AI炒股实验：美国高中生用ChatGPT两月赚取25%回报引发金融界关注

一项由美国17岁高中生发起的AI炒股实验正在金融界引起广泛关注。实验结果显示，在完全交由ChatGPT决策的情况下，短短两个月内投资组合获得了25.2%的惊人回报，远超同期标普500指数4.5%的涨幅。这一现象不仅挑战了传统投资理念，也引发了学界对AI在金融市场中角色的深度思考。

人机对决的意外胜利

用 ChatGPT 炒股 4 周，史密斯赚了 25.4%（图片来源：A.I. Controls Stock Account）

内森·史密斯原本只是想验证那些声称"AI能找到被低估股票"的广告是否属实。2025年6月，这位来自美国的高中生启动了一项为期半年的"人机对决"实验，试图检验AI是否能够跑赢股市大盘。

实验设计颇为严格：史密斯选择了GPT-4o和DeepSeek两个AI模型，给每个模型分配100美元资金，限定它们只能交易美国上市的市值低于3亿美元的微型股。除了每个开盘日更新股市走势并询问调仓建议外，史密斯完全不干预AI的决策过程。

实验初期，两个AI就展现出截然不同的投资风格。DeepSeek选择满仓操作，将资金分配给三家公司：40美元投向精神神经疾病药物研发的Pasithea医药，35美元投向家居建材公司ToughBuilt工业，25美元投向驾驶辅助系统开发商SaverOne。相比之下，GPT-4o显得更加保守，仅投入部分资金，将36美元投向罕见病细胞基因疗法公司Abeona医药，28美元投向溶瘤病毒免疫疗法公司Candel医药，29美元投向AI视频监控服务商Cloudastructure。

DeepSeek 和 ChatGPT 首周炒股表现天差地别（图片来源：A.I. Controls Stock Account）

一周后，两者表现天差地别。DeepSeek资产缩水18.06%，而GPT-4o收益率达到6.72%，甚至跑赢了美国小型股市场风向标罗素2000指数。这种差异部分源于信息获取能力的不同：GPT-4o具备实时数据获取能力，而DeepSeek只能依赖2024年7月前的历史信息。

由于DeepSeek表现不佳，史密斯在一周后终止了对其跟踪，将注意力完全转向GPT-4o。接下来的七周里，GPT-4o展现出了令人惊讶的投资直觉。它在第二周果断买入医疗器械公司Inspira科技股票，随后两个交易日该股大幅上涨。尽管第二周末遭遇单日6.7%的暴跌，GPT-4o选择坚守阵地，这一决定在第三周得到回报，单周涨幅超过10%。

ChatGPT 炒股第二周大起大落（图片来源：A.I. Controls Stock Account）

更令人印象深刻的是GPT-4o的一些"神操作"。第四周，它将从Candel医药获得的收益转投癌症炎症疗法公司Actuate医药，结果当周股价暴涨27.37%。8月13日，GPT-4o更是做出赌注般的决策，将32%的闲置资金投向aTyr制药公司，理由是该公司将在9月公布三期临床试验结果，基于此前数据表现，股价有望大涨。

学界验证AI选股能力

ChatGPT 炒股 7 周赚了 25.2%（图片来源：A.I. Controls Stock Account）

史密斯的实验并非孤例。学术界已有多项研究证实AI在股票投资方面的潜力。德国杜伊斯堡-埃森大学马蒂亚斯·佩尔斯特2024年发表在《金融研究快报》的论文显示，ChatGPT对股票的吸引力评级能够在一定程度上预测股票回报率，基于此构建的投资策略能够产生正向收益。

佛罗里达大学金融学助理教授亚历杭德罗·洛佩斯-利拉的研究更加全面。他将超过13.4万条来自4000多家公司的新闻稿和标题输入ChatGPT，让其判断消息性质并据此决定买卖操作。测算结果显示，如果在2021年10月至2023年12月期间每天根据GPT-4建议进行交易，日均回报率可达0.38%，复合累计回报率将超过650%。

基于这些研究成果，洛佩斯-利拉已受邀创建完全基于ChatGPT选股建议的真实投资组合。从2025年2月起，他还将Grok和DeepSeek纳入项目，创建多个对比投资组合。与史密斯的简化实验不同，洛佩斯-利拉为AI提供了包括宏观经济环境和企业财务数据在内的多维信息。

潜在风险与监管挑战

尽管AI炒股展现出诱人前景，但专家们对此保持谨慎态度。史密斯特别强调，他的实验规模有限、时间较短，统计上缺乏可靠性，不能构成任何投资建议。要真正判断AI炒股的可行性，还需要更大规模、更长周期、涵盖不同市场环境的验证。

更重要的是，当AI大规模进入金融市场时，可能引发系统性风险。美国经济研究局2025年7月发布的一项研究表明，如果AI智能体充当市场交易员，它们可能在长期学习中自发形成价格同盟，攫取超额利润。这种"算法合谋"无需人类指令或协议，几乎无法通过现有监管方式识别和打击。

研究人员发现，AI交易系统可能通过隐式协调操纵价格，形成超越传统反垄断法规制范围的新型市场操纵形式。这种现象不仅威胁市场公平性，也可能导致系统性金融风险。

金融监管机构已开始关注AI在投资领域的应用。一些专家建议建立专门的AI交易监管框架，要求披露算法逻辑，设立"熔断机制"防止算法异常行为。同时，投资者教育也变得至关重要，需要让公众理解AI投资的风险和局限性。

史密斯的实验仍在继续，他计划将实验延续至2025年底，以获得更长周期的数据。无论最终结果如何，这项实验已经为AI在金融领域的应用提供了宝贵的实证数据，也提醒我们：在拥抱AI带来的投资机遇的同时，必须警惕其可能引发的系统性风险。

随着AI技术不断发展，传统金融业态正面临深刻变革。如何在创新与稳定之间找到平衡，将是监管机构、金融机构和投资者共同面临的重要课题。毕竟，当机器开始主导投资决策时，整个金融生态系统都将发生不可预测的变化。