Your AI, Not Your View: The Bias of LLMs in Investment Analysis
创建于 更新于
摘要
本研究首次系统地揭示了大型语言模型（LLMs）在投资分析中的内在偏好及其在信息冲突下形成的确认偏误。通过设计三阶段实验框架，针对标普500成分股，分析了模型对行业、规模和动量因素的偏好及其偏误程度。结果表明，LLMs普遍偏好大盘股且倾向于逆势投资策略，这种偏好会在含有矛盾证据时转化为难以改变的确认偏误，严重影响其投资建议的可靠性。此外，模型内部不确定性的熵分析揭示偏好强度与认知冲突的相关性，凸显了模型主观偏见对决策过程的影响，为构建更可信的金融AI系统提供重要基础[page::0][page::1][page::3][page::4][page::5][page::6].
