Generative Artificial Intelligence and the Pricing of Complex Earnings Information: Evidence from the Release of ChatGPT
Questo articolo fornisce prove del fatto che il rilascio dell'IA generativa, nello specifico ChatGPT, ha ridotto i costi di elaborazione degli investitori per le complesse comunicazioni finanziarie, attenuando così il post-earnings-announcement drift principalmente per le società con alta complessità informativa e bassa proprietà istituzionale, il che supporta la spiegazione dei costi di elaborazione rispetto alle teorie concorrenti sul rischio o sui limiti di arbitraggio.
Articolo originale sotto licenza CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Questa è una spiegazione generata dall'IA dell'articolo qui sotto. Non è stata scritta né approvata dagli autori. Per precisione tecnica, consulta l'articolo originale. Leggi il disclaimer completo
Per decenni, i mercati finanziari hanno operato su una verità semplice e frustrante: l'informazione è preziosa solo se qualcuno può leggerla. Quando un'azienda pubblica i suoi risultati trimestrali, i numeri sono pubblici, ma i relativi rapporti sono spesso lunghi, densi e difficili da navigare. Per anni, i ricercatori hanno osservato un particolare schema in cui il prezzo delle azioni di queste società non reagiva pienamente alla notizia immediatamente. Invece, il prezzo continuava a scivolare nella stessa direzione per settimane successive, come se il mercato stesse lentamente digerendo l'informazione. Questo ritardo, noto come post-earnings-announcement drift (deriva post-annuncio degli utili), ha a lungo interrogato gli economisti. Alcuni sostenevano che fosse un premio per l'assunzione di rischi extra, altri credevano che fosse un attrito che impediva agli investitori accorti di correggere rapidamente il prezzo. Un terzo gruppo, tuttavia, sospettava che il ritardo fosse semplicemente una questione di sforzo umano: leggere rapporti complessi richiede tempo e attenzione, e gli investitori erano solo lenti nel processare i dettagli.
La domanda sul perché questo ritardo esistesse è rimasta irrisolta perché era impossibile separare il costo della lettura da altri fattori. Gli studi precedenti si basavano sul confronto tra aziende che scrivevano rapporti difficili e quelle che ne scrivevano di facili, ma le aziende scelgono i propri stili di scrittura, rendendo difficile capire se fosse la difficoltà del testo a causare il ritardo o se qualcos'altro fosse in gioco. Inoltre, i cambiamenti tecnologici passati solitamente alteravano i rapporti stessi o gli strumenti utilizzati dagli analisti professionisti, piuttosto che cambiare il modo in cui l'investitore medio legge. Ciò significava che nessuno poteva dimostrare definitivamente che il ritardo fosse causato dalla pura difficoltà di elaborazione del testo.
Alla fine del 2022, uno nuovo strumento è arrivato, cambiando il panorama per ogni investitore simultaneamente. OpenAI ha rilasciato ChatGPT, un'intelligenza artificiale generativa capace di riassumere, riformulare e rispondere a domande su documenti lunghi in pochi secondi. Questo evento ha fornito un'opportunità unica per testare la teoria secondo cui i costi di elaborazione guidano i ritardi di mercato. I ricercatori hanno utilizzato questo momento per porre una domanda diretta: se il costo di lettura di rapporti complessi diminuisce improvvisamente per tutti, il mercato inizia a reagire più velocemente? Trattando il rilascio di questo strumento come un esperimento naturale, potevano osservare se lo lento scivolamento del prezzo scompariva per le aziende con i rapporti più difficili, pur rimanendo invariato per quelle con rapporti più semplici.
I ricercatori hanno costruito un sistema per misurare la complessità dei rapporti annuali depositati dalle società negli Stati Uniti e all'estero. Hanno analizzato il testo di migliaia di documenti, osservando fattori come la lunghezza delle frasi, la difficoltà del vocabolario e la densità dei numeri, creando un punteggio che rappresentava quanto un rapporto sarebbe stato difficile da leggere per un essere umano. Fondamentalmente, hanno calcolato questi punteggi utilizzando solo dati precedenti al rilascio dello strumento di IA, assicurando che la misura della difficoltà fosse fissa e non influenzata dall'evento stesso. Hanno poi monitorato i prezzi azionari di queste società intorno ai loro annunci di utili, confrontando la velocità con cui il mercato reagiva prima che lo strumento fosse disponibile rispetto a quanto reagiva dopo.
I risultati hanno mostrato un chiaro cambiamento di comportamento. Dopo il rilascio dello strumento di IA, lo lento scivolamento del prezzo che tipicamente seguiva gli annunci di utili per le aziende con rapporti complessi si è ridotto significativamente. Per queste imprese difficili da leggere, il mercato ha iniziato a incorporare l'informazione molto più velocemente, con una quota maggiore dell'aggiustamento del prezzo che avveniva immediatamente il giorno dell'annuncio. Al contrario, le società con rapporti più semplici, che erano già facili da elaborare, non hanno mostrato alcun cambiamento nella velocità di reazione. Questo schema suggerisce che il ritardo era effettivamente causato dallo sforzo richiesto per leggere i rapporti e che, quando tale sforzo è stato ridotto dalla tecnologia, il mercato si è corretto.
L'effetto non è stato uniforme tra tutti i tipi di investitori. I ricercatori hanno scoperto che l'accelerazione è stata più pronunciata nelle società con una minore proprietà istituzionale, dove gli investitori retail individuali costituiscono una quota maggiore dell'attività di trading. Questi sono gli investitori che hanno maggiori probabilità di avere difficoltà con documenti lunghi e tecnici e che beneficiano maggiormente di uno strumento in grado di riassumerli. Lo studio ha anche esaminato le società quotate sulle borse statunitensi ma con sede in altri paesi, i cui rapporti sono spesso i più difficili da elaborare a causa delle differenze linguistiche e di formattazione. Queste società hanno mostrato la più forte riduzione del ritardo, supportando ulteriormente l'idea che la tecnologia avesse aiutato a superare la specifica barriera della difficoltà di lettura.
Per garantire che questi risultati non fossero una semplice coincidenza, i ricercatori hanno testato se il cambiamento reggeva sotto diverse condizioni. Hanno esaminato un secondo evento, il rilascio della versione mobile dello strumento, che ha reso la tecnologia ancora più accessibile. Questo secondo rilascio ha portato a un'ulteriore riduzione del ritardo per le imprese complesse. Hanno anche osservato i periodi in cui lo strumento era temporaneamente non disponibile a causa di interruzioni tecniche. Sebbene i dati durante queste interruzioni fossero troppo scarsi per trarre una conclusione definitiva, la tendenza non si è invertita, suggerendo che il cambiamento fosse strutturale piuttosto che una reazione fugace. Inoltre, hanno testato se lo strumento portasse semplicemente gli investitori a scambiare meno o se cambiasse la qualità dell'informazione. Le prove indicavano la seconda ipotesi: la quantità totale di informazione assorbita dal mercato rimaneva la stessa, ma la velocità con cui veniva assorbita aumentava.
Lo studio ha anche affrontato il dubbio se il cambiamento fosse dovuto alle aziende che scrivevano rapporti migliori o agli analisti che usavano lo strumento per creare previsioni migliori. I ricercatori hanno scoperto che i risultati rimanevano validi anche escludendo le aziende del settore tecnologico, che erano le più propense ad aver adottato lo strumento per la propria reportistica interna. Ciò ha indicato che il cambiamento era guidato da come gli investitori consumavano l'informazione, non da cambiamenti nel modo in cui l'informazione veniva prodotta. I risultati suggeriscono che l'anomalia del "drift" non era una caratteristica permanente del mercato o un premio per il rischio, ma piuttosto un attrito causato dai limiti dell'attenzione umana e della velocità di lettura.
Sebbene le prove supportino fortemente l'idea che i costi di elaborazione fossero la causa del ritardo, i ricercatori osservano che i risultati sono suggestivi piuttosto che una prova definitiva. Un controllo statistico ha rivelato alcune tendenze sottostanti nei dati che precedevano il rilascio dello strumento, il che significa che i risultati dovrebbero essere considerati come un'indagine forte piuttosto che una certezza assoluta. Tuttavia, la coerenza del modello attraverso diversi tipi di aziende, diversi segmenti di mercato e diversi periodi di tempo rende il caso molto convincente. Lo studio dimostra che quando la barriera alla comprensione di informazioni complesse viene abbassata, il mercato diventa più efficiente, e i lenti e persistenti aggiustamenti dei prezzi che un tempo premiavano chi aveva la pazienza di leggere scompaiono.
Questo lavoro offre una nuova prospzione su come funzionano i mercati finanziari. Suggerisce che il valore di un rapporto finanziario non risiede solo nei numeri che contiene, ma nella tecnologia disponibile per leggerlo. Un rapporto che era troppo difficile da usare in un anno può diventare istantaneamente utile nell'anno successivo senza che venga cambiata una singola parola. Per i regolatori e gli standard-setter, ciò implica che migliorare la leggibilità e la capacità di consumo da parte delle macchine dei rapporti non è solo un esercizio cosmetico, ma un modo diretto per migliorare l'efficienza del mercato. Per gli investitori, segnala che i profitti un tempo disponibili per chi poteva elaborare manualmente dati complessi vengono compressi dalla tecnologia, livellando il campo di gioco ma rimuovendo anche il vantaggio derivante dal puro sforzo. Lo studio conclude che, man mano che l'intelligenza artificiale continua a evolversi, la natura delle anomalie di mercato cambierà, e i ricercatori dovranno cercare nuovi modi per misurare la velocità con cui l'informazione viene realmente assorbita.
Sommerso dagli articoli nel tuo campo?
Ricevi digest giornalieri degli articoli più recenti corrispondenti alle tue parole chiave di ricerca — con riassunti tecnici, nella tua lingua.