FRB理事バー、AIの資金調達・取引・サイバーリスクが金融安定性に影響を与えうると警告
重要ポイント
- •AI大手7社のバランスシッチ上の負債は2026年末までに8,000億ドルを超える見込みであり、バランスシッチ外債務の最大想定名目額はすでに3兆ドルを超えている。
- •ハイパースケーラーと大手GPUメーカーは、大規模言語モデルラボとクラウドコンピューティングスタートアップに対して1,000億ドル超の累積株式投資を有しており、バー理事はこれを循環的資金調達の一形態だと述べた。
- •バー理事はAI関連資本支出の規模を、1870年代の鉄道、20世紀半ばの高速道路、1990年代の光ファイバー、1990年代後半の通信サイクルなど過去のインフラ投資ブームに例えた。
- •多くの取引者が類似データで訓練された類似AIモデルに依存する場合、共通の欠陥がシステミックな帰結を伴う失敗を生み出しうる。また、強化学習アルゴリズムは明示的な意図なしに自律的に共謀的行動を発展させうることが理論的に示されている。
- •AIエージェントはストレス期に資金を高速で自動移動することで預金流出を加速させ、取り付け騒ぎを数分に圧縮し、従来の流動性管理のタイムラインを圧倒しうる。

人工知能が金融安定性に与えうるいくつかの潜在的影響
2026年11月16日 — マイケル・S・バー、米連邦準備制度理事会理事
ミラノ(イタリア)で開催された第7回ACM金融における人工知能国際会議での講演
公式講演文
マイケル・S・バー理事は、人工知能(AI)が生産性を向上させ、金融サービスへのアクセスを広げ、市場を強化しうると述べた一方で、この技術が高度にレバレッジのかかった投資、取引システムの集中、サイバーセキュリティの脆弱性、不十分な消費者保護を通じて金融安定性にリスクをもたらしうると警告した。現職のFRB理事として、中央銀行の最新の金融安定レポートの公表と同時に講演したことで、読者はFRBの上級当局者がAIを経済的機会と潜在的なシステミックリスクの両方としてどのように捉えているかを直接知ることができる。
バー理事は、この1年間でAIだけに焦点を当てた講演を4回行ったとし、他の最近の講演の多くでもAIが取り上げられていたと述べた。同理事は、世界中の人々と経済に対するAIの影響を、社会が直面する最も重要な課題の一つだと述べた。
「私は、社会全体の個人、企業、機関に力を与えるというAIの長期的な可能性について楽観主義者です」とバー理事は述べた。現在の課題と将来の混乱が効果的に管理されれば、AIは生産性と生活水準を高め、ほとんどの人々がより多く学び、より多く稼げるようになると付け加えた。
バー理事は、この楽観論は、AIがもたらす変化を社会が理解し対応する能力への信頼も反映していると述べた。AIの恩恵が、AIが必然的にもたらす混乱やリスクによって圧倒されないよう、建設的な対話が必要だと述べた。
同理事によれば、この会議は、AIが人々の資産管理、信用・サービスへのアクセス、コスト削減、金融サービス提供者の能力向上、市場のより効果的な機能にどのように役立ちうるかを検討することで、その対話に貢献するものだという。しかし、AIが金融システムを強化できるのは、金融安定性をも支える場合に限られる。バー理事は、金融安定性は健全な経済に不可欠だと述べた。
FRBの最新の半年ごとの金融安定レポート(FSR)—金融システムが直面する脆弱性に関するFRBの中心的評価—は金曜日(11月13日)に公表され、AIと金融安定性に関する重要な知見を含んでいるとバー理事は述べた。このレポートはAI投資ブームと、その成長を賄うために用いられる革新的な債務構造におけるレバレッジを評価するFRBスタッフの調査に焦点を当てている。
バー理事は、レポートの調査結果を概説した後、AIの金融市場、特に卸売取引への統合のメリットとリスクに関する研究について検討し、その後、AIに関連するサイバーセキュリティリスクと消費者・投資家保護への影響について論じると述べた。
AI投資ブーム
バー理事は、投資家が最近、AI投資ブームの持続可能性について疑問を提起していると述べた。同理事は、FRBの政策当局者は金融市場の水準をターゲットにしておらず、市場には上昇も下落もあることを強調した。短期の市場動向についてはコメントを避ける一方、金融安定性に関わる長期的な課題を評価していると述べた。
以前の講演で、バー理事はAIが経済に与えうる影響を網羅する3つのシナリオについて論じた。AIが生産性を大幅に向上させる変革的なイノベーションとなったとしても、投資家がAI投資ビルドアウトからのリターンを期待した期間と水準で得られるかどうかが重要な問いであり、異なる結果は大幅な価格再評価につながりうると述べた。
こうした価格再評価による大規模な投資損失は、2つの経路で産出成長を低下させうる。第1は投資減少の直接的影響であり、投資は国内総生産(GDP)の構成要素である。第2は資産喪失の間接的影響で、消費および潜在的に企業支出を減少させうる。
最新のFSRによれば、株式プレミアム—投資家が無リスク債券ではなく株式を保有するために要求する追加リターンの大まかな指標—は歴史的な水準と比べて低いものの、ドットコム株ブーム時の水準ほどには低くない。バー理事は、株式プレミアムは株式評価額全体の歴史的な水準に対する相対的位置を示す一つの指標に過ぎないと述べた。
データセンタービルドアウトのレバレッジ
AIビルドアウトはますます借入によって賄われている。FSRは、レポート内で「高度コンピューティング債務」と呼ばれるAIデータセンターおよび関連投資の資金調達が金融安定性に影響を与えうる3つの経路—債務の急速な増加、循環的資金調達ネットワーク、その他の複雑な金融債務—を検証している。
AI投資が大幅に再評価された場合、こうしたAI資金調達の3つの側面から生じるストレスが再評価を増幅しうるとバー理事は述べた。
AI大手7社のバランスシッチ上の負債は2026年に大幅に増加し、年末までに8,000億ドルを超える見込みである。バー理事はこの増加を、1990年代後半から2000年代前半の通信投資サイクルにおける債務増加と比較した。
FSRは、ハイパースケーラー(最大手のクラウド・データセンター運営企業)の2020年以降の累積資本支出と債務発行を、1995年に始まったブロードバンド投資サイクル期の通信業界全体の企業のそれと比較している。ハイパースケーラーはまだ以前のブームの比較対象を上回っていないものの、最近の資本支出の加速は、まもなく上回る可能性を示唆している。
長期契約、リース債務、残価保証を含むその他の債務は、バランスシッチ上の負債よりも速く増加している。FSRは、これらの債務(バランスシッチ外負債として扱われる)の最大想定名目価値が現在3兆ドルを超えていると推計している。
企業は一般に、バランスシッチ外負債を割引前の金額で表示しており、割引後のバランスシッチ上の数値との比較を難しくしている。
こうした債務の相当部分は、ハイパースケーラーやその他の高格付け企業が、信用力の弱い企業が関与するプロジェクトの資金調達を間接的に支援する、あるいは公益事業投資を支援する複雑なスキームに由来する。これらのバランスシッチ外負債には、エネルギー供給契約、長期のデータセンター・コンピューティングリース、多様なバランスシッチ外資金調達構造に係る債務が含まれる。
バー理事は、この複雑さは経験の浅い投資家には不透明でありうると述べた。この不透明性は、リスクの所在を判断するのが難しいため、投資家センチメントが変化した際の売り急ぎを悪化させうる。同理事は、これらの巨大なバランスシッチ外構造の発展には綿密な監視が warranted だと述べた。
外部資金への依存度が最も高い低信用力企業も、ここ数か月で資金調達コストの大幅な上昇に直面している。その結果、こうした企業はより複雑なアセットバック型の資金調達に移行しているとバー理事は述べた。
ハイパースケーラーと大手グラフィックス処理装置(GPU)メーカーはまた、大規模言語モデル(LLM)ラボやクラウドコンピューティングスタートアップに対して1,000億ドルを超える累積株式投資を有している。バー理事はこれらの投資を「循環的資金調達」の一形態だと述べた。ハイパースケーラーとGPUメーカーは小規模企業に資本を提供し、その小規模企業はその資金を使って投資元の企業からGPUやコンピューティング能力を賃借または購入する。
これらの投資はハイパースケーラーとGPUメーカーのバランスシッチに占める割合は比較的小さいが、資本を受領する小規模企業にとっては極めて重要である。AIビルドアウトの投資が経済的に持続可能となるためには、こうした小規模企業は最終的に、ハイパースケーラーとGPUメーカーからのサプライヤー資金を、支払う意思のある顧客からの収益に置き換える必要がある。
循環的資金調達のもう一つの間接的な形態は、ハイパースケーラーとGPUメーカーの製品・サービスの購入を支援する担保保証を伴う。外部資金調達への依存度が高い企業が資金調達制約に直面すると、社債発行からアセットバック型資金調達へと移行しうる。
こうした資金調達を支えるため、より規模が大きく信用力の高い企業は、担保として提供されるデータセンターやGPUの再販価値を保証することが多い。これらの保証(担保バックストップ)は、債務不履行と担保の換価が生じた場合にハイパースケーラーとGPUメーカーが負担しうる損失を表すため、バランスシッチ外負債として報告されている。
過去のインフラブームとの比較
バー理事は、AI関連資本投資の規模は、過去の技術・インフラサイクルと並べて考えるべきだと述べた。ある推計では、AIビルドアウトに関連する投資は、1870年代の鉄道、1950〜60年代の高速道路、1990年代の光ファイバーなど、過去のインフラ投資ブームに関連した投資に匹敵し、あるいはそれを超える可能性があるという。
バー理事は、これらのブームのそれぞれは一時的に過剰投資に見えたかもしれないが、そこで整備された鉄道、高速道路、光ファイバーのキャパシティは今日も貴重だと述べた。それでも、一部の過去のブームは頓挫し、より広範な金融システムに影響を及ぼした。
現在のブームを支える債務はまだ限定的であるため、バー理事は直接的な損失についての懸念は少ないと述べた。しかし、ヘッジファンドのレバレッジとより広範なリスク許容度はかなり高いように見える。急激な反転は、急速なデレバレッジ、そして場合によっては自己増幅的な投げ売りを生み出しうる。
株式戦略で使用されるレバレッジも近年増加しており、一部は大手ディーラーが提供するプライムブローカレージサービスを通じている。最大手銀行の高い資本水準は波及効果に対する防壁となるが、株式市場の変動期にはカウンターパーティー・エクスポージャーが増加しうる。バー理事は、AIに大型のポジションを構築しているカウンターパーティーへのエクスポージャーを含め、エクスポージャーの監視を続けることが重要だと述べた。
さらに、データセンターのコストの大部分は、AIに使用されるGPUおよびその他の専用チップから生じている。一つの懸念は、より新しい技術がこれらの専用チップに取って代わるにつれ、チップが急速に減価し、そのキャパシティが将来あまり役に立たなくなる可能性である。
バー理事によれば、旧世代チップの賃借料は現時点で持ちこたえており、最先端に及ばないコンピューティング技術にも用途があることを示唆しているが、その傾向は監視に値すると述べた。変電所、高圧接続、系統連系などAI関連資本ストックの他の部分が、関連サービスへの需要が失望した場合にどのような用途に使われるかを判断することも難しいと述べた。
一部の地域では、AIの将来にかかわらず、追加の電力・ネットワーク容量が有用だろうことは疑いない。他の地域では、過剰キャパシティが有用になるまでに何年もかかる可能性があり、1990年代のブームと崩壊後の一部地域における「ダークファイバー」の例がある。
一方、AI投資ブームが頓挫せず、AIサービスへの需要が現在設置中の資本を十分に活用し、さらなるキャパシティを必要とする持続的なブームとなる可能性もある。バーよ理事は「時間だけが答えを教えてくれる」と述べた。
卸売証券取引におけるAIの意図しない帰結
AIは金融市場における取引を再形成しうる。これは過去のFSRでも取り上げられたテーマである。生成AIは、従来の取引アルゴリズムよりも広範で豊富なデータ・情報を処理し、より複雑なロジックを適用できる強力なツールである。高度な取引技術へのアクセス障壁を下げ、市場参加者の多様性を高め、市場監視の改善にも役立ちうる。
これらの能力は市場の効率性、健全性、機能を改善しうる。しかしバー理事は、他の新技術と同様、AIもリスクを生み出すと述べた。
同理事の理解では、生成AIはまだ大規模な自律的取引には使用されていない。それでも、規制当局と市場参加者はその導入のリスクと影響を理解する必要がある。AIが金融市場にどのような影響を与えるかに関する多くの重要な問いは、抽象論ではなく、モデル設計、訓練データ、テスト、デプロイメントに関する技術的決定によって答えが決まる。
AIは取引の専門知識と技術へのアクセスを民主化しうるが、情報の非対称性と市場集中を高めうる。最新鋭のシステムは高価で大規模な投資を必要とし、最大手企業に優位性を与え、市場支配力をその企業群に集中させうる。AIツールが広く利用可能になったとしても、効果的に使用するには高度なスキルが必要であり、既存の大手企業に有利に働く可能性がある。
金融市場取引へのAI統合が価格効率に与える影響は不確実である。2026年のジャクソンホール論文で、マーカス・ブルンナーマイアーは、非対称な理解のために証券価格の情報含量が低下しうると警告した。AIエージェントは人間を理解しその行動を予測できるが、人間はAIエージェントを同じようには理解できず、その行動を予測できない。
AIはまた、より幅広い情報をより速く処理することで価格の情報含量を改善できる。バー理事が引用した研究には、チアン・チェン、ポンカイ・リン、ユエ・チャオの2025年の論文「生成AIは投資家の取引を促進するか?ChatGPT障害からの初期エビデンス」(Journal of Accounting and Economics掲載)や、ティエリ・フーコーらのArtificial Intelligence in Finance: The Future of Bankingの研究がある。
同時に、SNS上のAI生成の金融コンテンツが誤解を招く情報を拡散し、変動性を高めうるとする研究もある。デビッド・ハーシュライファー、リン・ポン、チーグァン・ワン、ウェイチェン・チャン、シャオヤン・チャンによる「AI、オピニオンエコシステム、金融」(NBERワーキングペーパーシリーズ34807、2026年2月公表)である。
市場の群れ行動と暴落の可能性
取引者が類似データで訓練された少数の類似AIモデルに依存すれば、取引戦略が収斂し、ニュースやその他の情報への反応が同期するリスク—群れ行動—に直面する。
一つのアルゴリズムは欠陥のために失敗しうる。しかし、同じ欠陥を持つ可能性のある類似モデルが大量に使われる市場では、システミックな帰結を伴う失敗のリスクがある。悪意ある行為者が取引、価格提示、ニュースを意図的に操作し、類似のAI取引システムを同時に欺き、市場の混乱を増幅させうる。
AIモデルは望ましくない人間的傾向を再現しうる。理論的研究によれば、強化学習システムの一部、いわゆるQ学習取引アルゴリズムは、明示的な意図なしに自律的に共謀的行動を発展させうる。
自己学習型アルゴリズムは市場操作も自律的に学習しうる。一例はスプーフィングで、市場需要の虚偽の印象を作るために発注する行為である。アルゴリズムはバブルを作り出し悪用する戦略を採用し、市場を不安定化しうる。
こうしたリスクに対処するため、取引所は市場監視のために自ら機械学習・AIツールを展開している。一部の取引所は、AI搭載取引アルゴリズムの「ブラックボックス」性に伴うリスクを軽減する措置をすでに講じている。バー理事が挙げた一例が、CMEグループの市場規制アドバイザリー通知である。
これらの問題に関する研究には、スティーブン・G・チェケッティ、ロビン・L・ラムズデイン、トゥオマス・ペルトネン、アントニオ・サンチェス・セラーノのArtificial Intelligence and Systemic Risk(欧州システミックリスク理事会アドバイザリー科学委員会レポート2025/16)、ティエリ・フーコーらのArtificial Intelligence in Finance、シャンリー・リム、プジャ・シン、リチャード・ストーボのRegulatory Considerations Regarding Accelerated Use of AI in Securities Markets(IMFテクニカルノート・マニュアル2025/016)がある。
ウィンストン・ウェイ・ドウ、イタイ・ゴールドスタイン、ヤン・ジーはNBERワーキングペーパー34054で「AI駆動取引、アルゴリズム的共謀、価格効率」を検討した。ジャン・エドゥアール・コリアール、ティエリ・フーコー、ステファノ・ロヴォはReview of Financial Studiesで証券市場におけるアルゴリズム的価格設定と流動性を検討した。
アルゴリズムが異なる学習プロセスを用いる場合、共謀の可能性は低くなる。カルティク・アナンド、ソフィア・カジンニク、アニェーゼ・レオネッロ、エットーレ・パネッティが「エクス・マキナ:人工知能の時代の金融安定」(ECBワーキングペーパーシリーズ3225)で述べたように、Q学習アルゴリズムは大規模言語モデルベースのアルゴリズムよりも協調に陥りやすい可能性がある。
アルゴリズム取引者は、他者が共謀している場合に共謀しないことが highly 収益的になりうるため、戦略を差別化する強いインセンティブも持つ。ローラ・ベルドカンプは、これが均衡の帰結としてアルゴリズムの多様性を促進しうると論じている。
バー理事は、新技術を取引活動やより広範な市場インフラに統合する前に、リスクと影響を検討すべきだと述べた。技術が十分に理解されておらず、その開発が理解を超えて駆け足で進んでいる場合には、ある程度の慎重さが warranted だと述べた。
AIとサイバーリスク
2026年のインシデントは、AIモデルが人間の作成者の目標と整合しない形で自律的に行動するリスク(サイバーリスクを含む)を示した。
目標を与えられたAIモデルは、セキュリティ境界を守るべきルールではなく、乗り越えるべき障害として扱っており、AIエージェントにルール遵守を指示してもルールがどれほど有効でありうるかという疑問が生じている。
AIモデルは、多くの競合企業が共通のプラットフォーム提供者に大きく依存していることなど、人間のサイバー攻撃者が発見したのと同じ脆弱性の一部を悪用してきた。AIを活用した攻撃者は、以前は克服が困難すぎるため修正する価値がないと考えられていた脆弱性を、事前に知られていた場合でさえ悪用できることを実証した。
AIモデルは、数年前には誰も想像しなかった脆弱性をも明らかにしつつある。バー理事は以前、AIがディープフェイクの作成に使用されることでサイバーリスクを高めうることについて講演している(2025年4月17日、ニューヨーク連邦準備銀行での講演「Deepfakes and the AI Arms Race in Bank Cybersecurity」)。
サイバー防御側もまたAIを活用しており、人間には不可能な速度で脆弱性を発見・修正している。しかし最近のインシデントは、防御側が常に不利にならずにいられるかという疑問を提起している。攻撃者は一度成功すればよく、防御側は毎回成功しなければならない。サイバー防御は一貫して効果的でなければならないが、サイバー攻撃は成功するまで実験と失敗を繰り返せる。
つまり、防御側の仕事は困難であり、モデルのイノベーションの速度を考えるとさらに困難になりつつある。民間部門と政府がサイバーリスクを管理し、事件発生時に効果的に対応する能力は、金融安定性の維持にとって今後も不可欠である。
バー理事は、強く安全な金融システムなしに誰も成功できない以上、サイバー攻撃者に勝つ競争には皆が利害を有すると述べた。金融におけるAIの未来をめぐって競争する企業が協力し、サイバー防御がサイバー攻撃に先んじ続けられることを願っていると述べた。
消費者金融におけるAI
AIは消費者金融でますます大きな役割を果たす見込みであり、多くの小売業界と同様、特に人間の介入を必要としないやり取りにおいてそうなる。金融業界は顧客支援のために他の多くのセクターに先行してAIを導入しており、消費者自身も、投資助言の情報源としてチャットボットを利用するなど、導入を推進している。
多くの場合、こうした助言は、金融機関が助言源である場合に適用される構造化された保護、規制、監視なしに提供されている。金融セクターの企業もまた、自社の金融助言を改善するためにAIを使用している。
顧客と金融企業によるAI利用の増加は、利益相反、投資推奨の質、投資家の最善の利益に行動する企業の義務といった投資家保護上の重要な懸念を提起している。
AIシステムは、投資家の財務状況と投資目標に基づくだけでなく、自社商品の販売促進、取引手数料の創出、より頻繁な取引の奨励など、企業の商業的利益に資する要因に基づいて推奨を生成しうる。
こうした利益相反はアルゴリズムに組み込まれている可能性があり、ブローカー、アドバイザー、投資家、規制当局が特定したり理解したりすることが困難である。AIシステムは不完全または偏ったデータに依存し、不正確な情報を生成したり、投資家のリスク許容度、財務状況、投資期間と整合しない投資を推奨したりしうる。
金融機関は、オルタナティブデータ分析を通じて家計の信用アクセスを拡大するためにAIをますます利用する可能性がある。しかし、この技術は重大なコンプライアンス課題をもたらす。AIはブラックボックスとして機能しうるため、不利な判断を説明したり、公正融資法(フェア・ハウジング法や均等機会法を含む)への遵守を確保したりすることが困難である。
家賃支払い、公益料金、雇用パターンなどのオルタナティブデータは、適切に使用されれば信用アクセスを拡大しうるが、人種や出身国といった保護された特性の代理となってしまう可能性もある。従って、注意が必要である。従来の信用情報と異なり、消費者はこうした情報を確認・異議申し立てできないことが多い。
AIを責任を持って使用するには、機関は説明可能なAI技術への投資、継続的な公平性監視の実施、詳細なモデル検証記録の維持、利用しやすい異議申し立てメカニズムの提供が求められる。AI提供者は訓練データのバイアスを特定し、出力を監視して、不平等の増幅やリスクの誤った価格設定を防止しなければならない。消費者保護法を執行する我々も、同様に警戒を怠ってはならない。
新しいリスクが現れ続けている。例えば、大手銀行は、銀行が真正性、同意、顧客指示との整合を検証できないまま、AIエージェントが小売顧客口座で行動しようとするのを発見していると報告している。
これらのインシデントは、金融サービスにおけるAIの長期的な成功には適切なガードレール—厳格な認証、特定の行動に対する明示的な同意確認、エージェントの能力を制限する技術的統制、ルールベースと価値ベースの両方の制約—が必要であることを示している。バー理事は、AIエージェントが確立されたルールと価値に従うことを確保する技術的イノベーションが必要であり、エージェント型コマースの拡大に伴い特に重要であると述べた。
さらに、AIエージェントはストレス期に預金流出を加速させうる。従来、顧客が送金を実行する必要があったところ、AIエージェントは利回り格差や安定性シグナルを瞬時に検出し、高速で自律的に資金を移動しうる。これにより、数分で展開する取り付け騒ぎが加速し、従来の流動性管理や規制介入のタイムラインを圧倒しうる。
結論
バー理事は、金融システムへのAI統合が、中核業務でこの技術を使用する企業に対して実務的課題を提起すると述べた。企業は、AI駆動のプロセスと結果が関連法令と適切なリスク管理基準に準拠することを確保しなければならない。
大手機関は、エージェント型AIを含む生成AIをビジネスモデルに組み込むことを検討しているが、バー理事は慎重に進めるべきだと述べた。生成AIの可能性を持続可能な形で活用するには、それらのモデルに基づく判断が、十分に管理され、数値的・法的に正確で、説明可能で、再現可能でなければならない。AI開発者は依然としてこれらすべての基準を満たすことに苦闘している。
金融システムは、AIが消費者融資におけるバイアスを強化するリスクを低減しなければならない。また、共謀、市場操作、重大な市場変動や潜在的なシステミックリスクをもたらす取引戦略といった、金融市場におけるAI使用に起因しうるリスクにも警戒しなければならない。
バー理事が示した監視アジェンダは、読者に追跡すべき具体的な指標を与える。1990年代後半の通信業界のベンチマークに対するハイパースケーラーの資本支出のペース、3兆ドル超のバランスシッチ外債務の増加、旧世代GPUの賃借料、AIに大型ポジションを有するカウンターパーティーへのディーラーのエクスポージャー—彼とFSRが注意を要するとして挙げた項目—に加え、次回のFRBの半年ごとのFSRも含まれる。
バー理事は、AIが金融システムのアクセスと効率性を改善し、提供者と顧客双方に利益をもたらす多大な機会を提供すると述べた。「この進展が、利用者を保護し、金融安定性を支える形で行われることを確保できると信じますし、確保しなければなりません」と同理事は述べた。
講演で引用された参考文献
- バー理事は、ここで表明された見解は自身のものであり、FRB理事会や連邦公開市場委員会(FOMC)の同僚の見解を必ずしも反映するものではないと述べた。
- Michael S. Barr(2026)「Will Artificial Intelligence Broadly Raise Living Standards or Drive Income and Wealth Inequality?」「Next-Gen Financial Inclusion」(FRB主催第3回金融包摂会議)での講演、ワシントン、7月14日:https://www.federalreserve.gov/newsevents/speech/barr20260714a.htm。
- 米連邦準備制度理事会(2026)Financial Stability Report、図1.5、ワシントン、11月:https://www.federalreserve.gov/publications/files/financial-stability-report-20261113.pdf。
- 米連邦準備制度理事会(2026)Financial Stability Report、「Leverage in the Data Center Buildout」、23〜25ページ。
- バランスシッチ外負債の名目価値は一般に割引前で報告されており、割引後のバランスシッチ上の金額との比較を難しくしている。
- Stijn Van Nieuwerburgh(2026)「Financing the AI Buildout」、Brookings Papers on Economic Activity、秋、1〜28ページ:
- 米連邦準備制度理事会(2025)Financial Stability Report、「Artificial Intelligence and Algorithmic Trading」、15〜16ページ:https://www.federalreserve.gov/publications/files/financial-stability-report-20251107.pdf。バー理事はまた、Lisa D. Cook(2025)「A Policymaker's View of Financial Stability」、ジョージタウン大学マクドノー経営大学院Psaros Center for Financial Markets and Policyでの講演、ワシントン、11月20日も引用:https://www.federalreserve.gov/newsevents/speech/cook20251120a.htm。
- 米連邦準備制度理事会(2025)Financial Stability Report;および国際通貨基金(IMF)(2024)「Advances in Artificial Intelligence: Implications for Capital Market Activities」、Global Financial Stability Report: Steadying the Course: Uncertainty, Artificial Intelligence, and Financial Stability、ワシントン、10月、77〜105ページ:
- Anne Yanru Chang、Xi Dong、Xiumin Martin、Changyun Zhou(2026)「AI Democratization and Trading Inequality」、Journal of Accounting Research、第64巻、6月、1287〜1331ページ。バー理事はまた、John Coughlan、Alexei G. Orlov(2023)「High-Frequency Trading and Market Quality: Evidence from Account-Level Futures Data」、Journal of Futures Markets、第43巻、8月、1126〜60ページ、およびIMFの「Advances in Artificial Intelligence」も引用。
- Katherine Doherty、Dina Bass、Justina Lee(2026)「Jane Street and Rivals Are Now Fighting for AI Power as Well as Pace」、Bloomberg、10月22日。
- Thierry Foucault、Leonardo Gambacorta、Wei Jiang、Xavier Vives(2025)Artificial Intelligence in Finance: The Future of Banking 7、欧州経済政策研究センター、パリおよびロンドン:
- Jinfei Sheng、Zheng Sun、Baozhong Yang、Alan L. Zhang(2026)「Generative AI and Asset Management」、Review of Financial Studies、1〜48ページ。
- Qiang Cheng、Pengkai Lin、Yue Zhao(2025)「Does Generative AI Facilitate Investor Trading? Early Evidence from ChatGPT Outages」、Journal of Accounting and Economics、第80巻、11〜12月、101821;およびDavid Hirshleifer、Lin Peng、Qiguang Wang、Weichen Zhang、Xiaoyan Zhang(2026)「AI, Opinion Ecosystems, and Finance」、NBERワーキングペーパーシリーズ34807:
- Markus K. Brunnermeier(2026)「Artificial Intelligence and the Brave New World in Finance」、カンザスシティ連邦準備銀行主催ジャクソンホール経済政策シンポジウム用論文、ワイオミング州、8月27〜29日: Shafran、Atticus Geiger、Mor Geva(2026)「Constructing Interpretable Features from Compositional Neuron Groups」、第64回計算言語学学会年次大会議事録、42326〜48ページも引用:
- Stephen G. Cecchetti、Robin L. Lumsdaine、Tuomas Peltonen、Antonio Sánchez Serrano(2025)Artificial Intelligence and Systemic Risk、アドバイザリー科学委員会レポート2025/16、欧州システミックリスク理事会、12月:
- Cecchetti他、Artificial Intelligence and Systemic Risk。
- Xiang-Li Lim、Puja Singh、Richard Stobo(2025)Regulatory Considerations Regarding Accelerated Use of AI in Securities Markets、IMFテクニカルノート・マニュアル2025/016:
- Winston Wei Dou、Itay Goldstein、Yan Ji(2025)「AI-Powered Trading, Algorithmic Collusion, and Price Efficiency」、NBERワーキングペーパー34054: Colliard、Thierry Foucault、Stefano Lovo(2026)「Algorithmic Pricing and Liquidity in Securities Markets」、Review of Financial Studies;Kartik Anand、Sophia Kazinnik、Agnese Leonello、Ettore Panetti(2026)「Ex Machina: Financial Stability in the Age of Artificial Intelligence」、ECBワーキングペーパーシリーズ3225: Veldkamp(2024)「Discussion of 'AI-Powered Trading, Algorithmic Collusion, and Price Efficiency'」、NBERサマーインスティテュート2024。
- Álvaro Cartea、Patrick Chang、Gabriel García-Arenas(2025)「Spoofing and Manipulating Order Books with Learning Algorithms」、 Wei Dou、Itay Goldstein、Yan Ji(2026)「Financial Market Fragility in the Era of AI Planning」、ウォートン・スクール・リサーチペーパー、9月16日、
- Pedro Gurrola-Pérez、Kaitao Lin(2024)「An Analysis of Market Manipulation Definitions Around the World」、ワーキングペーパー、世界取引所連合、6月。
- CMEグループ「Market Regulation Advisory Notice」:
- Michael S. Barr(2025)「Deepfakes and the AI Arms Race in Bank Cybersecurity」、ニューヨーク連邦準備銀行、4月17日:https://www.federalreserve.gov/newsevents/speech/barr20250417a.htm。
- 例として、フェア・ハウジング法や均等機会法が挙げられる。