Generative Artificial Intelligence and the Pricing of Complex Earnings Information: Evidence from the Release of ChatGPT
本論文は、生成AI、具体的にはChatGPTのリリースが、複雑な財務開示に対する投資家の処理コストを減少させ、それによって、情報の複雑性が高く機関投資家比率が低い企業において主にポスト・アーニング・アナウンスメント・ドリフト（決算発表後のドリフト）を減衰させたという証拠を提示しており、これは、競合するリスク理論や裁定取引制限理論よりも、コストのかかる処理説を支持するものである。
原論文は CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/) でライセンスされています。 これは以下の論文のAI生成解説です。著者が執筆または承認したものではありません。技術的な正確性については原論文を参照してください。 免責事項の全文を読む
何十年もの間、金融市場は単純で、もどかしい真実に基づいて運営されてきました。それは、「情報が価値を持つのは、誰かがそれを読める場合に限られる」という事実です。企業が四半期決算を発表するとき、その数値は公開されていますが、それに付随する報告書はしばしば長く、難解で、理解しにくいものです。長年、研究者たちは、これらの企業の株価が発表直後にニュースに対して完全には反応しないという特異なパターンを観察してきました。代わりに、価格は数週間にわたって同じ方向に漂い続け、まるで市場が情報をゆっくりと消化しているかのようでした。この「決算発表後のドリフト（後追い現象）」として知られる遅延は、長年経済学者たちを悩ませてきました。ある人々は、これを追加のリスクを取ることへの報酬だと主張し、またある人々は、スマートな投資家が迅速に価格を修正することを妨げる摩擦であると考えていました。しかし第三のグループは、この遅延は単に人間の努力の問題である、つまり、複雑な報告書を読むには時間と注意が必要であり、投資家は詳細を処理するのが単に遅かっただけだと疑っていました。
なぜこのような遅延が存在するのかという問いは、解決されないまま残されてきました。なぜなら、読むコストを他の要因から切り離すことが不可能だったからです。これまでの研究は、難しい報告書を書く企業と簡単な報告書を書く企業を比較することに依存してきましたが、企業は自らの執筆スタイルを選択するため、難易度が遅延を引き起こしたのか、あるいは他の何かが作用したのかを判断するのは困難でした。さらに、過去の技術的変化は、平均的な投資家の読み方を変えるのではなく、報告書そのものやプロのアナリストが使用するツールを変更することが通常でした。このため、遅延がテキストを処理する純粋な手間によって引き起こされていることを決定的に証明できる者は誰もいませんでした。
2022年後半、すべての投資家の状況を同時に変えてしまう新しいツールが登場しました。OpenAIが、長い文書を数秒で要約、言い換え、質問に回答できる生成AIであるChatGPTをリリースしたのです。この出来事は、「情報の処理コストが市場の遅延を駆動している」という理論を検証するためのユニークな機会を提供しました。研究者たちはこの瞬間を利用して、次のような単純な問いを投げかけました。「もし、あらゆる人にとって複雑な報告書を読むコストが突然低下した場合、市場はより速く反応し始めるのだろうか？」彼らは、このツールのリリースを自然実験として扱うことで、最も難しい報告書を持つ企業において、ゆっくりとした価格のドリフトが消失する一方で、より単純な報告書を持つ企業では変化がないかどうかを観察することができました。
研究者たちは、米国および海外で提出される年次報告書の複雑さを測定するシステムを構築しました。彼らは数千の文書のテキストを分析し、文章の長さ、語彙の難易度、数字の密度などの要素を調べ、人間がどれほど読みづらいかを表すスコアを作成しました。極めて重要なことに、彼らはAIツールがリリースされる前のデータのみを使用してこれらのスコアを算出しており、難易度の尺度がイベント自体に影響されないように固定しました。その後、彼らはこれらの企業の決算発表前後の株価を追跡し、ツールが利用可能であった場合と利用可能でない場合での市場の反応速度を比較しました。
結果は、明確な行動の変化を示しました。AIツールのリリース後、複雑な報告書に伴って通常発生していた緩やかな価格ドリフトは、大幅に縮小しました。これらの読みづらい企業に対しては、市場は情報をはるかに速く取り込み始め、価格調整の大部分が発表当日に即座に行われるようになりました。対照的に、すでに処理しやすい単純な報告書を持つ企業については、反応の速度にそのような変化は見られませんでした。このパターンは、遅延が確かに報告書を読むために必要な労力によって引き起こされていたこと、そしてテクノロジーによってその労力が軽減されたとき、市場が自らを修正したことを示唆しています。
この効果は、すべての種類の投資家において一様ではありませんでした。研究者たちは、機関投資家の保有比率が低く、個人投資家が取引活動の大きな割合を占める企業において、スピードアップが最も顕著であることを発見しました。これらの投資家こそが、長くテクニカルな文書に苦労し、それらを要約するツールの恩恵を最も受ける可能性が高い人々です。また、研究は、言語やフォーマットの違いにより処理が非常に困難になりやすい、米国市場に上場しているものの国外に拠点を置く企業についても調査しました。これらの企業は、遅延の最も強力な減少を示し、テクノロジーが読解の難しさという特定の障壁を克服したという考えをさらに裏付けました。
これらの発見が単なる偶然ではないことを確実にするため、研究者たちは、その変化が異なる条件下でも維持されるかどうかをテストしました。彼らは、ツールをさらに身近にするモバイルアプリ版のリリースという第二のイベントを検証しました。この第二のリリースは、複雑な企業における遅延のさらなる減少をもたらしました。また、技術的な障害によりツールが一時的に利用できなかった時期についても調査しました。障害期間中のデータは決定的な結論を導き出すには不十分でしたが、傾向が逆転することはなく、この変化が一時的な反応ではなく構造的なものであることを示唆していました。さらに、ツールが単に投資家の取引を減らしたのか、それとも情報の質を変えたのかについても検証しました。証拠は後者を指し示していました。つまり、市場に吸収された情報の総量は変わらなかったものの、それが吸収される速度が増加したのです。
研究はまた、変化が「企業がより良い報告書を書いたこと」や「アナリストがツールを使用してより良い予測を作成したこと」によるものではないかという点にも対処しました。研究者たちは、自社の内部報告にツールを採用する可能性が最も高いテクノロジー部門の企業を除外しても、結果が変わらないことを発見しました。これは、変化が情報の生産方法ではなく、投資家による情報の消費方法によって駆動されたことを示しています。これらの知見は、「ドリフト」というアローマリー（異常現象）が市場の恒久的な特徴やリスクへの報酬ではなく、人間の注意力と読解速度の限界によって引き起こされた摩擦であったことを示唆しています。
証拠は、処理コストが遅延の原因であったという考えを強く支持していますが、研究者たちは、結果は決定的な証明というよりも示唆的なものであると注記しています。統計的なチェックにより、ツールのリリース前からデータにいくつかの潜在的な傾向があることが判明しており、これは結果を絶対的な確実性としてではなく、強力な指標として捉えるべきであることを意味しています。しかし、異なる種類の企業、異なる市場セグメント、および異なる時期にわたるパターンの整合性は、説得力のあるケースを提示しています。この研究は、複雑な情報を理解するための障壁が低くなると、市場はより効率的になり、かつては読解の忍耐強さに報いていた緩やかで停滞した価格調整が消滅することを示しています。
この研究は、金融市場がどのように機能するかについての新しい視点を提供しています。それは、金融報告書の価値が、そこに含まれる数値だけでなく、それらを読むために利用可能なテクノロジーにあることを示唆しています。ある年に使いにくすぎた報告書は、一文字も変わることなく、翌年には瞬時に有用なものになり得ます。規制当局や基準策定者にとって、これは報告書の読みやすさや機械による処理可能性を向上させることが、単なる見た目の作業ではなく、市場の効率性を直接的に向上させる手段であることを意味します。投資家にとって、これは、複雑なデータを手動で処理することで得られていた利益がテクノロジーによって圧縮され、公平な競争環境が作られる一方で、純粋な努力から得られていた優位性が失われることを示しています。研究は、人工知能が進化し続けるにつれて、市場のアノマリーの性質は変化し、研究者は情報が真に吸収される速度を測定する新しい方法を探す必要があると結論付けています。
自分の分野の論文に埋もれていませんか？
研究キーワードに一致する最新の論文のダイジェストを毎日受け取りましょう——技術要約付き、あなたの言語で。