AI主导金融市场的表征均质性与系统性不稳定：结构化方法

本文探讨了人工智能（AI）交易代理在信息表征上的相似性如何在金融市场中引发系统性不稳定。我们构建了一个基于高频微观结构时刻校准的结构化多代理市场模型。AI代理通过由非线性表征层和自适应线性读出层组成的两层决策体系结构进行建模。表征层将原始市场状态映射到高维特征向量，而读出层生成返回预测，用于风险控制的交易规则。该表征微基础分离了文献中常混淆的两个概念：表征均质性（代理对市场状态编码为相似特征空间的程度）和预测重叠度（代理产生相似返回预测的程度）。我们理论上证明，这两个概念虽相关但不等价，表征均质性可以在正常情况下压缩预测不一致的有效空间，即使预测在表面上看似多样。通过控制性因子实验（在不同风险规避和学习率分布下变化表征均质性），我们假设表征相似性增加会放大信念和仓位的同步，导致波动性聚类、流动性紧张和尾部风险升高。我们的结构机制表明，低波动性 regime 可内生地通过仓位僵化积累隐藏杠杆，当冲击触发同步抛售时才会崩溃。结果为旨在监控和维持AI系统如何表征和处理市场信息的多样性而制定的宏观监管政策提供了结构化基础。