二十一个智能体开一场投委会：审计留下来了，可重复性走了

🏛️ 先量一量投委会的带宽

一家资管机构的投资委员会一年怎么运转：CIO 盯 10 到 15 个部门，一位分析师覆盖 10 到 20 只股票，委员会每月或每季度碰几小时。决策带宽被人的注意力卡着，这是《The Self-Driving Portfolio》一文立论的起点。论文作者 Andrew Ang，前贝莱德因子投资主管，哥伦比亚大学兼任教授，合作者 Nazym Azimbayev（主权财富基金 CIO）与 Andrey Kim（德意志银行量化）。工作论文挂在 arXiv，标题直译过来是《自动驾驶组合：机构资产管理的智能体架构》。

高盛系统化交易团队的资深人士 Nick Baltas 在 Top Traders Unplugged 节目里逐层拆解了这篇论文。他的结论分两半：这套架构在组合构建层有真实价值；同一套东西，回测不了。

两句话加起来，才是这件事的全貌。

🤖 一条完整的流水线

论文搭的系统按投委会的真实分工建：治理文件管边界，宏观 agent 判周期，资产类别 agent 出预期，二十来个组合 agent 各按一种方法建组合，互相投票，最后由 CIO agent 汇总成一份董事会备忘录。

几个部件值得单独停一下。

• 19 个组合 agent 覆盖五类方法：启发式（等权、市值加权、逆波动率）、收益导向（均值方差、Black-Litterman）、风险导向（风险平价、最大分散化、最小波动）、非传统（CVaR 优化、回撤约束），外加两个特殊角色。
• Researcher agent 的职责是读文献找新方法，本次应用中它提出的是最大熵方法。
• Adversarial diversifier 观察其他所有 agent 的输出，对这些输出做主成分分析，然后故意反着建组合，专门搜捕共识漏掉的相关性口袋。
• 投票规则：每个 agent 必须投本组内同伴和组外至少一个对象，21 个 agent 共产生 42 票，票分六档，5、4、3、2、1 和负 2。投票与历史综合评分（夏普、回撤等）按 60/40 混合，得出每个方案的最终得分。

一个口径差先记下：Baltas 的转述全程说 21 个 agent；另一路报道（AI Street）说约 50 个。调和的办法是数清楚层级：21 指的是组合构建与投票层，50 把宏观、资产类别、协方差等上游角色全算上了。两套数字各有各的用途，引用时得说明数的是哪一层。

📉 2026 年 3 月的那次实盘推演

论文用 2026 年 3 月做了一次完整推演。授权范围覆盖 18 个流动资产类别（6 股票、8 固收、4 另类），目标 CPI 加 3 到 4 个百分点的实际收益、8 到 12% 波动、最大回撤负 25%。宏观 agent 判定的环境是：晚周期，带滞胀风险。

推演里有三个细节比最终配置更有信息量。

• 预期收益被分歧化：美国成长股的预测收益被砍到综合估计以下 2.0 个百分点，大盘股砍 1.1 个百分点，新兴市场几乎没动。系统在惩罚历史上贵的资产。
• 第一名是最大分散化，一个完全不依赖收益预测、只用波动与相关性的方法。
• CIO 选的方案与投票共识不一致：它排名最高的组合是市值加权、波动率目标、等权、均值方差，清一色不含资本市场假设的方法。Baltas 的解读："我不信任我的资本市场假设，因为周期判定不清楚。"他从中提炼出一条原则：周期含糊时押分散，周期看得准时才允许集中。

【判断】这条原则本身不新，新的是它的出现方式：没有人在系统里写"周期不明就分散"，这个行为从宏观 agent 输出的低置信度里自己长出来，经由投票机制放大，最后被 CIO 采纳。一份结构化的犹豫，这是这篇论文最像"机构"的瞬间。

🚫 Baltas 的四条否决

下面是节目里最锋利的部分。Baltas 逐一数过这套系统为什么没法回测。

非确定性那条他用了狠话：可重复性无处可寻（reproducibility is nowhere to be seen）。外加一条系统级风险：如果所有 agent 跑在同一家大厂的同一个底座模型上，整个组合继承相关联的模型行为，他把这叫单一栽培风险（monoculture risk）。

他对此的总评值得原样保留："这不是 x 加 y 等于二。"智能体系统会说人话、能留下自然语言审计痕迹、能组织同行辩论，这些是真实的收益；同一个属性恰好就是随机性的来源。审计与可重复，这组承诺在当前技术条件下互斥。

📊 顺手拆掉的第二篇：VIX 触发式趋势跟踪

同一期节目里，Baltas 还拆了一篇 Alpha Architect 的研究笔记。那篇重做 2017 年 9 月的一项研究，加了九年数据，问题是：趋势跟踪的回看窗口该不该随 VIX 动态调整：波动高就交易得快些，波动低就慢些。

• 策略：五只 ETF（标普、美股除标普、国际股票、全球投资级债、短期美债），每月按动量选最强一到两只，等名义权重月度再平衡；基线是固定 10 个月回看，动态版按 VIX 水平切换三个窗口。
• 结论：高波动桶在九年扩展样本里只有 3 个月的数据。相对静态 10 个月回看，动态窗口没有显著增值。
• 表面上的超额来自 best-of-five 变体，集中在一个月：2020 年 11 月，疫苗公告触发小盘股单月 10 到 18% 的反弹，而静态策略当时拿着国债赚约 1%。

Baltas 给出的方法论判词有两句。第一句关于触发器："触发器天生统计功效很低，你需要它被激活，而它不会激活太多次，因为激活太多它就不配叫触发器。"第二句关于选时："选对转折点当然好，但如果你在总共 33 个转折点里还要再挑 30 个出来，那选对的 3 个还作不作数，我不知道。"他的替代方案是连续函数而非二元开关：波动率属于缩放与风险预算层，不属于窗口触发；何况每个资产有自己的波动率，VIX 本来就是错的工具。

🌐 市场背景：指数里的指数

这段讨论的市场底色同样具体。三个月滚动 beta 统计下，目前约 45% 的标普 500 成分股对其所属指数呈负 beta；上一个峰值出现在互联网泡沫时期，也才刚过 20%。机制并不神秘：市值加权让 AI 巨头在指数内部形成一个迷你指数，其余成分股与这个集中核心的相关性持续走低。

趋势跟踪今年的强势与智能体组合的兴起出现在同一张时间表上，纯属背景巧合，两者没有因果关系。把这句写清楚，免得读出并不存在的信号。

🎯 组合构建层，最后一块没人深耕的地

Baltas 对智能体架构的态度最后落在一个具体位置上。他把 Ang 的流水线逐层映射到自己的趋势跟踪流程：宏观 agent 对应价格信号本身（"上涨的价格就是周期指标"），资产类别 agent 对应波动率缩放后的历史收益加置信度，协方差 agent 对应稳健估计。映射到组合构建层时他停住了：多数机构只用一两种方法建组合，这一层是他眼里"探索最少的空间"，也是未来十年系统化创新最可能集中的地方。

至于智能体会不会很快取代 CIO，他的答案是否定的。真正留下的问题是节目结尾那一个：CIO agent 覆盖了同伴投票的共识、给出了与共识不同的配置。到底是人在监督系统，还是系统在悄悄监督人。

这问题没有答案。但每个准备把投委会交给智能体的机构，最好在签约之前先想一遍。

信源与限定

• 论文：Ang, Azimbayev & Kim, The Self-Driving Portfolio: Agentic Architecture for Institutional Asset Management，工作论文（arXiv，2026 年 4 月前后）；Andrew Ang 个人主页收录
• Baltas 评述：Top Traders Unplugged, Systematic Investor Ep.419，经 BigGo Finance 全文转述（2026-09 下旬）
• 45% 负 beta、VIX 笔记拆解、SG 指数与美债数据均出自该期节目转述口径，原文为音频对话，数字以转述稿为准
• 21 与 50 个 agent 的口径差已在文中调和说明；44% 与 44.9% 分别为 Baltas 转述与 AI Street 报道口径
• 本篇为方法与行业观察，不构成投资建议