Generative Artificial Intelligence and the Pricing of Complex Earnings Information: Evidence from the Release of ChatGPT
Dit artikel levert bewijs dat de release van Generatieve AI, specifiek ChatGPT, de verwerkingskosten voor beleggers bij complexe financiële bekendmakingen verminderde, waardoor de post-earnings-announcement drift afnam, primair voor bedrijven met een hoge informatiecomplexiteit en een laag institutioneel eigendom, wat de verklaring van kostbare verwerking ondersteunt boven concurrerende risico- of arbitrage-limiettheorieën.
Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Dit is een AI-gegenereerde uitleg van het onderstaande artikel. Het is niet geschreven of goedgekeurd door de auteurs. Raadpleeg het oorspronkelijke artikel voor technische nauwkeurigheid. Lees de volledige disclaimer
Decennialang hebben financiële markten gewerkt volgens een eenvoudige, frustrerende waarheid: informatie is alleen waardevol als iemand het kan lezen. Wanneer een bedrijf zijn kwartaalcijfers publiceert, zijn de cijfers openbaar, maar de bijbehorende rapporten zijn vaak lang, dicht en moeilijk te navigeren. Jarenlang observeerden onderzoekers een opmerkelijk patroon waarbij de aandelenkoers van deze bedrijven niet onmiddellijk volledig reageerde op het nieuws. In plaats daarvan bleef de koers wekenlang in dezelfde richting bewegen, alsof de markt de informatie langzaam aan het verwerken was. Deze vertraging, bekend als de post-earnings-announcement drift, heeft economen lang verwonderd. Sommigen stelden dat het een beloning was voor het nemen van extra risico, terwijl anderen geloofden dat het een frictie was die slimme beleggers ervan weerhield de prijs snel te corrigeren. Een derde groep vermoedde echter dat de vertraging simpelweg een kwestie was van menselijke inspanning: het lezen van complexe rapporten kost tijd en aandacht, en beleggers waren gewoon traag in het verwerken van de details.
De vraag waarom deze vertraging bestaat, bleef onopgelost omdat het onmogelijk was om de kosten van het lezen te scheiden van andere factoren. Eerdere studies vertrouwden op het vergelijken van bedrijven die moeilijke rapporten schreven met bedrijven die gemakkelijke rapporten schreven, maar bedrijven kiezen zelf hun schrijfstijl, waardoor het moeilijk te bepalen was of de moeilijkheidsgraad de vertraging veroorzaakte of dat er iets anders aan de hand was. Bovendien veranderden eerdere technologische ontwikkelingen meestal de rapporten zelf of de instrumenten die professionele analisten gebruikten, in plaats van hoe de gemiddelde belegger leest. Dit betekende dat niemand definitief kon bewijzen dat de vertraging werd veroorzaakt door de loutere moeilijkheid van het verwerken van de tekst.
Eind 2022 arriveerde een nieuwe tool die het landschap voor elke belegger tegelijkertijd veranderde. OpenAI bracht ChatGPT uit, een generatieve kunstmatige intelligentie die in staat is om lange documenten in enkele seconden samen te vatten, te herformuleren en vragen erover te beantwoorden. Deze gebeurtenis bood een unieke kans om de theorie te testen dat verwerkingskosten marktrajecten veroorzaken. Onderzoekers gebruikten dit moment om een eenvoudige vraag te stellen: als de kosten van het lezen van complexe rapporten plotseling dalen voor iedereen, begint de markt dan sneller te reageren? Door de release van deze tool als een natuurlijk experiment te beschouwen, konden zij observeren of de trage prijsdrift verdween voor bedrijven met de meest moeilijke rapporten, terwijl deze ongewijzigd bleef voor bedrijven met eenvoudigere rapporten.
De onderzoekers bouwden een systeem om de complexiteit van jaarverslagen te meten die door bedrijven in de Verenigde Staten en daarbuiten werden ingediend. Ze analyseerden de tekst van duizenden documenten en keken naar factoren zoals zinslengte, vocabulaire-moeilijkheidsgraad en de dichtheid van getallen, waardoor ze een score creëerden die vertegenwoordigde hoe moeilijk een rapport voor een mens te lezen zou zijn. Cruciaal was dat ze deze scores berekenden met behulp van uitsluitend gegevens van vóór de release van de AI-tool, om ervoor te zorgen dat de maatstaf voor moeilijkheidsgraad vaststond en niet werd beïnvloed door de gebeurtenis zelf. Vervolgens volgden ze de aandelenkoersen van deze bedrijven rond hun winstcijferpublicaties, waarbij ze vergeleken hoe snel de markt reageerde vóórdat de tool beschikbaar was versus hoe snel de markt reageerde daarna.
De resultaten toonden een duidelijke verschuiving in gedrag. Na de release van de AI-tool kromp de trage prijsdrift die gewoonlijk volgde op winstcijfers voor bedrijven met complexe rapporten aanzienlijk. Voor deze moeilijk leesbare bedrijven begon de markt de informatie veel sneller te verwerken, waarbij een groter deel van de koersaanpassing direct op de dag van de aankondiging plaatsvond. In contrast hiermee vertoonden bedrijven met eenvoudigere rapporten, die al gemakkelijk te verwerken waren, geen dergelijke verandering in hun reactiesnelheid. Dit patroon suggereert dat de vertraging inderdaad werd veroorzaakt door de inspanning die nodig was om de rapporten te lezen, en dat de markt zichzelf corrigeerde toen die inspanning door technologie werd verminderd.
Het effect was niet uniform over alle soorten beleggers. De onderzoekers vonden dat de versnelling het meest uitgesproken was bij bedrijven met een lager institutioneel eigendom, waar particuliere beleggers een groter deel van de handelsactiviteit uitmaken. Dit zijn de beleggers die waarschijnlijk het meest worstelen met lange, technische documenten en die het meeste baat hebben bij een tool die hen kan samenvatten. De studie keek ook naar bedrijven die genoteerd zijn op Amerikaanse beurzen maar gevestigd zijn in andere landen, wier rapporten vaak het moeilijkst te verwerken zijn vanwege taal- en formateringsverschillen. Deze firma's vertoonden de sterkste reductie in de vertraging, wat het idee verder ondersteunt dat de technologie hielp om de specifieke barrière van leesbaarheid te overwinnen.
Om te waarborgen dat deze bevindingen niet slechts een toevalstreffer waren, testten de onderzoekers of de verandering standhield onder verschillende omstandigheden. Ze onderzochten een tweede gebeurtenis, de release van een mobiele app-versie van de tool, die de technologie nog toegankelijkelijker maakte. Deze tweede release leidde tot een verdere reductie in de vertraging voor complexe bedrijven. Ze keken ook naar perioden waarin de tool tijdelijk niet beschikbaar was vanwege technische storingen. Hoewel de gegevens tijdens deze storingen te schaars waren om een definitieve conclusie te trekken, keerde de trend niet om, wat suggereert dat de verandering structureel was in plaats van een vluchtige reactie. Daarnaast testten ze of de tool beleggers simpelweg minder liet handelen of dat het de kwaliteit van de informatie veranderde. Het bewijs wees op dat laatste: de totale hoeveelheid informatie die door de markt werd opgenomen bleef gelijk, maar de snelheid waarmee deze werd opgenomen nam toe.
De studie behandelde ook of de verandering kwam door bedrijven die betere rapporten schreven of door analisten die de tool gebruikten om betere voorspellingen te doen. De onderzoekers vonden dat de resultaten standhielden zelfs wanneer zij bedrijven in de technologiesector uitsloten, die het meest waarschijnlijk de tool voor hun eigen interne rapportage zouden hebben gebruikt. Dit gaf aan dat de verandering werd gedreven door hoe beleggers de informatie consumeerden, en niet door veranderingen in hoe de informatie werd geproduceerd. De bevindingen suggereren dat de "drift"-anomalie geen permanent kenmerk van de markt of een beloning voor risico was, maar eerder een frictie veroorzaakt door de grenzen van de menselijke aandacht en leessnelheid.
Hoewel het bewijs sterk ondersteunt dat de verwerkingskosten de oorzaak van de vertraging waren, merken de onderzoekers op dat de resultaten suggestief zijn in plaats van een definitief bewijs. Een statistische controle onthulde enkele onderliggende trends in de gegevens die de release van de tool voorafgingen, wat betekent dat de resultaten moeten worden beschouwd als een sterke indicatie in plaats van een absolute zekerheid. Echter, de consistentie van het patroon over verschillende soorten bedrijven, verschillende marktsegmenten en verschillende perioden maakt een overtuigend geval. De studie demonstreert dat wanneer de barrière voor het begrijpen van complexe informatie wordt verlaagd, de markt efficiënter wordt, en de trage, voortdurende koersaanpassingen die ooit degene met de geduld om te lezen beloonden, verdwijnen.
Dit werk biedt een nieuw perspectief op hoe financiële markten functioneren. Het suggereert dat de waarde van een financieel rapport niet alleen in de cijfers zit die het bevat, maar in de technologie die beschikbaar is om ze te lezen. Een rapport dat in één jaar te moeilijk te gebruiken was, kan in het volgende jaar direct bruikbaar worden zonder dat er een woord is veranderd. Voor toezichthouders en standaardisatieorganisaties impliceert dit dat het verbeteren van de leesbaarheid en de machine-verwerkbaarheid van rapporten niet slechts een cosmetische oefening is, maar een directe manier om de marktefficiëntie te verbeteren. Voor beleggers signaleert het dat de winsten die ooit beschikbaar waren voor degenen die handmatig complexe gegevens konden verwerken, worden weggedrukt door technologie, wat het speelveld egaliseert maar ook het voordeel wegneemt dat voortkwam uit pure inspanning. De studie concludeert dat naarmate kunstmatige intelligentie zich blijft ontwikkelen, de aard van markt-anomalieën zal verschuiven, en dat onderzoekers nieuwe manieren zullen moeten zoeken om te meten hoe snel informatie werkelijk wordt opgenomen.
Verdrinkt u in papers in uw vakgebied?
Ontvang dagelijkse digests van de nieuwste papers die bij uw onderzoekswoorden passen — met technische samenvattingen, in uw taal.