（来源：金科之家网）

　　随着大语言模型（Large Language Model，LLM）逐步嵌入各类财富工具，很多投资者已经在不经意间接收 AI 给出的资产配置、储蓄、负债管理方案。

　　这类建议是否符合经典的个人理财框架，不同人群拿到的建议质量是否稳定，长期执行之后会带来怎样的财富结果，是实务层面亟待厘清的问题。

　　MIT Sloan（麻省理工学院斯隆管理学院） 助理教授 Taha Choukhmane 与 Tim de Silva、Weidong Lin、Matthew Akuzawa 合作的这篇工作论文，以生命周期理论作为基准，系统性回答了这些问题。

　　论文标题为《AI Financial Advice: Supply, Demand, and Life Cycle Implications》，于 2026 年 8 月 3 日上传至 arXiv，arXiv 编号 2608.01607，同步作为 NBER Working Paper 35574 对外发布。

　　该论文获得 2026 年瑞士金融学院杰出论文奖。它不是对 LLM 能力的定性测评，而是把生命周期消费储蓄理论作为客观标尺，衡量 AI 理财建议的一致性、异质性与长期财富影响。

　　研究对象限定为 LLM 输出的个人理财建议，不覆盖量化交易算法、自动化投顾（robo-advisor）等已经成熟的程序化投顾体系，聚焦自然语言交互模式下生成的理财方案。

　　总体上，这篇论文给出的结论有点反直觉：大模型给的方向大体是对的，真正的分化发生在"你怎么问"这一端。

　　一、这项研究在测什么

　　1.它测的不是模型聪不聪明，而是建议落到一生会怎样

　　以往关于AI理财的讨论多停留在"回答得像不像专业人士"。这篇论文换了个角度：把建议当成一条政策函数，逐年代入真实的收入过程、就业转换、资产回报和死亡风险，看跟随它的人最终积累多少财富。

　　研究用美国消费者支出与收入调查（SIPP）、社会保障（SSA）与股票回报（CRSP）数据校准模型，设定个体22岁开始工作、65岁退休，账户可配置于无风险债券、多元化股票市场指数、个股以及大宗商品与加密货币等另类资产。

　　2.两条基准线用来对照

　　一条是生命周期模型算出的最优解，代表教科书意义上的"好决策"；另一条是研究者自己写的"学术提问"，把年龄、就业、收入、储蓄余额、预期寿命、退休安排、就业与收入风险、税制假设一次性交代完整。普通用户自写的提问与这两条线相比，差距在哪里就一目了然。

　　3.提问来自真人而不是研究员代笔

　　问卷通过Qualtrics设计、经Prolific平台发放，追求全国代表性。初步样本包含999份完整回复，其中952份通过了真实性校验与最低信息量要求。

　　基准结果用GPT-5.2生成，并用Gemini 3 Flash做稳健性检验。这一步很关键：如果提问是研究者替用户写的，测出来的就是研究者的表达能力，而不是普通人的。

　　二、总体结论是方向正确

　　1.生命周期理论的三个特征都出现了

　　跟随建议的模拟个体，更广泛地参与多元化股票基金，股票占比随年龄下降，并且积累了更大的储蓄缓冲。

　　论文摘要把这三点列为核心发现。换句话说，模型在"通用原则"层面并没有跑偏，反而把人往教科书方向推。

　　研究者本人也表示这一点出乎意料，因为这些系统并不是为优化家庭财务决策而设计的，它们完全有可能强化坏习惯，或者只说用户爱听的话。

　　2.它会主动补上用户没问的东西

　　流动性只在6%的用户提问中出现，却出现在83%的模型回答里；只有20%的人问了储蓄，模型给出的建议却一致地指向高收益储蓄账户、政府债券这类更稳妥的选项。

　　合作者Tim de Silva对此的评价是"它在通用原则上做得很好"，并推测这与模型读过的文本大量描述"多数人储蓄不足"有关。

　　3.与真实行为的对照相当鲜明

　　模拟中30岁以上的多数个体积累了可观的储蓄缓冲，不少人退休时资产超过100万美元；而现实中写下这些提问的人里，约40%的存款不足1万美元。

　　论文结论是：AI似乎在把人往对的方向推，它不完美，但比很多人实际做决策的方式（比如问亲友或简单搜索）要好。

　　三、差距出在提问这一端

　　1.金融素养低的人拿到的建议更泛

　　金融素养较低的受访者写的提问包含的财务信息更少，得到的建议个性化程度更低。跟随这类建议，会使模拟个体在60岁时的资产比对照组少接近5万美元。

　　2.没用过AI问理财的人落后更多

　　缺乏相关使用经验会进一步放大差距：初次使用LLM获取理财建议的用户，最终资产比有经验的用户少接近10万美元。

　　同一个模型，输入的信息厚度不同，输出质量就差出一个数量级的后果，而且这个差距会按复利跑几十年。

　　3.性别差异里三分之二来自问法

　　女性更常使用"家庭""日用杂货""信贷""贷款"等词，模型因此给出更侧重流动性与安全资产、强调家庭应急储备的建议；男性更常提"投资组合""股票""策略""加密货币"，得到的配置更激进。

　　结果是女性拿到的建议会让其到退休时的总资产比男性少接近6万美元。

　　更值得注意的是供给侧：在模型原本并不知道用户性别的情况下，即使男女提问完全相同，模型给女性的股票配置仍然更低。论文把股票占比差异拆解为约三分之二来自提问内容不同（需求侧），约三分之一来自在其余条件完全相同的提问上附加性别标签（供给侧）。

　　研究者本人也承认，很难判断这源于训练数据中的偏见，还是基于女性预期寿命更长、风险厌恶更高的合理假设。这个开放问题本身就值得留意。

　　4.模型偏爱整数和经验法则

　　用普通用户提问时，约30%的储蓄率落在10%的整数倍上，约34%的储蓄金额是5000美元的整数倍，退休后的提取建议也高度集中在少数几个经验数值附近。

　　这类"取整"行为在生命周期模型的最优解里并不存在，它说明模型在很多场合给的是通用启发式，而不是针对个人财务状况算出来的数。换成结构完整的学术提问后，这种启发式依赖明显减少，消费平滑也做得更好。

　　四、模型没做好的四件事

　　1.收入冲击后的消费调整偏弱

　　遭遇失业等收入骤降时，模型对支出端的调整不够及时，更多是被动地改变投资组合，而不是主动再平衡。

　　2.提取速度普遍偏慢

　　模型推荐的退休提取节奏往往过于保守，常见的是套用许多理财顾问推荐的3%至4%"安全提取率"这类经验法则，而不是根据个人的寿命预期与资产状况重新计算。

　　3.会主动推荐具体产品

　　即使用户没有要求，模型也经常点名具体产品，例如Vanguard或Fidelity的指数基金。de Silva认为这些推荐本身合理，但同时提示了潜在的利益冲突：模型设计者清楚有大量用户用它获取理财建议，因此可能存在引导用户购买特定产品的动机。

　　4.它不承担信义义务

　　这是与人类顾问最实质的差别之一，属于行业常识而非论文结论。注册投资顾问等身份对客户负有把客户利益置于自身之上的法律义务，违反会面临监管与民事责任；而模型提供方通常以"仅供参考"免责。这意味着建议出问题时，追责路径并不清晰。

　　五、普通人可以借鉴的五个要点

　　1.把事实一次性说全

　　年龄、就业状态、税前与税后收入、现有储蓄与投资余额、负债与利率、家庭负担、打算退休年龄、可承受的最大回撤、账户类型与税务属性。

　　研究里"学术提问"与"用户提问"的质量差距，主要就来自这些信息是否给足。

　　2.要求它先列出假设

　　让它写明使用的回报假设、通胀假设、寿命假设、税率与社保假设。假设不透明，后面的数字就没有可比性。

　　3.专门追问冲击情景

　　"如果明年失业六个月，支出和配置分别怎么调整""如果股市下跌30%，我该做什么、不做什么"。这类问题正好打在模型较弱的环节上，也能逼它给出规则而不是安慰。

　　4.把再平衡和提取规则单独问

　　"多久检查一次配置、偏离多少个百分点触发调整""退休后按什么规则提取、什么情况下提高或降低提取率"。避免它默认让组合自然漂移。

　　5.所有数字都交叉验证

　　模型不擅长精确的金融计算，涉及税务、复利、现金流的具体数值，最好用计算器或专业工具复核；它点名的产品，当作待核实的线索而不是结论。

　　六、研究的局限

　　1.这是模拟，不是长期跟踪实验

　　没有任何人真的跟着AI理财几十年。所有财富差额都来自模型在设定假设下的推演，它的价值是把"建议质量"这种模糊概念转成可比较的数字，但前提假设本身也是研究者设定的。

　　2.背景是美国税制与社保规则

　　401(k)、IRA、美国社保与税制假设直接嵌在模型里，结论的方向性参考价值可以迁移，具体数字不能直接搬到其他市场。中文场景下目前还没有看到对应的实证研究。

　　3.财富差额不是收益承诺

　　"少接近5万美元""少接近10万美元"描述的是模拟路径上的差异，不是可实现的收益，也不构成任何投资建议。

　　七、总结

　　这篇研究最有价值的地方，不在于给AI理财打了个分，而在于它把责任重新分配了一次：模型的能力上限已经不低，你能从它那里拿到多少，很大程度取决于你给了它多少。

　　同一个模型、同一类问题，一个人拿到贴合自身情况的方案，另一个人只拿到一句"存收入的10%"，差别不在模型，在提问。而这个差别会以复利的方式跑上几十年。

　　所以真正实用的动作只有一个：下次问金融问题前，先花两分钟把自己的情况写清楚。

　　免责声明：自媒体内容仅用于记录和分享，请勿用于商业用途。所有内容来自于网络，或由人工智能服务生成。如有文字或图片涉及侵权，请联系修改或删除。文章内容不代表本人观点，亦不代表本人所在机构观点，不构成任何投资建议。