人工智能与系统性风险：金融市场中表现性预测、算法羊群效应与认知依赖的统一模型

我们开发了一个统一模型，在其中金融市场中人工智能的采用通过三个相互强化的渠道产生系统性风险：表现性预测、算法羊群效应和认知依赖。在具有内生采用的扩展理性预期框架中，我们推导出均衡系统性风险耦合 $r(\phi) = \phi\rho\beta/\lambda'(\phi)$，其中 $\phi$ 为人工智能采用比例，$\rho$ 为算法信号相关性，$\beta$ 为表现性反馈强度，$\lambda'(\phi)$ 为内生有效价格影响。由于 $\lambda'(\phi)$ 随 $\phi$ 递减，该耦合关于采用量是凸的，这意味着系统性风险乘数 $M = (1 - r)^{-1}$ 随人工智能渗透率的增加而超线性增长。该模型分三个层面构建。第一，内生脆弱性：市场深度关于人工智能采用量递减且为凸函数。第二，将凸耦合嵌入超模态采用博弈中，产生向算法单一种群的鞍结分岔。第三，认知依赖作为内生状态变量导出一个不可能性定理（滞后性需要超越静态框架的动力学）和一个渠道必要性定理（每个渠道单独都是必要的）。实证验证使用了完整的SEC 13F申报数据集（9950万笔持仓，10957家机构管理人，2013–2024年），采用Bartik工具变量法（第一阶段 $F = 22.7$）。该模型意味着尾部损失放大18–54%，相对于巴塞尔III逆周期缓冲具有经济显著性。