AIによる株式推奨の問題点を研究で検証(AI Stock Picks Under Scrutiny as Nvidia Scandal Exposes Chatbot Blind Spots)

2026-11-19 ロイヤルメルボルン工科大学(RMIT)

オーストラリアのRMIT大学の研究者らは、生成AIによる株式推奨の投資判断能力を、証券アナリストの推奨と比較して検証した。研究では、2024年5月から2025年12月までの米国株式市場の取引日ごとに、ChatGPTの3世代のモデルに翌日購入すべき20銘柄とその推奨理由、情報源を回答させ、同日の証券アナリストによる推奨と比較した。その結果、AIはNVIDIA、Microsoft、Amazon、Alphabet、Appleなどの著名な大手テクノロジー企業を繰り返し推奨する傾向があり、企業の株価評価や最新ニュースを十分に考慮できていなかった。AI推奨銘柄は、次回決算で利益を報告する可能性がアナリスト推奨銘柄より低く、推奨翌日の株価パフォーマンスも劣っていた。また、10取引日後までの異常リターンでも、アナリスト推奨銘柄を組み入れたポートフォリオが上回った。一方、AI推奨銘柄に対する投資家の検索関心の増加は、同等のアナリスト推奨銘柄より50%以上大きかった。研究は、生成AIが金融情報の収集・整理には有用である一方、最新情報の確認や企業価値評価を伴わない投資判断には慎重さが必要であることを示している。

<関連情報>

シリコン・アナリスト:AIエージェントは投資情報の格差を解消できるか?株式推奨に関する実証的分析(Silicon Analyst: Can AI Agents Level the Playing Field? Evidence from Stock Recommendations)

Yongxin Xu, Yuhao Xuan, Gaoping Zheng
Monash University、Sun Yat-sen University(Lingnan University College)、RMIT University SSRN Working Paper(96 pages)DOI:10.2139/ssrn.5651130

Tii-summary

本研究は、ChatGPTなどの生成AIエージェントが株式投資に関する推奨情報を提供する能力について、証券アナリストの推奨と比較検証した実証研究である。3世代のChatGPTと4種類のGeminiモデルを対象に、日々の株式推奨の品質、情報源の新しさ、企業価値評価の有無などを分析した。その結果、AIエージェントによる推奨は利用しやすい一方、専門アナリストと比較して品質が劣ることが示された。ChatGPTの推奨の約3分の1は、検索を指示されているにもかかわらず、リアルタイム検索ではなく学習済みデータに依存していた。また、検索を利用した場合でも、引用された情報源のうち最新のものが100日以上前である割合は26~61%に達した。企業価値評価に言及した推奨は7~17%にとどまり、アナリストの買い推奨における80%と大きな差があった。追加検索を指示しても、これらの問題は解消されなかった。さらに、AIが推奨した銘柄では投資家の注目度が大きく上昇する一方、株価パフォーマンスは劣り、対象企業の業績も弱い傾向が確認された。本研究は、生成AIによる投資助言の利便性と分析品質の間に存在する課題を明らかにし、金融分野でAIを利用する際の情報鮮度、評価手法、信頼性の検証の重要性を示している。

This study empirically examines whether generative AI agents can provide reliable stock recommendations by benchmarking three generations of ChatGPT against sell-side financial analysts. The researchers evaluated daily stock recommendations, information freshness, and the use of valuation analysis, while also examining four Gemini models. The results indicate that AI agents offer accessible recommendations but deliver inferior analytical quality compared with professional analysts. Approximately one-third of ChatGPT recommendations relied on training data rather than live searches, despite explicit instructions to search for current information. Even among recommendations based on live searches, the newest cited source was more than 100 days old in 26%–61% of cases. Only 7%–17% of AI recommendations mentioned valuation, compared with 80% of analysts’ buy recommendations. Further search instructions did not eliminate these shortcomings, and the four Gemini models performed even worse. The study also found that AI-recommended stocks attracted greater investor attention but subsequently underperformed, while the recommended companies exhibited weaker earnings. These findings highlight the gap between the accessibility of AI-generated investment advice and its analytical reliability, emphasizing the importance of information freshness, valuation analysis, and rigorous validation when applying AI to financial decision-making.

1505金融工学
ad
ad
ad
タイトルとURLをコピーしました