美国家庭对用于财务建议的人工智能的兴趣：来自美国的证据

《Journal of Behavioral and Experimental Finance》：Household Interest in Artificial Intelligence for Financial Advice: Evidence from the United States

　　

阿里·贾弗里|阿尤什·贾|哈桑·A·布特

摘要

本文基于2024年全国金融能力调查的数据，提供了美国家庭对接受人工智能财务建议的意愿的全国性代表性证据。我们运用基于技术接受度和行为委托框架的加权逻辑模型，分析了数字准备度、风险偏好、投资成熟度以及行为障碍等因素与人们对人工智能辅助财务建议的兴趣之间的关系。移动银行使用频率和风险承受能力与对人工智能建议的兴趣呈正相关，持有加密货币也与此正相关，而持有传统证券的相关性则较弱且不太稳定。在行为因素中，时间压力和感知到的财务约束是最为稳定的相关因素。这些结果表明，人工智能财务建议更可能作为一种行为和认知支持工具，而非替代专业金融知识，这一发现对金融包容性和消费者保护具有启示意义。

引言

人工智能已成为现代金融中介体系中越来越重要的组成部分。如今，算法系统已应用于交易、信用评分、投资组合管理，以及通过机器人顾问和对话式助手为消费者提供财务指导（Philippon, 2016; Goldstein等, 2019; Zhu等, 2024）。生成型人工智能的快速普及进一步推动了能够大规模提供个性化指导的对话式金融助手的发展（Rossi和Utkus, 2024; Jussupow等, 2024）。虽然关于机构层面采用人工智能的案例已有大量研究，但关于家庭如何使用人工智能辅助财务建议，以及哪些家庭特征会影响他们对这类技术的兴趣，目前了解还很少。

现有关于算法化金融服务的研究大多侧重于机器人顾问平台的效率、可扩展性及成本优势（Sironi, 2016; Jung等, 2018; D'Acunto等, 2019）。而关于家庭金融的研究则表明，人们寻求财务建议的动机受信任度、认知成本以及情感障碍的影响（Gennaioli等, 2015; Gomes等, 2021）。然而，关于家庭层面对于人工智能财务建议兴趣的实证研究仍然有限。大多数现有研究依赖于特定平台的数据、实验设计或选定的用户样本（Bianchi和Brière, 2022; Rossi和Utkus, 2024; Reher和Sokolinski, 2024），这限制了研究的外部有效性，也难以全面了解普通人群的兴趣状况。同时，监管机构和政策制定者也对人工智能驱动的金融决策系统在透明度、问责制以及消费者保护方面的问题表示担忧（Zhu等, 2024）。

为填补这一空白，本文提供了关于美国家庭对人工智能财务建议兴趣的全国性代表性证据。我们利用2024年全国金融能力调查的加权调查数据，并借助统一的实证框架，分析了数字准备度、风险偏好、投资成熟度以及行为障碍等因素如何共同影响人们接受人工智能辅助财务指导的意愿。需要指出的是，我们的因变量衡量的是人们表达出的对人工智能财务建议的兴趣，而非实际的使用情况。与技术采纳研究中所发现的意图与行为之间的差距一致（Venkatesh等, 2012），我们在整个研究中都刻意区分了人们的意愿表达与实际行为变化。

我们的实证框架基于两种互补的理论体系。第一种是技术接受理论，该理论将绩效期望、努力期望、社会影响以及有利条件视为行为意向的关键前置因素（Davis, 1989; Venkatesh等, 2003; Venkatesh等, 2012）。第二种则是行为家庭金融理论，该理论将金融事务的委托行为视为信任、认知成本以及情感障碍的函数（Gennaioli等, 2015; Gabaix, 2019; Gomes等, 2021）。此外，我们还借鉴了关于消费者对算法化决策辅助工具的不同反应的研究，这些反应取决于任务特点、自我认知能力以及先前的使用经验（Dietvorst等, 2015; Logg等, 2019; Castelo等, 2019; Jussupow等, 2020）。

我们的研究结果呈现出三种主要趋势。首先，数字准备度似乎起着重要作用：使用移动银行以及金融管理应用都与人们对人工智能建议的兴趣呈正相关，这一趋势表明人工智能建议更多是补充而非替代现有的数字金融工具。其次，风险偏好以及参与新兴资产市场的程度也与兴趣呈正相关。风险承受能力和持有加密货币的情况都会提升人们对人工智能建议的兴趣，而持有传统证券的相关性则较弱且不稳定；综合来看，那些已经在金融和科技方面较为活跃的家庭，对这类建议的兴趣可能更高。第三，在行为因素方面，时间压力和感知到的财务约束也会提升人们对人工智能建议的兴趣，而且即使在控制了财务资源和人口统计特征之后，这些关联依然存在。

总体而言，这些研究结果支持这样一种观点：人工智能财务建议更可能作为一种行为和认知支持工具，而非替代专业金融知识。家庭只有在认为金融决策过于复杂、耗时或带来较大情感压力时，才会表现出对人工智能建议的兴趣。这一观点与强调家庭金融决策中注意力有限、情感障碍以及决策成本的行为模型相契合（Barberis等, 1998; Gennaioli和Shleifer, 2018; Gabaix, 2019），也与将建议需求视为在信任基础上对认知成本的一种应对的委托理论相符（Gennaioli等, 2015）。

本文在多个方面为相关研究做出了贡献。首先，它提供了首个基于全国金融能力调查数据的关于美国家庭对人工智能财务建议兴趣的全国性代表性证据，将此前针对特定平台的研究成果（Rossi和Utkus, 2024; Bianchi和Brière, 2022; Reher和Sokolinski, 2024）推广到了更广泛的家庭群体。其次，它将金融科技采纳研究与行为家庭金融理论相结合，表明相比传统的投资成熟度指标，行为障碍与人们对人工智能建议的兴趣关系更为密切。最后，它为未来关于人工智能建议实际使用情况的研究提供了一个基准性的实证分析框架。

本文的其余结构如下：第2节回顾相关的理论及实证研究，阐明本文的贡献；第3节介绍数据来源；第4节阐述实证方法及变量定义；第5节呈现主要研究结果及稳定性检验结果；第6节探讨研究结论及政策启示；第7节为总结部分。

章节要点

文献综述

我们的研究整合了三类文献：（i）关于技术采纳和金融事务委托的理论框架；（ii）关于金融科技及机器人顾问采纳的实证研究；（iii）关于消费者对算法化工具的不同态度的研究。我们按照这一逻辑顺序展开文献综述，首先阐述支撑我们实证框架的理论基础，然后再总结相关的实证研究成果。

数据来源

我们的实证分析依赖于2024年全国金融能力调查的微观数据，这项调查是由金融行业监管局投资者教育基金会委托Meridian Research & Insights开展的，旨在了解美国成年人的整体情况。该调查提供了关于家庭人口统计特征、金融行为、风险偏好、技术使用情况以及对包括人工智能在内的新兴金融技术的态度的丰富信息。

变量定义与测量

表1列出了实证分析中使用的所有变量，包括相应的NFCS项目代码、回答选项以及统计汇总信息。

因变量。该因变量是根据NFCS中的J65项设计的，该题目的内容为：“您是否有兴趣接受人工智能提供的财务建议？”回答“是”的受访者对应的数值为1，回答“否”的则为0。对于回答“不知道”或其他选项的受访者，则不纳入分析范围。

数字准备度与金融素养

要了解哪些人对人工智能辅助财务建议感兴趣，就需要关注他们的数字准备程度。根据UTAUT理论，那些更习惯使用数字金融平台的用户，往往认为所需付出的努力较少，且面临的条件更为有利，而这些因素都是行为意向的重要预测指标（Venkatesh等, 2012）。同时，由于这类用户已经习惯了使用结构化的金融管理工具，它们也可能在一定程度上替代人工智能提供的建议功能。

讨论与政策启示

实证结果表明，家庭对人工智能辅助财务建议的兴趣主要与行为障碍有关，而非传统的金融成熟度指标。财务焦虑、时间压力以及感知到的财务约束始终是影响人们兴趣的最强因素。这一结果与委托理论的观点一致，即当家庭自行做出决策所面临的认知和情感成本过高时，他们会更倾向于将决策任务外包出去。

结论

本文基于2024年全国金融能力调查的数据，提供了美国家庭对接受人工智能财务建议的意愿的全国性代表性证据。尽管以往关于人工智能咨询服务的研究多聚焦于其技术效率以及机构层面的应用情况，但对于哪些家庭特征会影响他们对人工智能辅助财务建议的兴趣，目前了解还不多。我们的研究通过分析数字准备度、金融行为等因素，填补了这一研究空白。

资金来源说明

本研究未获得任何来自公共部门、商业机构或非营利组织的资助。

伦理声明

作者们确认，本稿为原创作品，尚未在任何期刊发表，也未被其他机构考虑录用。所有作者均已审阅本稿内容，并同意将其投稿至本期刊。

CRediT作者贡献说明

哈桑·安朱姆·布特：撰写——审稿与编辑，撰写——初稿，结果验证，研究监督，正式分析，数据整理。阿尤什·贾：可视化处理，结果验证，方法设计，正式分析，数据整理。阿里·贾弗里：撰写——审稿与编辑，撰写——初稿，可视化处理，结果验证，研究监督，软件应用，方法设计，正式分析，数据整理。

关于写作过程中使用生成型人工智能及人工智能辅助工具的声明

在撰写本稿的过程中，作者们仅使用基于人工智能的语言工具来优化语言表达、改进语法以及协助格式调整。所有内容均由作者亲自审核和修改，他们对本文的内容负完全责任。

利益冲突声明

作者们声明，自己不存在任何可能影响本研究结果的已知财务利益冲突或个人关系。