AI Governance for Institutional Readiness in Finance
金融机构采用智能体 AI 的治理准备AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要明确讨论拥挤交易、联合回撤和系统性治理风险，直接对应金融风险方向。
反馈分类问题正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
关注这篇论文的作者
金融机构采用智能体 AI 的治理准备
- 研究问题
- 当金融机构的智能体策略持续重新训练时，治理如何应对策略漂移、拥挤交易和联合回撤等风险，并形成可实施的制度安排？
- 方法与思路
- 作者提出政策、工程、组合与系统性四层治理框架，分别使用两项校准的合成示例和三个真实案例说明监测与失效机制。
- 材料陈述的贡献
- 摘要提出四层框架及九十天实施顺序；合成示例展示指标可计算性，案例说明相关失效机制在实际场景中具有对应事件。
- 阅读关注点
- 应核对调查与披露统计的来源、合成模型的校准依据、真实案例与智能体风险的联系，以及各治理层的监测和处置规则。
- 阅读边界
- 所据为 arXiv 预印本，不能确认同行评审或期刊接收；合成风险数值并非真实发生率，案例也未构成治理框架有效性的因果验证。
原文摘要
Agentic AI is gaining acceptance in asset management, but governance has not kept pace: 88\% of surveyed finance professionals report no operational governance framework for agentic AI, and only 24 of 75 large U.S. money managers disclosing AI use in Form ADV filings report a formal governance policy. We argue this gap is architectural: governance built for static validation does not survive continuously retrained agentic policies. We propose a four-layer framework (Policy, Engineering, Composition, Systemic) grounded in two distinct kinds of evidence, kept explicitly separate: two calibrated synthetic illustrations (a regret-covariance drift monitor; a crowding simulation showing joint drawdown risk rising from 39.2\% to 79.3\%), and three real, documented cases (a deployed LLM-embedding trading strategy, a \$45 billion discretionary fund's forced-deleveraging blowup, and a tribunal ruling holding an airline liable for its chatbot). The synthetic examples demonstrate computability from observable data; the cases demonstrate that the failure modes are not hypothetical. We provide a 90-day implementation sequence spanning trading and payments/customer-facing systems.