LinkAlpha成立金融AI Lab 要驗證LLM投資判斷可信度

LinkAlpha成立金融特化人工智慧（AI）研究組織「LinkAlpha AI Lab」，正式著手驗證大型語言模型（LLM）投資判斷的可信度。隨著金融業將AI應用範圍擴大到投資判斷輔助領域，LinkAlpha希望建立一套能檢驗AI模型判斷是否真的能用於實務的系統。

LinkAlpha於20日宣布，正式成立金融特化研究組織「LinkAlpha AI Lab」。LinkAlpha是一家為機構投資人提供AI投資研究服務的公司，日前完成一輪由全球金融機構參與、規模達340億韓元（2,200萬美元）的A輪募資。

AI Lab以紐約與首爾為據點，由5名全職研究人員組成，屬於公司內部正式研究組織，同時採取結合學界研究人員的產學合作模式。公司表示，未來計劃將研究人力擴展至香港與新加坡等地。

研究總監由李容宰（Lee Yong-jae）蔚山科學技術院（UNIST）教授擔任。研究領域鎖定三大方向：△理解AI模型的市場推理方式 △衡量AI判斷的可信度 △建立「阿爾法」與風險系統。

「阿爾法」（Alpha）指的是超越市場平均的超額報酬，「風險系統」則是在投資判斷過程中管理虧損可能性與不確定性的機制。這背後的問題意識是：金融AI若要從單純的文件摘要工具，晉升為投資判斷的輔助工具，就必須同時檢視判斷結果、判斷過程與判斷的動搖程度，而不能只看最終數字。

學術顧問則邀請到佛羅里達大學（University of Florida）教授亞歷杭德羅·羅培茲-利拉（Alejandro Lopez-Lira）加入。羅培茲-利拉教授曾於2023年獲得貝萊德(BLK)最佳論文獎。

LinkAlpha相關人士表示：「AI Lab將研究AI理解與判斷金融資訊的方式、判斷的可信度，以及與實際投資績效連結的可能性。」這番話某種程度反映出，金融業導入AI的速度，與驗證體系建立的速度之間仍存在落差。

研究團隊在ACM AI與金融國際會議（ICAIF）發表的論文中指出，ChatGPT、Gemini、Claude等主要基礎模型都持續出現投資偏誤。以此為基礎，團隊還打造了一套公開排行榜，用來比較評估主要LLM的投資判斷特性。

這套排行榜的運作方式，是在相同條件下，讓模型接收多空雙方均衡的論據後，記錄其重複判斷結果，藉此算出偏誤分數。模型之間的分數差異，並不直接等於實際投資績效的差異。其用意在於，金融實務不該直接照單全收AI的判斷，而是要先驗證AI在哪些條件下判斷容易出現動搖。

LinkAlpha表示，截至AI Lab成立時，公司已在ICML、ACL、ACM ICAIF等主要AI學術會議上發表超過13篇論文。公司也與摩根大通(JPM)、貝萊德(BLK)、黑石(BX)、道富銀行(STT)、麻省理工學院（MIT）等金融與研究機構展開共同研究，並公開了金融AI基準測試資料集「FinDER」與「FinAgentBench」。

FinAgentBench被定位為評估AI代理人在金融文件問答中檢索與推理能力的基準測試。其評估架構分成兩部分：AI能否在眾多金融文件類型中挑出正確的文件、以及能否在選定文件中找到關鍵段落。

LinkAlpha共同創辦人暨共同執行長崔燦烈（Choi Chan-yeol）表示：「金融業使用AI的速度正在快速擴大，但實際投資判斷中能信任AI到什麼程度，目前還沒有充分建立起客觀標準。」他強調，公司目標是建立一套客觀的驗證體系。這番話也反映出，AI投資研究的普及速度，已經超前於驗證標準的建立進度。

南韓金融業也已進入建立AI應用標準的階段。南韓金融保安院公布的金融AI安全性與可信度評估體系中，納入了△模型效能管理 △資料品質 △公平性與偏誤 △可解釋性 △外部模型與資料驗證等項目。

此次AI Lab的成立，也呼應了產業別垂直人工智慧需求日益提高的趨勢。隨著金融AI的角色從業務自動化逐漸擴展到投資判斷輔助，模型效能之外的偏誤管理、可解釋性與可信度驗證，正在成為新的競爭力指標。