Generative Artificial Intelligence and the Pricing of Complex Earnings Information: Evidence from the Release of ChatGPT
यह शोध साक्ष्य प्रदान करता है कि जनरेटिव एआई, विशेष रूप से चैटजीपीटी (ChatGPT) के विमोचन ने जटिल वित्तीय प्रकटीकरणों के लिए निवेशकों की प्रसंस्करण लागत को कम कर दिया, जिससे मुख्य रूप से उच्च सूचना जटिलता और निम्न संस्थागत स्वामित्व वाली फर्मों के लिए पोस्ट-अर्निंग्स-अनाउंसमेंट ड्रिफ्ट (post-earnings-announcement drift) कम हो गया, जो प्रतिस्पर्धी जोखिम या आर्बिट्राज-लिमिट सिद्धांतों के बजाय लागतपूर्ण प्रसंस्करण स्पष्टीकरण का समर्थन करता है।
मूल पेपर CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें
दशकों से, वित्तीय बाजार एक सरल, निराशाजनक सत्य पर काम कर रहे हैं: जानकारी तभी मूल्यवान होती है जब कोई उसे पढ़ सके। जब कोई कंपनी अपनी त्रैमासिक आय जारी करती है, तो संख्याएं सार्वजनिक होती हैं, लेकिन उनके साथ संलग्न रिपोर्ट अक्सर लंबी, सघन और नेविगेट करने में कठिन होती हैं। वर्षों तक, शोधकर्ताओं ने एक विचित्र पैटर्न देखा जहाँ इन कंपनियों के शेयर की कीमत इन खबरों पर तुरंत पूरी तरह से प्रतिक्रिया नहीं देती थी। इसके बजाय, कीमत हफ्तों तक उसी दिशा में बढ़ती रही, जैसे कि बाजार धीरे-धीरे जानकारी को पचा रहा हो। इस देरी को, जिसे 'पोस्ट-अर्निंग्स-अनाउंसमेंट ड्रिफ्ट' (post-earnings-announcement drift) कहा जाता है, ने लंबे समय तक अर्थशास्त्रियों को उलझाए रखा। कुछ ने तर्क दिया कि यह अतिरिक्त जोखिम लेने के इनाम के रूप में था, जबकि अन्य का मानना था कि यह एक घर्षण (friction) था जिसने स्मार्ट निवेशकों को कीमत को जल्दी ठीक करने से रोका। हालाँकि, तीसरे समूह को संदेह था कि यह देरी केवल मानवीय प्रयास का मामला थी: जटिल रिपोर्टों को पढ़ने में समय और ध्यान लगता है, और निवेशक बस विवरणों को संसाधित करने में धीमे थे।
यह प्रश्न कि यह देरी क्यों मौजूद है, अनसुलझा रहा क्योंकि पढ़ने की लागत को अन्य कारकों से अलग करना असंभव था। पिछले अध्ययन उन कंपनियों की तुलना करने पर निर्भर थे जिन्होंने कठिन रिपोर्ट लिखी थी बनाम जिन्होंने आसान रिपोर्ट लिखी थी, लेकिन कंपनियां अपनी लेखन शैली खुद चुनती हैं, जिससे यह जानना कठिन हो जाता था कि क्या कठिनाई ने देरी का कारण बनी या कुछ और कारक काम कर रहा था। इसके अलावा, पिछले तकनीकी परिवर्तनों ने आमतौर पर रिपोर्टों को ही बदल दिया या पेशेवर विश्लेषकों द्वारा उपयोग किए जाने वाले उपकरणों को बदला, न कि औसत निवेशक के पढ़ने के तरीके को बदला। इसका मतलब था कि कोई भी निश्चित रूप से यह साबित नहीं कर सका कि देरी वास्तव में पाठ (text) को संसाधित करने की कठिनता के कारण थी।
2022 के अंत में, एक नया उपकरण आया जिसने हर निवेशक के लिए परिदृश्य बदल दिया। OpenAI ने ChatGPT जारी किया, जो एक जनरेटिव आर्टिफिशियल इंटेलिजेंस (AI) है जो सेकंडों में लंबे दस्तावेजों का सारांश बनाने, उन्हें पुनर्गठित करने और उन पर प्रश्नों के उत्तर देने में सक्षम है। इस घटना ने इस सिद्धांत का परीक्षण करने के लिए एक अनूठा अवसर प्रदान किया कि क्या प्रसंस्करण लागत (processing costs) बाजार की देरी को संचालित करती है। शोधकर्ताओं ने इस क्षण का उपयोग एक सीधा प्रश्न पूछने के लिए किया: यदि सभी के लिए जटिल रिपोर्टों को पढ़ने की लागत अचानक गिर जाती है, तो क्या बाजार तेजी से प्रतिक्रिया करना शुरू कर देता है? इस उपकरण की रिलीज को एक 'नेचुरल एक्सपेरिमेंट' (natural experiment) के रूप में मानकर, वे देख सकते थे कि क्या सबसे कठिन रिपोर्टों वाली कंपनियों के लिए धीमी मूल्य वृद्धि (price drift) समाप्त हो गई, जबकि सरल रिपोर्टों वाली कंपनियों के लिए यह अपरिवर्तित रही।
शोधकर्ताओं ने संयुक्त राज्य अमेरिका और विदेशों में सूचीबद्ध कंपनियों द्वारा दायर वार्षिक रिपोर्टों की जटिलता को मापने के लिए एक प्रणाली बनाई। उन्होंने हजारों दस्तावेजों के पाठ का विश्लेषण किया, जिसमें वाक्य की लंबाई, शब्दावली की कठिनाई और संख्याओं के घनत्व जैसे कारकों को देखा, जिससे एक स्कोर बनाया गया जो यह दर्शाता था कि एक मानव के लिए रिपोर्ट पढ़ना कितना कठिन होगा। महत्वपूर्ण रूप से, उन्होंने ये स्कोर केवल AI टूल जारी होने से पहले के डेटा का उपयोग करके गणना किए, जिससे यह सुनिश्चित हुआ कि कठिनाई का माप स्थिर था और स्वयं इस घटना से प्रभावित नहीं था। इसके बाद उन्होंने इन कंपनियों के अर्निंग्स घोषणाओं के आसपास के शेयर मूल्यों को ट्रैक किया, और यह तुलना की कि टूल उपलब्ध होने से पहले और उसके बाद बाजार कितनी तेजी से प्रतिक्रिया करता था।
परिणामों ने व्यवहार में एक स्पष्ट बदलाव दिखाया। AI टूल की रिलीज के बाद, जटिल रिपोर्टों वाली कंपनियों के लिए अर्निंग्स घोषणाओं के बाद होने वाली धीमी मूल्य वृद्धि (price drift) काफी कम हो गई। इन कठिन-से-पढ़ने वाली फर्मों के लिए, बाजार ने सूचना को बहुत तेजी से शामिल करना शुरू कर दिया, जिससे घोषणा के दिन ही मूल्य समायोजन का एक बड़ा हिस्सा पूरा हो गया। इसके विपरीत, सरल रिपोर्टों वाली कंपनियों के लिए, जो पहले से ही संसाधित करने में आसान थीं, उनकी प्रतिक्रिया की गति में कोई बदलाव नहीं देखा गया। यह पैटर्न बताता है कि देरी वास्तव में रिपोर्ट को पढ़ने के लिए आवश्यक प्रयास के कारण थी, और जब तकनीक द्वारा उस प्रयास को कम कर दिया गया, तो बाजार ने स्वयं को ठीक कर लिया।
यह प्रभाव सभी प्रकार के निवेशकों के लिए एक समान नहीं था। शोधकर्ताओं ने पाया कि यह गति-वृद्धि (speed-up) उन कंपनियों में सबसे अधिक स्पष्ट थी जिनमें संस्थागत स्वामित्व कम था, जहाँ व्यक्तिगत रिटेल निवेशक ट्रेडिंग गतिविधि का एक बड़ा हिस्सा बनाते हैं। ये वे निवेशक हैं जो लंबी, तकनीकी दस्तावेजों के साथ संघर्ष करने की अधिक संभावना रखते हैं और जिन्हें सारांश बनाने वाले उपकरण से सबसे अधिक लाभ होता है। अध्ययन ने उन कंपनियों को भी देखा जो अमेरिकी एक्सचेंजों पर सूचीबद्ध हैं लेकिन अन्य देशों में आधारित हैं, जिनकी रिपोर्ट भाषा और फॉर्मेटिंग के अंतर के कारण अक्सर संसाधित करने में सबसे कठिन होती हैं। इन फर्मों में देरी में सबसे मजबूत कमी देखी गई, जो इस विचार का समर्थन करती है कि तकनीक ने पढ़ने की कठिनाई के विशिष्ट अवरोध को दूर करने में मदद की।
यह सुनिश्चित करने के लिए कि ये निष्कर्ष केवल एक संयोग नहीं थे, शोधकर्ताओं ने परीक्षण किया कि क्या यह परिवर्तन विभिन्न स्थितियों के तहत बना रहता है। उन्होंने एक दूसरे कार्यक्रम, टूल के मोबाइल ऐप संस्करण की रिलीज का परीक्षण किया, जिसने तकनीक को और भी अधिक सुलभ बना दिया। इस दूसरी रिलीज से जटिल फर्मों के लिए देरी में और कमी आई। उन्होंने उन अवधियों को भी देखा जब तकनीकी खराबी के कारण टूल अस्थायी रूप से अनुपलब्ध था। हालांकि तकनीकी आउटेज के दौरान डेटा बहुत कम था जिससे कोई निर्णायक निष्कर्ष निकाला जा सके, लेकिन रुझान वापस नहीं लौटा, जिससे पता चलता कि यह परिवर्तन संरचनात्मक था न कि क्षणिक प्रतिक्रिया। इसके अतिरिक्त, उन्होंने परीक्षण किया कि क्या टूल ने केवल निवेशकों के व्यापार को कम किया या इसने सूचना की गुणवत्ता को बदला। साक्ष्य इस ओर इशारा करते थे कि दूसरा वाला: बाजार द्वारा अवशोषित की गई कुल सूचना का स्तर समान रहा, लेकिन जिस गति से इसे अवशोषित किया गया वह बढ़ गई।
अध्ययन ने इस बात को भी संबोधित किया कि क्या यह परिवर्तन कंपनियों द्वारा बेहतर रिपोर्ट लिखने या विश्लेषकों द्वारा बेहतर पूर्वानुमान बनाने के कारण था। शोधकर्ताओं ने पाया कि परिणाम तब भी बने रहे जब उन्होंने प्रौद्योगिकी क्षेत्र की कंपनियों को बाहर कर दिया, जो कि अपने आंतरिक रिपोर्टिंग के लिए टूल को अपनाने की सबसे अधिक संभावना वाली कंपनियां थीं। यह इंगित करता है कि परिवर्तन सूचना के उत्पादन के तरीके से नहीं, बल्कि निवेशकों द्वारा सूचना के उपभोग के तरीके से प्रेरित था। निष्कर्ष बताते हैं कि "ड्रिफ्ट" विसंगति बाजार की एक स्थायी विशेषता या जोखिम के लिए इनाम नहीं थी, बल्कि मानवीय ध्यान और पढ़ने की गति की सीमाओं के कारण उत्पन्न एक घर्षण (friction) थी।
हालांकि साक्ष्य दृढ़ता से इस विचार का समर्थन करते हैं कि प्रसंस्करण लागत ही देरी का कारण थी, शोधकर्ता नोट करते हैं कि परिणाम अंतिम प्रमाण के बजाय केवल संकेत मात्र हैं। एक सांख्यिकीय जांच ने डेटा में कुछ अंतर्निहित रुझानों का खुलासा किया जो टूल की रिलीज से पहले के थे, जिसका अर्थ है कि परिणामों को पूर्ण निश्चितता के बजाय एक मजबूत संकेत के रूप में देखा जाना चाहिए। हालांकि, विभिन्न प्रकार की कंपनियों, विभिन्न बाजार खंडों और विभिन्न समय अवधियों में पैटर्न की निरंतरता एक ठोस मामला बनाती है। अध्ययन प्रदर्शित करता है कि जब जटिल जानकारी को समझने के अवरोध को कम कर दिया जाता है, तो बाजार अधिक कुशल हो जाता है, और वे धीमी, लंबे समय तक चलने वाले मूल्य समायोजन जो कभी उन लोगों को पुरस्कृत करते थे जिनके पास पढ़ने का धैर्य था, गायब हो जाते हैं।
यह कार्य वित्तीय बाजारों के कामकाज के बारे में एक नया दृष्टिकोण प्रदान करता है। यह सुझाव देता है कि एक वित्तीय रिपोर्ट का मूल्य केवल उसमें मौजूद संख्याओं में नहीं है, बल्कि उन्हें पढ़ने के लिए उपलब्ध तकनीक में भी है। एक रिपोर्ट जो एक वर्ष में उपयोग करने के लिए बहुत कठिन थी, वह बिना एक शब्द बदले अगले वर्ष तुरंत उपयोगी बन सकती है। नियामकों और मानक-निर्धारकों के लिए, इसका तात्पर्य यह है कि रिपोर्टों की पठनीयता और मशीन-उपभोग क्षमता (machine-consumability) में सुधार करना केवल एक कॉस्मेटिक अभ्यास नहीं है, बल्कि बाजार दक्षता में सुधार करने का एक सीधा तरीका है। निवेशकों के लिए, यह संकेत देता है कि जटिल डेटा को मैन्युअल रूप से संसाधित करने से मिलने वाला लाभ तकनीक द्वारा संकुचित किया जा रहा है, जो खेल के मैदान को समान बना रहा है लेकिन साथ ही उस बढ़त को भी हटा रहा है जो केवल प्रयास से आती थी। अध्ययन का निष्कर्ष है कि जैसे-जैसे आर्टिफिशियल इंटेलिजेंस विकसित होता रहेगा, बाजार की विसंगतियों की प्रकृति बदल जाएगी, और शोधकर्ताओं को यह मापने के नए तरीके खोजने होंगे कि सूचना वास्तव में कितनी तेजी से अवशोषित की जाती है।
अपने क्षेत्र के पेपरों की भीड़ में उलझे हुए हैं?
आपके रिसर्च कीवर्ड से मेल खाने वाले सबसे नए और अलग सोच वाले पेपरों का रोज़ाना Digest पाएँ—तकनीकी सारांश के साथ, आपकी भाषा में।