هدفت هذه الدراسة إلى اختبار كفاءة خوارزميات الذكاء الاصطناعي في بناء وإعادة توازن المحافظ الاستثمارية مقارنة بالنموذج التقليدي القائم على Markowitz/MVO، وذلك من خلال دراسة تطبيقية على السوقين السعودي والأمريكي خلال الفترة 2024–2025، باستخدام بيانات يومية مع اعتماد إعادة توازن نصف سنوية. اعتمدت الدراسة منهجاً كمياً تطبيقياً يقوم على بناء محافظ افتراضية وفق منهجين: منهج تقليدي ومنهج قائم على الذكاء الاصطناعي، وقياس الأداء باستخدام العائد المتوقع، والمخاطر المقاسة بالانحراف المعياري، ومؤشر Sharpe، إضافة إلى تحليل CAPM واختبارات الفروق الإحصائية.
أظهرت النتائج أن المحافظ التقليدية حققت عوائد متوقعة أعلى في أغلب الفترات، بينما تميزت محافظ الذكاء الاصطناعي بانخفاض واضح في مستوى المخاطر، ولا سيما في السوق الأمريكي. كما أظهرت النتائج تفوقاً وصفياً لمحافظ الذكاء الاصطناعي في مؤشر Sharpe في بعض الفترات، إلا أن هذا التفوق لم يكن معنوياً إحصائياً بصورة حاسمة. كذلك لم تقدم نتائج CAPM دليلاً كافياً على تحقيق Alpha/Intercept معنوي لمحافظ الذكاء الاصطناعي، كما لم يظهر اختبار الفروق بين السوقين وجود اختلاف معنوي في حجم الفرق بين المنهجين.
اختتمت الدراسة بمجموعة من التوصيات، أهمها أن خوارزميات الذكاء الاصطناعي تمثل أداة واعدة في إدارة المخاطر وخفض التذبذب، لكنها لم تثبت تفوقاً شاملاً ومستقراً على النماذج التقليدية خلال فترة الدراسة، لذلك توصي الدراسة بالنظر إلى الذكاء الاصطناعي كأداة داعمة يمكن دمجها مع النماذج التقليدية، وليس كبديل كامل عنها.