JPMorgans artificiella intelligens (AI)-agenter slog en traditionell 60/40-portfölj i backtester över två decennier. Banken firade resultatet, men varnade sedan investerare för att lita på det.
Testet ställer frågan om AI kan gå från att hjälpa analytiker till att själv placera kapital. Det sker samtidigt som Jack Dorsey förespråkar en liknande förändring i hur människor arbetar med maskiner.
Så slog JPMorgans AI-agenter 60/40-portföljen
JPMorgans strategi-team byggde åtta AI-agenter som växlar mellan aktier och obligationer när marknadsläget ändras. Strategierna, med Thomas Salopek i spetsen, delade resultaten i ett meddelande den 9 juli. Systemet läser av fyra makroregimer baserade på tillväxt och inflation.
Jämförelsen är rättvis och viktig. 60/40-fördelningen har varit standard för balanserade portföljer i årtionden. År 2022 fick den sitt sämsta år sedan 1937, då både aktier och obligationer föll samtidigt.
Agenterna föredrog aktier när tillväxten såg stark ut och obligationer när den försvagades. Under 20 års backtester slog den bästa agenten 60/40-portföljen med 0,7 procentenheter per år.
Den gjorde det med 2,8 % lägre årlig volatilitet. Alla åtta agenter presterade bättre när man justerade för risk, med Sharpekvoter på 0,74 till 0,95 jämfört med portföljens 0,61.
Agenterna använde färdiga modeller från OpenAI och Anthropic, men slog ändå JPMorgans egna regelbaserade modell. Det tar bankens senaste AI-satsningar till en riskablare nivå.
Därför påminner satsningen om Dorseys agent-först-vision
Metoden liknar en filosofi som Jack Dorsey beskrev. Block-chefen låter nu AI-agenter fatta besluten i stället för att styra de själv.
Dorsey har redan satsat sitt företag på detta och sagt upp över 4 000 anställda på Block i februari och gett AI äran. Det motsvarade ungefär 40 % av personalen. JPMorgans agenter använder samma tänkande på marknaderna, och detta är en del av en större trend där AI-agenter hanterar pengar.
Varningen som erfarna kvantanalytiker känner till
JPMorgan var tydlig med gränserna. Resultaten bygger på historiska simuleringar, inte på faktisk handel, och banken varnade för att dra för stora slutsatser.
Richard Bernstein, en erfaren Wall Street-analytiker, uttryckte det tydligare. Han sa att nya strategier sällan publicerar backtester som misslyckas.
Hans poäng handlar om publikationsbias. Flexibla AI-modeller kan anpassas efter tidigare brus och sedan misslyckas när verkliga kostnader och nya marknader dyker upp.
JPMorgan varnade också för att populära AI-affärer kan öka stress på marknaden, vilket påminner om bredare problem med AI-utgifter. Många strategier har sett bra ut i tester men fallerat i praktiken. Det verkliga testet är om dessa agenter klarar sig på riktiga marknader.
