράφει τη δραστηριότητά της ως quantitative investing and trading και αναφέρει ότι χρησιμοποιεί AI στις επενδύσεις εδώ και 25 χρόνια.
Αντίστοιχα, η Man AHL έχει καταγράψει επίσημα τη χρήση machine learning ως σημαντικό επενδυτικό ορόσημο από το 2014, ενώ η WorldQuant έχει οικοδομήσει το quantitative asset-management μοντέλο της γύρω από τα δεδομένα, το ανθρώπινο ταλέντο και την πρόβλεψη.
Η μελέτη αναφέρεται επίσης στις Renaissance Technologies και D.E. Shaw ως ιστορικούς χρήστες τέτοιων τεχνικών, χωρίς ωστόσο να τεκμηριώνει ότι περιλαμβάνονται στα 89 funds της αυστηρής text-based ταξινόμησης.
Το πλεονέκτημα στις αποδόσεις περιορίστηκε μετά το 2017
Το σημαντικότερο εύρημα αφορά στις αποδόσεις. Στο πρώτο μέρος της εξεταζόμενης περιόδου, τα AI funds εμφάνισαν περίπου 6% υψηλότερη ετήσια απόδοση έναντι των non-AI hedge funds σε benchmark-adjusted βάση.
Το πλεονέκτημα, ωστόσο, περιορίστηκε σημαντικά με την πάροδο του χρόνου. Μετά το 2017, η διαφορά στις αποδόσεις έγινε στατιστικά μη διακριτή από το μηδέν.
Το εύρημα έχει ιδιαίτερο ενδιαφέρον, καθώς δεν εξηγείται απλώς από το γεγονός ότι οι πρώτοι χρήστες της AI έχασαν σταδιακά το προβάδισμά τους. Ακόμη και funds που είχαν ξεκινήσει να χρησιμοποιούν AI στα πρώτα χρόνια του δείγματος είδαν μεγάλο μέρος της σχετικής υπεραπόδοσής τους να εξαφανίζεται μετά το 2017.
Ωστόσο, η εικόνα δεν είναι αποκλειστικά αρνητική. Όταν οι ερευνητές συνέκριναν AI funds με non-AI funds του ίδιου διαχειριστή, εντόπισαν πλεονέκτημα της τάξης των 34,9 έως 41,1 μονάδων βάσης τον μήνα. Παράλληλα, τα AI funds εμφάνισαν χαμηλότερη συσχέτιση των αποδόσεών τους με άλλα funds της ίδιας στρατηγικής κατηγορίας. Το εύρημα αυτό έρχεται σε αντίθεση με την άποψη ότι η χρήση αλγοριθμικών μοντέλων οδηγεί αναγκαστικά σε πιο ομοιογενείς επενδυτικές θέσεις.
Με άλλα λόγια, η AI φαίνεται να μπορεί να λειτουργήσει όχι μόνο ως εργαλείο δημιουργίας alpha, αλλά και ως παράγοντας διαφοροποίησης ενός επενδυτικού χαρτοφυλακίου.
$12 δισ. τα assets των AI funds
Παρά το γεγονός ότι ο αριθμός των funds που πληρούν τα αυστηρά κριτήρια της μελέτης παραμένει περιορισμένος, τα assets τους αυξάνονται.
Το 2024 τα υπό διαχείριση κεφάλαια των AI funds ανέρχονταν σε περίπου $12 δισ. στο δείγμα των ερευνητών. Το βασικό συμπέρασμα της μελέτης είναι επομένως πιο σύνθετο από την απλή διαπίστωση ότι «η AI κερδίζει τις αγορές». Η τεχνητή νοημοσύνη μπορεί να αποτελέσει πηγή alpha και διαφοροποίησης, όμως δεν προσφέρει μόνιμο επενδυτικό πλεονέκτημα ούτε αποτελεί εγγύηση υψηλότερων αποδόσεων.
Καθώς περισσότερα funds υιοθετούν παρόμοιες τεχνολογίες, το αρχικό πληροφοριακό και υπολογιστικό πλεονέκτημα μπορεί να περιορίζεται. Το πραγματικό ανταγωνιστικό πλεονέκτημα ενδέχεται έτσι να μετατοπίζεται από την απλή χρήση AI στην ποιότητα των δεδομένων, των μοντέλων, των υποδομών και της ικανότητας ενός διαχειριστή να μετατρέπει τα σήματα σε επενδυτικές αποφάσεις.
