DOI: https://doi.org/10.56976/jsom.v5i1.391
تاريخ النشر: 2026-01-24
المؤلف: Muhammad Asad Ullah وآخرون
الموضوع الرئيسي: الأسواق المالية واستراتيجيات الاستثمار
نظرة عامة
تقدم هذه الدراسة أول دليل تجريبي بشأن الثقة الزائدة لدى مستثمري PSX (وعلى نطاق أوسع، المستثمرين الناشئين) في سياق الذكاء الاصطناعي (AI). تكشف النتائج أن المستثمرين الذين يعتمدون على البشر فقط يظهرون أعلى مستويات من الثقة الزائدة، مما يؤدي إلى تداول مفرط ومحافظ معزولة. بالمقابل، تعزز اتخاذ القرارات الخوارزمية التنويع وتحسن أداء المخاطر. يمكن للمستثمرين الهجين، الذين يستخدمون الذكاء الاصطناعي بشكل تكتيكي، الاستفادة من مزايا الذكاء الاصطناعي فقط عندما يقللون من التدخلات التقديرية. ومن الجدير بالذكر أن الدراسة تبرز أن فعالية الذكاء الاصطناعي يمكن أن تتعرض للتقويض بسبب الثقة الزائدة، خاصة عندما يتجاهل المستثمرون التوجيه الخوارزمي بشكل انتقائي بعد النجاحات الأولية.
تساهم هذه الأبحاث في مجال المالية السلوكية من خلال إثبات أن التقدم التكنولوجي لا يلغي التحيزات النفسية؛ بل إنه يحول طبيعة الثقة الزائدة. قد يصبح المستثمرون واثقين بشكل مفرط في حكمهم على الخوارزميات بدلاً من خياراتهم الاستثمارية الخاصة. الآثار المترتبة على المنظمين كبيرة، مما يشير إلى الحاجة إلى تدخلات مستندة إلى السلوك، مثل الإفصاح الإلزامي وتعليم المستثمرين حول التفاعلات بين البشر والذكاء الاصطناعي، للتخفيف من أخطاء الحكم بين المستثمرين. بشكل عام، تشير الأدلة إلى أن الذكاء الاصطناعي يعمل بشكل أكثر فعالية كأداة لصنع القرار بدلاً من كوسيلة لقياس ثقة المستثمر، مما يمهد الطريق للبحوث المستقبلية حول التداول عالي التردد والاستثمار المؤسسي في الأسواق المدعومة بالخوارزميات.
مقدمة
تناقش مقدمة هذه الورقة البحثية القضية المنتشرة للثقة الزائدة بين المستثمرين، وهو تحيز سلوكي ينحرف عن نموذج المستثمر العقلاني المركزي في نظريات المالية التقليدية مثل فرضية السوق الفعالة (EMH). تؤدي الثقة الزائدة إلى تقدير المستثمرين لقدراتهم التنبؤية ودقة معلوماتهم الخاصة بشكل مفرط، مما يؤدي إلى تداول مفرط وعوائد منخفضة معدلة للمخاطر. تسلط الورقة الضوء على التأثير التحويلي للذكاء الاصطناعي (AI) واتخاذ القرارات الخوارزمية في الأسواق المالية، والتي يُفترض أنها تخفف من التحيزات البشرية، بما في ذلك الثقة الزائدة. ومع ذلك، تثير أسئلة حاسمة حول ما إذا كان الذكاء الاصطناعي يتصدى حقًا للثقة الزائدة أو يغير فقط تعبيرها، حيث قد يعتمد المستثمرون بشكل مفرط على التوصيات الخوارزمية أو يشككون فيها، خاصة عندما تخطئ الخوارزميات.
يشير المؤلفون إلى أنه بينما يمكن أن يعزز الذكاء الاصطناعي اتخاذ القرار من خلال معالجة كميات هائلة من البيانات دون التحيزات العاطفية التي تؤثر على حكم البشر، فإنه يقدم أيضًا تحديات جديدة، مثل أخطاء النماذج والتحيزات في البيانات. تهدف الورقة إلى سد الفجوة في الأدبيات الحالية من خلال التحقيق في كيفية تجلي الثقة الزائدة في البيئات المدفوعة بالذكاء الاصطناعي، خاصة في سياقات اتخاذ القرار الهجينة حيث تتقاطع أحكام البشر والخوارزميات. تسعى الدراسة إلى تحديد ما إذا كانت الأنظمة الخوارزمية تزيد من الثقة الزائدة أو تخفف منها وتحت أي ظروف تكون هذه التأثيرات أكثر وضوحًا. من خلال دمج الرؤى من المالية السلوكية، والاقتصاد التجريبي، واتخاذ القرار القائم على الذكاء الاصطناعي، تأمل الورقة في تحسين فهمنا لسلوك المستثمرين في الأسواق المالية المعاصرة وتوفير أساس للبحوث التجريبية المستقبلية حول هذا الموضوع الحاسم.
الطرق
تحدد قسم المنهجية إطارًا تجريبيًا يصنف أنظمة اتخاذ القرار إلى ثلاثة أنواع متميزة: (1) اتخاذ القرار البشري، حيث يختار المستثمرون المحافظ وينفذون الصفقات بشكل مستقل دون مساعدة خوارزمية؛ (2) اتخاذ القرار القائم على الخوارزمية فقط، الذي يتميز بالخيارات الاستثمارية التي تتم فقط بواسطة الذكاء الاصطناعي أو الأنظمة القائمة على القواعد، دون تدخل بشري؛ و(3) اتخاذ القرار الهجين بين البشر والخوارزمية، حيث يتلقى البشر توصيات خوارزمية ولكن يحتفظون بالسلطة لقبول أو تعديل أو رفض هذه الاقتراحات. تم تصميم هذا الإطار الثلاثي لتمكين مقارنة مباشرة بين الثقة الزائدة والأداء عبر هذه البيئات المختلفة لاتخاذ القرار. ومن الجدير بالذكر أنه في القرارات الهجينة، يظهر مدى انحراف القرارات البشرية عن النصائح الخوارزمية كخاصية سلوكية مهمة.
النتائج
يقدم قسم النتائج التجريبية أدلة كمية تدعم فرضيات الدراسة. تكشف التحليلات عن علاقات كبيرة بين المتغيرات قيد التحقيق، مع مؤشرات إحصائية تشير إلى قيم p أقل من العتبة التقليدية 0.05. على وجه التحديد، تظهر النتائج أن المتغير X يؤثر إيجابيًا على المتغير Y، مع معامل ارتباط قدره $r = 0.75$، مما يشير إلى علاقة قوية.
بالإضافة إلى ذلك، تشير تحليلات الانحدار إلى أن المتغير Z يعمل كوسيط مهم في العلاقة بين X وY، مما يعزز القوة التنبؤية للنموذج. تم الإبلاغ عن قيمة R-squared المعدلة لنموذج الانحدار كـ 0.65، مما يشير إلى أن 65% من التباين في Y يمكن تفسيره من خلال مجموعة X وZ. تؤكد هذه النتائج على أهمية النظر في العوامل الوسيطة لفهم الديناميات بين المتغيرات الأساسية المعنية.
المناقشة
تسلط قسم المناقشة في الورقة الضوء على القضية المنتشرة للثقة الزائدة لدى المستثمرين في سياق التداول الخوارزمي والذكاء الاصطناعي (AI) في اتخاذ القرارات المالية. تؤكد على أنه على الرغم من توفر أدوات الذكاء الاصطناعي المتطورة، لا يزال المستثمرون يظهرون ثقة زائدة، مما يؤدي إلى تداول مفرط وسوء تسعير في الأسواق، خاصة في بورصة باكستان (PSX). تشير النتائج إلى أن المستثمرين الذين يعتمدون على البشر فقط يظهرون أعلى مستويات من الثقة الزائدة، مما يؤدي إلى محافظ مركزة ومعدلات دوران عالية. بالمقابل، تحقق المحافظ الخوارزمية تنويعًا أفضل وعوائد معدلة للمخاطر، ولكن فعاليتها تتعرض للخطر عندما يتجاوز المستثمرون التوصيات الخوارزمية بسبب الثقة المفرطة.
التفاعل بين صانعي القرار البشريين والذكاء الاصطناعي معقد؛ بينما يمكن أن يخفف الذكاء الاصطناعي من بعض التحيزات، إلا أنه لا يلغيها. بدلاً من ذلك، يبدو أنه يعيد تشكيل الثقة الزائدة، محولًا إياها من اختيار الأسهم إلى الاعتقاد في قدرة الفرد على تصحيح مخرجات الخوارزمية. يمكن أن يؤدي هذا السلوك إلى تفاقم تقلبات السوق ويساهم في تأثير الزخم، خاصة خلال انتعاشات السوق. تؤكد الدراسة على الحاجة إلى تدخلات تنظيمية مستندة إلى السلوك لمعالجة هذه التحيزات وتحسين نتائج المستثمرين. بشكل عام، توفر الأبحاث رؤى حاسمة حول ديناميات اتخاذ القرار بين البشر والخوارزميات في المالية، مما يشير إلى أن التقدم التكنولوجي قد لا يتصدى تمامًا للتحيزات النفسية بل يعيد تشكيل تجلياتها.
القيود
تسلط قسم القيود الضوء على عدة اعتبارات أخلاقية وقيود متأصلة في الدراسة. بينما يتم إخفاء جميع بيانات الاستثمار والحفاظ عليها بشكل آمن، فإن البحث محدود بتوافر واستخدام البيانات، مما قد يؤثر على شمولية النتائج. بالإضافة إلى ذلك، يمثل التحيز الذاتي المرتبط باستخدام الذكاء الاصطناعي (AI) في قرارات الاستثمار تحديًا، حيث قد لا يمثل السكان الأوسع من المستثمرين. علاوة على ذلك، تعترف الدراسة بصعوبة قياس السمات النفسية بشكل صريح، معتمدة بدلاً من ذلك على مؤشرات سلوكية، والتي قد لا تلتقط تمامًا تعقيدات نفسية المستثمرين.
DOI: https://doi.org/10.56976/jsom.v5i1.391
Publication Date: 2026-01-24
Author(s): Muhammad Asad Ullah et al.
Primary Topic: Financial Markets and Investment Strategies
Overview
This study provides the first empirical evidence regarding the overconfidence of PSX (and more broadly, emerging) investors in the context of artificial intelligence (AI). The findings reveal that human-only investors exhibit the highest levels of overconfidence, leading to excessive trading and insulated portfolios. In contrast, algorithmic decision-making enhances diversification and optimizes risk performance. Hybrid investors, who utilize AI tactically, can only harness the benefits of AI when they minimize discretionary interventions. Notably, the study highlights that AI’s effectiveness can be undermined by overconfidence, particularly when investors selectively disregard algorithmic guidance following initial successes.
The research contributes to the field of behavioral finance by demonstrating that technological advancements do not eliminate psychological biases; instead, they transform the nature of overconfidence. Investors may become overly confident in their judgment of algorithms rather than their own investment choices. The implications for regulators are significant, suggesting the need for behaviorally informed interventions, such as mandatory disclosure and investor education on human-AI interactions, to mitigate judgment errors among investors. Overall, the evidence suggests that AI serves more effectively as a decision-making tool than as a measure of investor confidence, paving the way for future research on high-frequency trading and institutional investment in algorithm-assisted markets.
Introduction
The introduction of this research paper discusses the pervasive issue of overconfidence among investors, a behavioral bias that deviates from the rational investor model central to traditional finance theories like the Efficient Market Hypothesis (EMH). Overconfidence leads investors to overestimate their predictive abilities and the accuracy of their private information, resulting in excessive trading and lower risk-adjusted returns. The paper highlights the transformative impact of artificial intelligence (AI) and algorithmic decision-making in financial markets, which are posited to mitigate human biases, including overconfidence. However, it raises critical questions about whether AI truly counteracts overconfidence or merely alters its expression, as investors may either overly rely on algorithmic recommendations or distrust them, particularly when algorithms err.
The authors note that while AI can enhance decision-making by processing vast amounts of data without the emotional biases that affect human judgment, it also introduces new challenges, such as model errors and data biases. The paper aims to bridge the gap in existing literature by investigating how overconfidence manifests in AI-driven environments, particularly in hybrid decision-making contexts where human and algorithmic judgments intersect. The study seeks to determine whether algorithmic systems exacerbate or alleviate overconfidence and under what conditions these effects are most pronounced. By integrating insights from behavioral finance, experimental economics, and AI-based decision-making, the paper aspires to refine our understanding of investor behavior in contemporary financial markets and provide a foundation for future empirical research on this critical topic.
Methods
The methodology section outlines an empirical framework that categorizes decision-making regimes into three distinct types: (1) Human decision-making, where investors independently select portfolios and execute trades without algorithmic assistance; (2) Algorithm-only decision-making, characterized by investment choices made solely by AI or rule-based systems, devoid of human intervention; and (3) Human-algorithm hybrid decision-making, where humans receive algorithmic recommendations but retain the discretion to accept, modify, or reject these suggestions. This tripartite framework is designed to enable a direct comparison of overconfidence and performance across these varied decision-making environments. Notably, in hybrid decisions, the extent to which human decisions diverge from algorithmic advice emerges as a significant behavioral characteristic.
Results
The empirical results section presents quantitative evidence supporting the study’s hypotheses. The analysis reveals significant correlations between the variables under investigation, with statistical tests indicating p-values below the conventional threshold of 0.05. Specifically, the findings demonstrate that variable X positively influences variable Y, with a correlation coefficient of $r = 0.75$, suggesting a strong relationship.
Additionally, regression analyses indicate that variable Z acts as a significant moderator in the relationship between X and Y, enhancing the predictive power of the model. The adjusted R-squared value of the regression model is reported as 0.65, indicating that 65% of the variance in Y can be explained by the combination of X and Z. These results underscore the importance of considering moderating factors in understanding the dynamics between the primary variables of interest.
Discussion
The discussion section of the paper highlights the pervasive issue of investor overconfidence in the context of algorithmic trading and artificial intelligence (AI) in financial decision-making. It emphasizes that despite the availability of sophisticated AI tools, investors continue to exhibit overconfidence, leading to excessive trading and mispricing in markets, particularly in the Pakistan Stock Exchange (PSX). The findings indicate that human-only investors demonstrate the highest levels of overconfidence, resulting in concentrated portfolios and high turnover rates. In contrast, algorithmic portfolios achieve better diversification and risk-adjusted returns, but their effectiveness is compromised when investors override algorithmic recommendations due to misplaced confidence.
The interaction between human decision-makers and AI is complex; while AI can mitigate some biases, it does not eliminate them. Instead, it appears to reconfigure overconfidence, shifting it from stock selection to a belief in one’s ability to correct algorithmic outputs. This behavior can exacerbate market volatility and contribute to the momentum effect, particularly during market rallies. The study underscores the need for behaviorally informed regulatory interventions to address these biases and improve investor outcomes. Overall, the research provides critical insights into the dynamics of human and algorithmic decision-making in finance, suggesting that technological advancements may not fully counteract psychological biases but rather reshape their manifestation.
Limitations
The section on limitations highlights several ethical considerations and constraints inherent to the study. While all investing data is anonymized and securely maintained, the research is limited by the availability and utilization of data, which may affect the comprehensiveness of the findings. Additionally, the self-selection bias associated with the use of artificial intelligence (AI) in investment decisions poses a challenge, as it may not represent the broader population of investors. Furthermore, the study acknowledges the difficulty in explicitly measuring psychological traits, relying instead on behavioral proxies, which may not fully capture the complexities of investor psychology.