Investor risk profiles of large language models

该论文通过标准化问卷测试发现，GPT、Gemini 和 Llama 三款大语言模型虽普遍倾向于长期投资，但在风险容忍度、回答一致性以及受年龄、财富等特定人设提示的影响程度上表现出显著差异。

要点

这篇论文就像是在给三位性格迥异的“超级 AI 理财顾问”做了一场性格测试，看看它们在面对投资时，到底是保守的“守财奴”，还是激进的“冒险家”。

研究人员找来了目前最火的三个大模型：GPT（OpenAI 家的）、Gemini（Google 家的）和Llama（Meta 家的）。他们让这三位 AI 扮演成普通投资者，回答一套标准的“风险问卷”（就像银行开户时填的那种表），然后观察它们的回答。

以下是这篇论文的通俗解读：

1. 核心实验：让 AI 做“性格测试”

想象一下，你让三个不同的机器人去填一张表，表里问：“你愿意为了高回报冒多大风险？”、“你打算投资多久？”、“你以前炒过股吗？”。
研究人员让这三个机器人重复回答了 100 次同样的问题，看看它们每次的回答是否稳定，以及它们默认的“性格”是什么。

2. 三位 AI 的“默认人设”大不同

即使没有给它们任何特殊设定，它们也表现出了截然不同的“出厂设置”：

• Gemini（谷歌）：最稳重的“优等生”

  • 性格：中等风险偏好，但极其稳定。
  • 比喻：就像那个每次考试都拿 85 分、从不发挥失常的班长。无论问它 100 次，它的回答几乎一模一样，非常靠谱，但有点“死板”。
  • 结论：它是个温和的长期投资者。

• Llama（Meta）：谨慎的“老学究”

  • 性格：偏向保守，风险承受能力较低。
  • 比喻：就像那个只敢把钱存银行、看到股票红绿跳动就手心出汗的长辈。它总是倾向于选择最安全的选项。
  • 结论：它是个保守的长期投资者。

• GPT（OpenAI）：情绪化的“冒险家”

  • 性格：稍微有点激进，而且最不稳定。
  • 比喻：就像那个今天想当巴菲特，明天想当赌徒的朋友。它的回答波动最大，有时候很保守，有时候又很激进，让人捉摸不透。
  • 结论：它是个中等偏激进的投资者，但“脾气”变化无常。

共同点：这三个 AI 都觉得自己是长期投资者（愿意把钱放很久），这很符合它们作为“理性机器”的设定。

3. 给 AI 戴上“面具”（角色设定）会发生什么？

研究人员发现，如果直接告诉 AI：“你现在是一个20 岁的年轻人"或者“你是一个很有钱但没经验的人"，它们真的会“入戏”！

• 年龄的影响：当被设定为"20 岁”时，三个 AI 都变得更大胆了（因为年轻人通常被认为更有时间试错）；当被设定为"50 岁”时，它们都变得保守了。
• 财富的影响：告诉它们“你很有钱”，它们就敢冒更大的险；告诉它们“你钱不多”，它们就缩手缩脚。
• 经验的影响：告诉它们“你是投资小白”，它们就极度保守；告诉它们“你是专业人士”，它们就敢承担风险。

关键点：AI 确实能听懂人类的指令并调整自己的“人设”，但是，每个 AI 调整幅度的“灵敏度”不一样。有的 AI 稍微给个提示就变脸，有的则比较迟钝。

4. 这对我们意味着什么？（通俗总结）

这篇论文其实是在给想拿 AI 当理财顾问的人提个醒：

1. AI 不是透明的：如果你问 GPT、Gemini 和 Llama 同样的问题，它们给出的理财建议可能完全不同。这就好比你去问三个不同的真人理财师，他们的建议也会因人而异。
2. AI 有“偏见”：每个模型都有自己默认的“性格底色”。如果你不告诉它你是谁，它可能会按自己的“出厂设置”给你建议，这未必适合你。
3. 提示词（Prompt）很重要：如果你能清晰地告诉 AI 你的年龄、收入和风险承受能力（比如“我是个 30 岁的保守型投资者”），它们能给出更贴切的答案。
4. 不要完全盲信：虽然 AI 很聪明，但它们也会“变脸”（尤其是 GPT，回答波动大）。在涉及真金白银的投资时，不能只依赖 AI 的默认回答，必须明确告诉它你的具体情况，并且要意识到不同 AI 给出的答案可能天差地别。

一句话总结：
这三个 AI 理财顾问就像三个性格不同的真人，有的稳、有的保守、有的爱冒险。虽然它们都能听懂你的要求并调整建议，但如果你不把它们当“人”来引导（给足背景信息），它们可能会按自己的“脾气”给你出主意，这可能会让你踩坑。

技术摘要

这是一份关于论文《Investor risk profiles of large language models》（大型语言模型的投资风险画像）的详细技术总结。

1. 研究背景与问题 (Problem)

随着大型语言模型（LLM）在金融分析和投资管理领域的应用日益广泛，它们正逐渐被定位为向个人投资者提供个性化投资建议的工具。然而，投资者风险画像（Investor Risk Profile） 是零售投资咨询中最基础且关键的概念，它决定了资产配置的上下限（例如是否包含加密货币或杠杆产品）。

目前，衡量投资者风险画像的传统方法是通过问卷调查（涵盖年龄、投资期限、风险承受能力等）。本研究旨在解决以下核心问题：

• 当 LLM 作为“投资者”或“顾问”时，它们如何形成和表达自身的风险画像？
• 不同的 LLM（GPT, Gemini, Llama）是否具有默认的风险偏好？
• 当通过提示词（Prompt）赋予 LLM 特定的人设（如年龄、财富水平、风险偏好）时，它们能否准确调整其风险画像以匹配用户输入？

2. 研究方法 (Methodology)

研究团队采用标准化的问卷调查法，对三个主流 LLM 进行了系统性测试：

• 研究对象：GPT-4o, Gemini 1.5 Pro, Llama 3.1 (70b)。
• 测试工具：选用 Charles Schwab 发布的投资者风险画像问卷（共 7 题）。
  • 时间跨度得分 (Time Horizon Score)：由 2 个问题组成（投资期限、提取资金后的支出期）。
  • 风险容忍度得分 (Risk Tolerance Score)：由 5 个问题组成（投资知识、风险意愿、持有资产类型、对亏损的反应、可接受的投资结果）。
• 实验设计：
  1. 默认画像测试：每个模型在默认提示词下重复回答问卷 100 次，以建立其“默认”风险画像并观察一致性。
  2. 人设干预测试：修改提示词的第一行，赋予模型不同的属性，包括：
     • 风险偏好：风险厌恶 (risk-averse)、风险中性 (risk-neutral)、风险寻求 (risk-seeking)。
     • 年龄：20 岁、30 岁、40 岁、50 岁。
     • 财富水平：低于平均、平均、高于平均。
     • 投资经验：无经验、有经验、专业经验。
  3. 统计分析：对每个场景同样进行 100 次重复测试。使用 ANOVA（方差分析）和 Kruskal-Wallis (K-W) 检验（非参数检验，因数据方差不齐）来比较不同模型间及不同人设下的得分差异显著性。

3. 主要发现与结果 (Key Results)

A. 默认风险画像 (Default Profiles)

在没有特定人设提示的情况下，三个模型表现出显著不同的默认倾向：

• 长期投资倾向：所有模型均倾向于长期投资者（绝大多数回答投资期限超过 5 年）。
• 风险偏好差异：
  • Gemini：表现为中等风险，且回答高度一致（方差极小）。
  • Llama：倾向于保守（风险容忍度较低）。
  • GPT：表现为中等激进，且回答变异性最大（在不同次回答中波动最大）。
• 统计显著性：统计检验表明，三个模型在风险容忍度问题上的回答存在显著差异，说明不同模型具有内在的模型特定偏差（Model-specific biases）。

B. 人设提示的影响 (Effect of Persona Prompting)

当赋予模型特定属性时，它们能够调整风险画像，但调整幅度和逻辑存在差异：

• 风险偏好 (Risk Appetite)：
  • 所有模型都能正确反映设定的风险等级（风险厌恶者得分低，风险寻求者得分高）。
  • 异常发现：Gemini 在“风险寻求”设定下，时间跨度得分反而降低（即高风险偏好对应短期投资），这与 GPT（高风险对应长期）和 Llama（时间跨度不受影响）的逻辑不同。
• 年龄 (Age)：
  • 所有模型均对20 岁群体给出最高的风险评分。
  • 随着年龄增长（至 50 岁），风险评分普遍下降。GPT 对年龄变化的敏感度最高（20 岁与 50 岁风险分差值最大）。
• 财富 (Wealth)：
  • 随着财富水平增加（从低于平均到高于平均），所有模型的风险评分显著上升。
• 投资经验 (Experience)：
  • “无投资经验”的设定导致所有模型的风险评分显著低于“有经验”或“专业经验”的设定。
• 统计显著性：在大多数类别（风险偏好、年龄、财富、经验）中，不同设定下的回答差异在统计上均显著（p < 0.01），证明提示词工程能有效引导 LLM 调整其风险画像。

4. 关键贡献 (Key Contributions)

1. 揭示了 LLM 的默认偏差：首次量化了主流 LLM 在金融咨询场景下的“默认性格”。研究发现它们并非中立，而是各自带有特定的风险倾向（保守、中等、激进）和稳定性特征。
2. 验证了提示词工程的有效性：证明了通过简单的角色设定（Persona Prompting），LLM 能够显著调整其风险画像以匹配用户输入，这为 LLM 作为个性化理财顾问提供了可行性依据。
3. 模型间的异质性分析：通过对比 GPT、Gemini 和 Llama，指出了不同模型在处理金融逻辑（如风险与时间的关系）时的内在差异，这对选择特定模型用于特定金融任务至关重要。
4. 方法论创新：将传统的金融风险评估问卷与 LLM 的重复性测试及统计检验相结合，建立了一套评估 LLM 金融行为一致性的框架。

5. 研究意义与启示 (Significance)

• 对金融顾问行业的启示：LLM 具备成为高级财务顾问的潜力，能够理解并内化投资者的个人特征。然而，由于不同模型存在固有的“默认偏见”和回答的不一致性（特别是 GPT 的高变异性），直接将其用于自动化投资建议存在风险。
• 对提示词工程的指导：为了获得准确的投资建议，必须精心设计提示词，明确指定投资者的年龄、财富、经验及风险偏好，以覆盖模型的默认偏差。
• 监管与合规：研究强调了在将 LLM 部署于零售投资领域时，需要对其输出进行严格的监控和校准，防止因模型自身的随机性或特定偏差导致不合适的资产配置建议。

总结：该论文表明，虽然 LLM 可以通过提示词调整来模拟不同投资者的风险画像，但它们并非完美的“空白画布”。每个模型都有其独特的“性格”和逻辑偏差，在实际应用中必须谨慎处理这些差异，以确保投资建议的准确性和一致性。