南韓 Pusan National University 與英國 牛津大學 的研究人員近期發布兩項研究，挑戰人工智慧（AI）在金融領域的應用思維。他們指出，即使 AI 能做出高度精準的市場預測，也未必能導向最佳的投資決策，如同天氣應用程式能準確預測溫度，卻不見得能給出穿衣的正確建議。研究團隊呼籲，金融 AI 系統的評估標準應從預測準確性，轉變為實際支持金融決策的有效性。
Pusan National University 的 Yoontae Hwang 教授與 牛津大學 的 Stefan Zohren 教授共同開發了一種名為「Signature-Informed Transformer (SIT)」的新型 AI 框架。SIT 模型透過學習市場價格隨時間的演變，以及資產之間的相互影響，直接優化投資決策，並將風險納入考量，而非僅僅專注於價格結果。這項研究於 2026 年 4 月 30 日發表，SIT 框架已在美國和中國的三個主要股票市場進行評估，相較於傳統基於預測的方法，SIT 模型展現了更強的風險調整後績效，以及更穩健的財富累積能力。Yoontae Hwang 教授表示，未來的金融 AI 系統需要將重心從最大化預測準確度，轉移至最佳化決策品質。
另一項研究則檢視了 2023 年至 2025 年間發表的 164 篇關於金融領域大型語言模型（LLM）的研究，並指出普遍存在的偏誤，這些偏誤可能虛增報告的績效。發現的偏誤包括不當使用未來資訊、倖存者偏誤、不切實際的評估設定，以及忽略實際成本（例如交易費用）。研究人員隨後提出「Structural Validity Framework」框架，作為一套實用的檢核表，用於評估金融 AI 系統是否在真實條件下進行測試，以及其報告的績效是否能在實驗室外持續有效。這項研究於 2026 年 5 月 1 日發表。
兩項研究傳達的共同訊息是，AI 應該針對實際的決策進行訓練，並在真實世界的條件下進行評估。研究人員期望能開發出 AI 驅動的金融市場「飛行模擬器」，協助金融機構和監管單位在實際資金面臨風險之前，測試政策、產品和市場衝擊。
