Generative Artificial Intelligence and the Pricing of Complex Earnings Information: Evidence from the Release of ChatGPT
Diese Arbeit liefert Belege dafür, dass die Veröffentlichung von generativer KI, insbesondere ChatGPT, die Verarbeitungskosten der Anleger für komplexe Finanzberichte reduzierte und dadurch den Post-Earnings-Announcement-Drift primär für Unternehmen mit hoher Informationskomplexität und geringem institutionellen Anteil abschwächte, was die Theorie der kostspieligen Verarbeitung gegenüber konkurrierenden Risiko- oder Arbitrage-Limit-Theorien stützt.
Originalarbeit lizenziert unter CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Dies ist eine KI-generierte Erklärung des untenstehenden Papers. Sie wurde nicht von den Autoren verfasst oder gebilligt. Für technische Genauigkeit konsultieren Sie das Originalpaper. Vollständigen Haftungsausschluss lesen
Seit Jahrzehnten operieren die Finanzmärkte nach einer einfachen, frustrierenden Wahrheit: Informationen sind nur dann wertvoll, wenn jemand sie lesen kann. Wenn ein Unternehmen seine Quartalszahlen veröffentlicht, sind die Zahlen öffentlich, aber die begleitenden Berichte sind oft lang, dicht und schwer zu navigieren. Jahrelang beobachteten Forscher ein merkwürdiges Muster, bei dem der Aktienkurs dieser Unternehmen nicht unmittelbar voll auf die Nachrichten reagierte. Stattdessen bewegte sich der Preis über Wochen hinweg in dieselbe Richtung weiter, als ob der Markt die Informationen nur langsam verdauen würde. Diese Verzögerung, bekannt als Post-Earnings-Announcement-Drift (Nachlauf nach Gewinnbekanntgaben), hat Ökonomen lange Zeit rätseln lassen. Einige argumentierten, es sei eine Belohnung für das Eingehen zusätzlicher Risiken, während andere glaubten, es handele sich um eine Reibung, die kluge Investoren daran hinderte, den Preis schnell zu korrigieren. Eine dritte Gruppe vermutete jedoch, dass die Verzögerung schlicht eine Frage der menschlichen Anstrengung war: Das Lesen komplexer Berichte kostet Zeit und Aufmerksamkeit, und die Anleger waren einfach zu langsam, die Details zu verarbeiten.
Die Frage, warum diese Verzögerung existiert, blieb ungelöst, weil es unmöglich war, die Kosten des Lesens von anderen Faktoren zu trennen. Frühere Studien stützten sich auf den Vergleich von Unternehmen, die schwierige Berichte verfassten, mit jenen, die einfache verfassten, doch Unternehmen wählen ihren eigenen Schreibstil selbst, was es schwierig machte zu wissen, ob die Schwierigkeit die Verzögerung verursachte oder etwas anderes im Spiel war. Zudem veränderten vergangene technologische Entwicklungen meist die Berichte selbst oder die Werkzeuge der professionellen Analysten, anstatt die Art und Weise zu ändern, wie der durchschnittliche Anleger liest. Dies bedeutete, dass niemand definitiv beweisen konnte, dass die Verzögerung durch die schiere Schwierigkeit der Textverarbeitung verursacht wurde.
Ende 2022 kam ein neues Werkzeug auf den Markt, das die Landschaft für jeden Anleger gleichzeitig veränderte. OpenAI veröffentlichte ChatGPT, eine generative künstliche Intelligenz, die in der Lage ist, lange Dokumente in Sekundenschnelle zusammenzufassen, umzuformulieren und Fragen dazu zu beantworten. Dieses Ereignis bot eine einzigartige Gelegenheit, die Theorie zu testen, dass Verarbeitungskosten Markteverzögerungen antreiben. Forscher nutzten diesen Moment, um eine einfache Frage zu stellen: Wenn die Kosten für das Lesen komplexer Berichte für alle plötzlich sinken, beginnt der Markt dann schneller zu reagieren? Indem sie die Veröffentlichung dieses Werkzeugs als natürliches Experiment behandelten, konnten sie beobachten, ob der langsame Preisdrift für Unternehmen mit den schwierigsten Berichten verschwand, während er für Unternehmen mit einfacheren Berichten unverändert blieb.
Die Forscher entwickelten ein System, um die Komplexität der Geschäftsberichte von Unternehmen in den USA und im Ausland zu messen. Sie analysierten den Text tausender Dokumente und untersuchten Faktoren wie Satzlänge, Vokabelkomplexität und die Dichte von Zahlen, um einen Score zu erstellen, der darstellte, wie schwer ein Bericht für einen Menschen zu lesen wäre. Entscheidend war, dass sie diese Scores ausschließlich anhand von Daten berechneten, die vor der Veröffentlichung des KI-Tools erhoben wurden, um sicherzustellen, dass das Maß der Schwierigkeit feststand und nicht durch das Ereignis selbst beeinflusst wurde. Sie verfolgten dann die Aktienkurse dieser Unternehmen rund um ihre Gewinnbekanntgaben und verglichen, wie schnell der Markt vor der Verfügbarkeit des Tools reagierte im Vergleich dazu, wie schnell er danach reagierte.
Die Ergebnisse zeigten eine klare Verhaltensänderung. Nach der Veröffentlichung des KI-Tools schrumpfte der langsame Preisdrift, der typischerweise nach Gewinnbekanntgaben für Unternehmen mit komplexen Berichten folgte, signifikant. Für diese schwer lesbaren Firmen begann der Markt die Informationen viel schneller zu verarbeiten, wobei ein größerer Anteil der Kursanpassung unmittelbar am Tag der Bekanntgabe stattfand. Im Gegensatz dazu zeigten Unternehmen mit einfacheren Berichten, die ohnehin leicht zu verarbeiten waren, keine solche Änderung in ihrer Reaktionsgeschwindigkeit. Dieses Muster deutet darauf hin, dass die Verzögerung tatsächlich durch den Aufwand verursacht wurde, der für das Lesen der Berichte erforderlich war, und dass sich der Markt korrigierte, als dieser Aufwand durch Technologie reduziert wurde.
Der Effekt war nicht einheitlich über alle Arten von Anlegern verteilt. Die Forscher fanden heraus, dass die Beschleunigung bei Unternehmen mit geringerem institutionellen Anteil am Aktienbesitz am ausgeprägsten war, wo Privatanleger einen größeren Anteil am Handelsgeschehen ausmachen. Dies sind die Anleger, die am ehesten mit langen, technischen Dokumenten zu kämpfen haben und am meisten von einem Werkzeug profitieren, das diese zusammenfassen kann. Die Studie untersuchte auch Unternehmen, die an US-Börsen gelistet, aber im Ausland ansässig sind, deren Berichte aufgrund von Sprache und Formatierung oft am schwierigsten zu verarbeiten sind. Diese Firmen zeigten die stärkste Reduktion der Verzögerung, was die Idee weiter stützte, dass die Technologie half, die spezifische Barriere der Leseschwierigkeit zu überwinden.
Um sicherzustellen, dass diese Ergebnisse kein Zufall waren, testeten die Forscher, ob die Veränderung unter verschiedenen Bedingungen Bestand hatte. Sie untersuchten ein zweites Ereignis, die Veröffentlichung einer mobilen App-Version des Werkzeugs, die die Technologie noch zugänglicher machte. Diese zweite Veröffentlichung führte zu einer weiteren Reduktion der Verzögerung für komplexe Firmen. Sie betrachteten auch Zeiträume, in denen das Tool aufgrund technischer Ausfälle vorübergehend nicht verfügbar war. Während die Daten während dieser Ausfälle zu spärlich waren, um einen definitiven Schluss zu ziehen, kehrte der Trend nicht um, was darauf hindeutete, dass die Änderung struktureller Natur und keine flüchtige Reaktion war. Zusätzlich testeten sie, ob das Tool die Anleger lediglich dazu brachte, weniger zu handeln, oder ob es die Qualität der Informationen veränderte. Die Beweise deuteten auf Letzteres hin: Die Gesamtmenge der vom Markt absorbierten Informationen blieb gleich, aber die Geschwindigkeit, mit der sie absorbiert wurden, nahm zu.
Die Studie adressierte auch, ob die Änderung darauf zurückzuführen war, dass Unternehmen bessere Berichte schrieben oder Analysten das Tool nutzten, um bessere Prognosen zu erstellen. Die Forscher fanden heraus, dass die Ergebnisse auch dann Bestand hatten, wenn sie Unternehmen aus dem Technologiesektor ausschlossen, die am wahrscheinlichsten das Tool für ihre eigene interne Berichterstattung genutzt hätten. Dies deutete darauf hin, dass die Änderung durch die Art und Weise getrieben wurde, wie Investoren die Informationen konsumierten, und nicht durch Änderungen in der Art und Weise, wie die Informationen produziert wurden. Die Ergebnisse legen nahe, dass die „Drift“-Anomalie kein permanentes Merkmal des Marktes oder eine Belohnung für Risiko war, sondern eine Reibung, die durch die Grenzen der menschlichen Aufmerksamkeit und Lesegeschwindigkeit verursacht wurde.
Obwohl die Beweise stark für die Idee sprechen, dass die Verarbeitungskosten die Ursache der Verzögerung waren, merken die Forscher an, dass die Ergebnisse eher suggestiv als ein endgültiger Beweis sind. Eine statistische Prüfung ergab einige zugrunde liegende Trends in den Daten, die der Veröffentlichung des Tools vorausgingen, was bedeutet, dass die Ergebnisse als starke Indikation und nicht als absolute Gewissheit betrachtet werden sollten. Die Konsistenz des Musters über verschiedene Arten von Unternehmen, verschiedene Marktsegmente und verschiedene Zeiträume hinweg macht jedoch ein überzeugendes Argument aus. Die Studie zeigt, dass, wenn die Barriere für das Verständnis komplexer Informationen gesenkt wird, der Markt effizienter wird und die langsamen, anhaltenden Kursanpassungen, die einst diejenigen belohnten, die die Geduld zum Lesen hatten, verschwinden.
Diese Arbeit bietet eine neue Perspektive darauf, wie Finanzmärkte funktionieren. Sie legt nahe, dass der Wert eines Finanzberichts nicht nur in den enthaltenen Zahlen liegt, sondern in der Technologie, die zur Verfügung steht, um sie zu lesen. Ein Bericht, der in einem Jahr zu schwierig zu verwenden war, kann im nächsten Jahr sofort nützlich werden, ohne dass sich ein einziges Wort geändert hat. Für Regulierungsbehörden und Standardsetzer bedeutet dies, dass die Verbesserung der Lesbarkeit und der maschinellen Verarbeitbarkeit von Berichten nicht nur eine kosmetische Übung ist, sondern ein direkter Weg zur Verbesserung der Markteffizienz. Für Anleger signalisiert es, dass die einst verfügbaren Gewinne für diejenigen, die komplexe Daten manuell verarbeiten konnten, durch Technologie komprimiert werden, was das Spielfeld ebnet, aber auch den Vorsprung nimmt, der aus reiner Anstrengung resultierte. Die Studie kommt zu dem Schluss, dass sich mit der Weiterentwicklung der künstlichen Intelligenz auch die Natur der Markt-Anomalien verschieben wird und Forscher nach neuen Wegen suchen müssen, um zu messen, wie schnell Informationen tatsächlich absorbiert werden.
Ertrinken Sie in Arbeiten in Ihrem Fachgebiet?
Erhalten Sie tägliche Digests der neuesten Arbeiten passend zu Ihren Forschungsbegriffen — mit technischen Zusammenfassungen, in Ihrer Sprache.