DOI: https://doi.org/10.30574/wjarr.2026.29.1.0110
تاريخ النشر: 2026-01-20
المؤلف: Kabir Oyewale وآخرون
الموضوع الرئيسي: التكنولوجيا المالية، التمويل الجماعي، المالية الرقمية
نظرة عامة
تتناول الورقة التأثير التحويلي للمستثمرين المؤسسيين على الأسهم العامة وحوكمة الشركات، لا سيما في سياق التأثير المتزايد للذكاء الاصطناعي (AI) في إدارة الاستثمار. تقدم مفهوم “الإشراف الخوارزمي”، الذي يشير إلى حوكمة اتخاذ القرار المدفوع بالذكاء الاصطناعي داخل المؤسسات الائتمانية. يجادل المؤلفون بأنه بينما يمكن للذكاء الاصطناعي تعزيز الكفاءة التشغيلية وإدارة المخاطر، فإنه يطرح أيضًا مخاطر نظامية جديدة من خلال مزامنة سلوك المستثمرين، وزيادة حلقات التغذية الراجعة الدورية، وتعقيد آليات المساءلة. تؤكد الورقة على ضرورة أن يقوم المنظمون بتنفيذ إشراف قائم على التفاعل واختبارات ضغط مدركة للذكاء الاصطناعي، بالإضافة إلى توضيح مسؤوليات المستثمرين المؤسسيين في هذا المشهد المتطور.
في الخاتمة، يبرز المؤلفون أن الإشراف الخوارزمي يعيد تشكيل فهمنا للأسواق المالية والمخاطر النظامية. مع اعتماد المستثمرين المؤسسيين بشكل متزايد على الخوارزميات لمعالجة البيانات وتنفيذ الاستراتيجيات بسرعات غير مسبوقة، يجب موازنة الفوائد المحتملة للذكاء الاصطناعي ضد التعقيدات التي يقدمها لإطارات الحوكمة الحالية. تدعو الورقة إلى تطور الأطر التنظيمية ومعايير الإفصاح وآليات الإشراف لمواكبة تعقيد تقنيات الذكاء الاصطناعي، مقترحة اتجاهات بحثية مستقبلية تركز على الإفصاح المحاسبي والضمان في نظام مالي مدفوع بالذكاء الاصطناعي.
مقدمة
تستعرض مقدمة الورقة تحولًا كبيرًا في أسواق رأس المال الأمريكية من الملكية الفردية إلى الملكية المؤسسية على مدى العقود القليلة الماضية. في عام 1950، كان الأفراد يمتلكون حوالي 90% من الأسهم الشركات، ولكن بحلول عام 2015، سيطر المستثمرون المؤسسيون على 76% من الأسهم العامة، مع احتفاظ “الثلاثة الكبار” من مديري الأصول—بلاك روك، فاندجارد، وستيت ستريت—بأسهم كبيرة في 88% من شركات S&P 500. يتم توضيح هذا الانتقال من خلال انخفاض الملكية المباشرة للأسر وزيادة الفئات المؤسسية، بما في ذلك المستثمرين الأجانب، الذين مثلوا حوالي 40% من ملكية الأسهم الأمريكية بحلول عام 2019.
تؤكد الورقة على دور المستثمرين المؤسسيين كفاعلين حوكميين حاسمين ووسائط معلومات، لا سيما في سياق الذكاء الاصطناعي (AI) وأنظمة التعلم الآلي التي تقود بشكل متزايد قرارات الاستثمار. يبرز هذا الظاهرة، التي تُسمى “الإشراف الخوارزمي”، التحديات الحوكمة التي يطرحها الذكاء الاصطناعي حيث يعمل بشكل مستقل داخل المؤسسات الائتمانية. يقترح المؤلفون إطارًا يتكون من ثلاثة أبعاد للإشراف الخوارزمي: الخصائص المؤسسية، الوظيفة الأساسية للذكاء الاصطناعي، ودرجة الاستقلالية. يهدف هذا الإطار إلى توضيح كيف تؤثر هذه العوامل على سلوك المؤسسات في الأسواق وظهور المخاطر النظامية. تسهم الورقة في الأدبيات من خلال دمج الذكاء الاصطناعي في تحليل سلوك المستثمرين المؤسسيين، ومناقشة الآثار على المحاسبة والإفصاح، وتحديد قنوات جديدة لنقل المخاطر النظامية، مما يضع أساسًا للبحوث المستقبلية والاعتبارات التنظيمية.
نقاش
يسلط النقاش حول المستثمرين المؤسسيين والذكاء الاصطناعي في المالية الضوء على التفاعل المعقد بين سلوك المستثمرين، المخاطر النظامية، والحوكمة الخوارزمية. يظهر المستثمرون المؤسسيون، المصنفون إما كعابرين أو مكرسين، سلوكيات غير متجانسة تؤثر بشكل كبير على نتائج السوق. قد يؤدي المستثمرون العابرون إلى تفاقم التفكير قصير الأجل، بينما يوفر المستثمرون المكرسون الاستقرار خلال الانخفاضات. تشير النتائج الأخيرة إلى أن زيادة الملكية المؤسسية ترتبط بزيادة المخاطر النظامية، لا سيما عندما تهيمن المؤسسات العابرة التي تتفاعل بشكل مشابه مع صدمات السوق، مما يشير إلى أن مزامنة اتخاذ القرار، بدلاً من الروابط في الميزانية العمومية، يمكن أن تعزز من الضعف النظامي.
تقديم الذكاء الاصطناعي في اتخاذ القرارات المالية يقدم فرصًا وتحديات. بينما يعزز الذكاء الاصطناعي الكفاءة والدقة التنبؤية، فإنه يقدم أيضًا مخاطر مرتبطة بالضبابية وتقارب النماذج. غالبًا ما تعمل الخوارزميات كـ “صناديق سوداء”، مما يعقد الواجبات الائتمانية للمستثمرين المؤسسيين، الذين يجب عليهم ضمان توافق أنظمة الذكاء الاصطناعي مع مصالح العملاء والحفاظ على الكفاءة الخوارزمية. يظهر مفهوم الإشراف الخوارزمي كإطار حوكمة يبرز الحاجة إلى الإشراف والمساءلة في عمليات اتخاذ القرار المدفوعة بالذكاء الاصطناعي. يحدد هذا الإطار الأبعاد الأساسية للخصائص المؤسسية، وظائف الذكاء الاصطناعي، ومستويات الاستقلالية، مما يؤدي إلى نماذج متميزة من السلوك الخوارزمي التي يمكن أن تؤثر على استقرار السوق والمخاطر النظامية.
الآثار على التنظيم، الواجب الائتماني، والمحاسبة عميقة. يجب أن تتطور اختبارات الضغط التقليدية لتأخذ في الاعتبار التفاعلات الخوارزمية والصدمات النظامية المحتملة. يُحث الائتمانيون على تعزيز فهمهم لأدوات الذكاء الاصطناعي وضمان الشفافية في الاستراتيجيات الخوارزمية لتخفيف المخاطر. علاوة على ذلك، يتم التأكيد على الحاجة إلى تحديث الهياكل الحوكمة داخل المؤسسات، داعيًا إلى دمج التقنيين وعلماء البيانات في عمليات اتخاذ القرار. مع اعتماد المشهد المالي بشكل متزايد على الذكاء الاصطناعي، تصبح الدعوة إلى إشراف خوارزمي قوي أمرًا أساسيًا لمواءمة التقدم التكنولوجي مع مبادئ المساءلة والثقة، مما يشكل في النهاية مستقبل الاستقرار المالي.
القيود
تسلط قسم القيود الضوء على عدم كفاية التنظيم المالي التقليدي القائم على الكيانات، الذي يركز على سلامة الشركات الفردية من خلال متطلبات رأس المال واختبارات الضغط. يجادل بأن ضمان استقرار الكيانات الفردية لا يضمن الاستقرار النظامي، حيث يمكن أن تؤدي السلوكيات المتزامنة بين الشركات إلى مخاطر نظامية، حتى لو لم يُعتبر أي شركة واحدة “مهمة نظاميًا”. وهذا يبرز الحاجة إلى التحول نحو إشراف قائم على التفاعل يراقب الديناميكيات بين المؤسسات، مثل تركيزات استخدام النماذج وارتباطات الزناد.
لزيادة فعالية التنظيم، تقترح الورقة أن يقوم المنظمون بفرض الإفصاحات المتعلقة بالاستراتيجيات الخوارزمية دون المساس بالمعلومات الملكية. على سبيل المثال، إذا أشارت عدة مؤسسات إلى استجابة مماثلة لانخفاض السوق، فقد يشير ذلك إلى مخاطر نظامية محتملة. بالإضافة إلى ذلك، تقترح الورقة أن يأخذ المنظمون في الاعتبار مقدمي خدمات الذكاء الاصطناعي من الأطراف الثالثة ككيانات مهمة نظاميًا، على غرار الإشراف الحالي لمقدمي خدمات السحابة، مما يعالج المخاطر المترابطة التي تطرحها ممارسات التداول الخوارزمية.
DOI: https://doi.org/10.30574/wjarr.2026.29.1.0110
Publication Date: 2026-01-20
Author(s): Kabir Oyewale et al.
Primary Topic: FinTech, Crowdfunding, Digital Finance
Overview
The paper examines the transformative impact of institutional investors on public equities and corporate governance, particularly in the context of the rising influence of artificial intelligence (AI) in investment management. It introduces the concept of “algorithmic stewardship,” which refers to the governance of AI-driven decision-making within fiduciary institutions. The authors argue that while AI can enhance operational efficiency and risk management, it also poses new systemic risks by synchronizing investor behavior, amplifying procyclical feedback loops, and complicating accountability mechanisms. The paper emphasizes the need for regulators to implement interaction-based oversight and AI-aware stress tests, as well as to clarify the responsibilities of institutional investors in this evolving landscape.
In the conclusion, the authors highlight that algorithmic stewardship reshapes our understanding of financial markets and systemic risk. As institutional investors increasingly rely on algorithms to process data and execute strategies at unprecedented speeds, the potential benefits of AI must be balanced against the complexities it introduces to existing governance frameworks. The paper calls for the evolution of regulatory frameworks, disclosure standards, and oversight mechanisms to keep pace with the sophistication of AI technologies, suggesting future research directions focused on accounting disclosure and assurance in an AI-driven financial ecosystem.
Introduction
The introduction of the paper outlines a significant shift in U.S. capital markets from individual to institutional ownership over the past several decades. In 1950, individuals owned about 90% of corporate equities, but by 2015, institutional investors controlled 76% of public stocks, with the “Big Three” asset managers—BlackRock, Vanguard, and State Street—holding substantial shares in 88% of S&P 500 companies. This transition is illustrated by a decline in direct household ownership and a rise in institutional categories, including foreign investors, who represented approximately 40% of U.S. equity ownership by 2019.
The paper emphasizes the role of institutional investors as critical governance actors and information intermediaries, particularly in the context of artificial intelligence (AI) and machine learning systems that increasingly drive investment decisions. This phenomenon, termed “algorithmic stewardship,” highlights the governance challenges posed by AI as it operates autonomously within fiduciary institutions. The authors propose a framework consisting of three dimensions of algorithmic stewardship: institutional characteristics, primary AI function, and degree of autonomy. This framework aims to elucidate how these factors influence institutional behavior in markets and the emergence of systemic risks. The paper contributes to the literature by integrating AI into the analysis of institutional investor behavior, discussing implications for accounting and disclosure, and identifying new channels for systemic risk transmission, thereby setting a foundation for future research and regulatory considerations.
Discussion
The discussion on institutional investors and AI in finance highlights the complex interplay between investor behavior, systemic risk, and algorithmic governance. Institutional investors, categorized as either transient or dedicated, exhibit heterogeneous behaviors that significantly influence market outcomes. Transient investors may exacerbate short-termism, while dedicated investors provide stability during downturns. Recent findings indicate that higher institutional ownership correlates with increased systemic risk, particularly when dominated by transient institutions that react similarly to market shocks, suggesting that synchronization of decision-making, rather than balance-sheet connections, can amplify systemic vulnerabilities.
The introduction of AI into financial decision-making presents both opportunities and challenges. While AI enhances efficiency and predictive accuracy, it also introduces risks associated with opacity and model convergence. Algorithms often operate as “black boxes,” complicating the fiduciary duties of institutional investors, who must ensure that AI systems align with client interests and maintain algorithmic competence. The concept of algorithmic stewardship emerges as a governance framework that emphasizes the need for oversight and accountability in AI-driven decision processes. This framework identifies core dimensions of institutional characteristics, AI functions, and autonomy levels, leading to distinct archetypes of algorithmic behavior that can influence market stability and systemic risk.
The implications for regulation, fiduciary duty, and accounting are profound. Traditional stress testing must evolve to account for algorithmic interactions and potential systemic shocks. Fiduciaries are urged to enhance their understanding of AI tools and ensure transparency in algorithmic strategies to mitigate risks. Furthermore, the need for updated governance structures within institutions is emphasized, advocating for the integration of technologists and data scientists into decision-making processes. As the financial landscape increasingly relies on AI, the call for robust algorithmic stewardship becomes essential to align technological advancements with principles of accountability and trust, ultimately shaping the future of financial stability.
Limitations
The section on limitations highlights the inadequacies of traditional entity-based financial regulation, which focuses on the safety of individual firms through capital requirements and stress tests. It argues that ensuring the stability of individual entities does not guarantee systemic stability, as synchronized behaviors among firms can lead to systemic risks, even if no single firm is deemed “systemically important.” This underscores the need for a shift towards interaction-based oversight that monitors inter-institutional dynamics, such as model usage concentrations and trigger correlations.
To enhance regulatory effectiveness, the paper suggests that regulators could mandate disclosures regarding algorithmic strategies without compromising proprietary information. For instance, if multiple institutions indicate a similar response to a market downturn, it could signal potential systemic risk. Additionally, the paper proposes that regulators might consider key third-party AI providers as systemically important entities, akin to the current supervision of cloud service providers, thereby addressing the interconnected risks posed by algorithmic trading practices.