Generative Artificial Intelligence and the Pricing of Complex Earnings Information: Evidence from the Release of ChatGPT
Este artículo proporciona evidencia de que el lanzamiento de la IA generativa, específicamente ChatGPT, redujo los costos de procesamiento de los inversores para las divulgaciones financieras complejas, atenuando así la deriva post-anuncio de ganancias principalmente para empresas con alta complejidad de información y baja propiedad institucional, lo cual respalda la explicación de costos de procesamiento sobre las teorías competitivas de riesgo o de límites de arbitraje.
Artículo original bajo licencia CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Esta es una explicación generada por IA del artículo a continuación. No ha sido escrita ni avalada por los autores. Para mayor precisión técnica, consulte el artículo original. Leer descargo de responsabilidad completo
Durante décadas, los mercados financieros han operado bajo una verdad simple y frustrante: la información solo es valiosa si alguien puede leerla. Cuando una empresa publica sus ganancias trimestrales, las cifras son públicas, pero los informes que las acompañan suelen ser largos, densos y difíciles de navegar. Durante años, los investigadores observaron un patrón peculiar en el que el precio de las acciones de estas empresas no reaccionaba plenamente a la noticia de inmediato. En cambio, el precio continuaba derivando en la misma dirección durante semanas después, como si el mercado estuviera digiriendo la información lentamente. Este retraso, conocido como la deriva tras el anuncio de ganancias (post-earnings-announcement drift), ha desconcertado durante mucho tiempo a los economistas. Algunos argumentaban que era una recompensa por asumir un riesgo adicional, mientras que otros creían que era una fricción que impedía a los inversores inteligentes corregir el precio rápidamente. Un tercer grupo, sin embargo, sospechaba que el retraso era simplemente una cuestión de esfuerzo humano: leer informes complejos requiere tiempo y atención, y los inversores simplemente eran lentos para procesar los detalles.
La pregunta de por qué existe este retraso ha permanecido sin resolver porque era imposible separar el costo de lectura de otros factores. Los estudios previos se basaban en comparar empresas que escribían informes difíciles con aquellas que escribían informes fáciles, pero las empresas eligen sus propios estilos de escritura, lo que dificultaba saber si la dificultad causaba el retraso o si algo más estaba en juego. Además, los cambios tecnológicos pasados solían alterar los informes mismos o las herramientas utilizadas por los analistas profesionales, en lugar de cambiar cómo el inversor promedio lee. Esto significaba que nadie podía demostrar definitivamente que el retraso fuera causado por la pura dificultad de procesar el texto.
A finales de 2022, llegó una nueva herramienta que cambió el panorama para cada inversor simultáneamente. OpenAI lanzó ChatGPT, una inteligencia artificial generativa capaz de resumir, parafrasear y responder preguntas sobre documentos largos en segundos. Este evento proporcionó una oportunidad única para probar la teoría de que los costos de procesamiento impulsan los retrasos del mercado. Los investigadores utilizaron este momento para plantear una pregunta directa: si el costo de leer informes complejos cae repentinamente para todos, ¿comienza el mercado a reaccionar más rápido? Al tratar el lanzamiento de esta herramienta como un experimento natural, podían observar si la lenta deriva de precios desaparecía para las empresas con los informes más difíciles, mientras permanecía sin cambios para aquellas con informes más sencillos.
Los investigadores construyeron un sistema para medir la complejidad de los informes anuales presentados por empresas en los Estados Unidos y en el extranjero. Analizaron el texto de miles de documentos, observando factores como la longitud de las oraciones, la dificultad del vocabulario y la densidad de los números, creando una puntuación que representaba qué tan difícil sería un informe para un humano. Crucialmente, calcularon estas puntuaciones utilizando únicamente datos de antes de que la herramienta de IA fuera lanzada, asegurando que la medida de dificultad fuera fija y no estuviera influenciada por el evento mismo. Luego, rastrearon los precios de las acciones de estas empresas alrededor de sus anuncios de ganancias, comparando qué tan rápido reaccionaba el mercado antes de que la herramienta estuviera disponible frente a qué tan rápido reaccionaba después.
Los resultados mostraron un cambio claro en el comportamiento. Después del lanzamiento de la herramienta de IA, la lenta deriva de precios que típicamente seguía a los anuncios de ganancias para empresas con informes complejos se redujo significamente. Para estas firmas de difícil lectura, el mercado comenzó a incorporar la información mucho más rápido, con una mayor parte del ajuste de precio ocuriéndose inmediatamente el día del anuncio. En contraste, las empresas con informes más simples, que ya eran fáciles de procesar, no mostraron tal cambio en su velocidad de reacción. Este patrón sugiere que el retraso fue, de hecho, causado por el esfuerzo requerido para leer los informes, y que cuando ese esfuerzo fue reducido por la tecnología, el mercado se corrigió a sí mismo.
El efecto no fue uniforme en todos los tipos de inversores. Los investigadores encontraron que la aceleración fue más pronunciada en empresas con menor propiedad institucional, donde los inversores minoristas individuales constituyen una mayor parte de la actividad de negociación. Estos son los inversores que tienen más probabilidades de tener dificultades con documentos largos y técnicos, y que se benefician más de una herramienta que pueda resumirlos. El estudio también analizó empresas que cotizan en bolsas de EE. UU. pero con sede en otros países, cuyos informes suelen ser los más difíciles de procesar debido a las diferencias de idioma y formato. Estas firmas mostraron la reducción más fuerte en la deriva, apoyando aún más la idea de que la tecnología ayudó a superar la barrera específica de la dificultad de lectura.
Para asegurar que estos hallazgos no fueran una mera coincidencia, los investigadores probaron si el cambio se mantenía bajo diferentes condiciones. Examinaron un segundo evento, el lanzamiento de una versión de la herramienta para dispositivos móviles, que hizo la tecnología aún más accesible. Este segundo lanzamiento condujo a una reducción adicional en la deriva para las firmas complejas. También observaron periodos cuando la herramienta no estaba disponible temporalmente debido a fallos técnicos. Aunque los datos durante estos fallos fueron demasiado escasos para extraer una conclusión definitiva, la tendencia no se revirtió, sugiriendo que el cambio era estructural y no una reacción pasajera. Además, probaron si la herramienta simplemente hacía que los inversores negociaran menos o si cambiaba la calidad de la información. La evidencia apuntó a lo segundo: la cantidad total de información absorbida por el mercado se mantuvo igual, pero la velocidad a la que se absorbió aumentó.
El estudio también abordó si el cambio se debió a que las empresas escribían mejores informes o a que los analistas utilizaban la herramienta para crear mejores pronósticos. Los investigadores encontraron que los resultados se mantenían incluso cuando excluían a las empresas del sector tecnológico, que eran las más propensas a haber adoptado la herramienta para su propio reporte interno. Esto indicó que el cambio fue impulsado por cómo los inversores consumían la información, no por cambios en cómo se producía la misma. Los hallazgos sugieren que la anomalía de la "deriva" no era una característica permanente del mercado o una recompensa por el riesgo, sino una fricción causada por los límites de la atención y la velocidad de lectura humana.
Si bien la evidencia apoya fuertemente la idea de que los costos de procesamiento fueron la causa del retraso, los investigadores señalan que los resultados son sugestivos más que una prueba final. Una verificación estadística reveló algunas tendencias subyacentes en los datos que precedían al lanzamiento de la herramienta, lo que significa que los resultados deben verse como una fuerte indicación más que como una certeza absoluta. Sin embargo, la consistencia del patrón a través de diferentes tipos de empresas, diferentes segmentos de mercado y diferentes periodos de tiempo hace un caso convincente. El estudio demuestra que cuando la barrera para comprender información compleja se reduce, el mercado se vuelve más eficiente, y los ajustes de precios lentos y persistentes que antes recompensaban a quienes tenían la paciencia de leer, desaparecen.
Este trabajo ofrece una nueva perspectiva sobre cómo funcionan los mercados financieros. Sugiere que el valor de un informe financiero no reside solo en los números que contiene, sino en la tecnología disponible para leerlos. Un informe que era demasiado difícil de usar en un año puede volverse instantáneamente útil en el siguiente sin que cambie una sola palabra. Para los reguladores y quienes establecen normas, esto implica que mejorar la legibilidad y la capacidad de consumo de las máquinas de los informes no es solo un ejercicio cosmético, sino una forma directa de mejorar la eficiencia del mercado. Para los inversores, esto señala que las ganancias que antes estaban disponibles para aquellos que podían procesar manualmente datos complejos están siendo comprimidas por la tecnología, nivelando el campo de juego pero también eliminando la ventaja que provenía del puro esfuerzo. El estudio concluye que, a medida que la inteligencia artificial continúe evolucionando, la naturaleza de las anomalías del mercado cambiará, y los investigadores necesitarán buscar nuevas formas de medir qué tan rápido se absorbe realmente la información.
¿Ahogado en artículos de tu campo?
Recibe resúmenes diarios de los artículos más novedosos que coincidan con tus palabras clave de investigación — con resúmenes técnicos, en tu idioma.