(资料图片)

■李侃

摘要：传统金融理论通常基于理性人假设，将市场价格视为对信息的有效反映。然而，大量行为金融研究表明，金融市场中广泛存在情绪驱动、认知偏差与群体行为等非理性因素，导致资产价格系统性偏离基本价值。随着人工智能技术在金融预测中的广泛应用，学界和实务界逐渐关注一个核心问题：人工智能是否能够有效识别并预测这些非理性行为所引发的市场波动。本文在行为金融理论框架下，分析市场非理性的主要表现形式，探讨人工智能模型在识别非理性信号方面的潜在优势与内在局限。研究认为，人工智能在模式识别和高维信息整合方面具备技术优势，能够捕捉部分由情绪与行为偏差引发的价格异常，但其预测能力仍受制于非理性行为的情境依赖性与结构不稳定性。本文从理论层面对人工智能预测市场非理性的可能性与边界进行反思，为理解技术理性与人类非理性之间的关系提供新的分析视角。

关键词：人工智能 市场非理性 行为金融 情绪波动 金融预测

一、问题提出：从理性市场到非理性行为

传统有效市场假说认为，资产价格能够迅速、充分地反映所有可得信息，价格波动主要源于新的信息冲击。在这一框架下，系统性预测市场走势被视为不可能。然而，自行为金融理论兴起以来，越来越多的研究指出，投资者并非完全理性，情绪、认知偏差与社会互动会持续影响投资决策，并在市场层面形成可观察的异常现象。

在现实市场中，过度反应、羊群行为、情绪驱动交易等现象频繁出现，导致价格偏离基本面并呈现出阶段性模式。这些非理性行为往往并非随机噪声，而是在特定环境下反复出现，构成行为金融意义上的“可预测性”。

关键词： 消费导报网 24小时资讯