Generative Artificial Intelligence and the Pricing of Complex Earnings Information: Evidence from the Release of ChatGPT
Este artigo fornece evidências de que o lançamento da IA Generativa, especificamente o ChatGPT, reduziu os custos de processamento dos investidores para divulgações financeiras complexas, atenuando, assim, o desvio pós-anúncio de lucros (post-earnings-announcement drift) principalmente para empresas com alta complexidade de informação e baixa participação institucional, o que apoia a explicação de custo de processamento em detrimento de teorias concorrentes de risco ou de limites de arbitragem.
Artigo original sob licença CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Esta é uma explicação gerada por IA do artigo abaixo. Não foi escrita nem endossada pelos autores. Para precisão técnica, consulte o artigo original. Ler aviso legal completo
Durante décadas, os mercados financeiros operaram sobre uma verdade simples e frustrante: a informação só é valiosa se alguém conseguir lê-la. Quando uma empresa divulga seus lucros trimestrais, os números são públicos, mas os relatórios que os acompanham são frequentemente longos, densos e difíceis de navegar. Durante anos, pesquisadores observaram um padrão peculiar onde o preço das ações dessas empresas não reagia totalmente à notícia imediatamente. Em vez disso, o preço continuava a derivar na mesma direção por semanas depois, como se o mercado estivesse digerindo lentamente a informação. Esse atraso, conhecido como deriva pós-anúncio de lucros (post-earnings-announcement drift), há muito tempo intriga os economistas. Alguns argumentavam que era uma recompensa por assumir risco extra, enquanto outros acreditavam que era uma fricção que impedia investidores inteligentes de corrigir o preço rapidamente. Um terceiro grupo, porém, suspeitava que o atraso era simplesmente uma questão de esforço humano: ler relatórios complexos exige tempo e atenção, e os investidores eram apenas lentos para processar os detalhes.
A questão de por que esse atraso existe permaneceu sem solução porque era impossível separar o custo de leitura de outros fatores. Estudos anteriores baseavam-se na comparação de empresas que escreviam relatórios difíceis com aquelas que escreviam relatórios fáceis, mas as empresas escolhem seus próprios estilos de escrita, tornando difícil saber se a dificuldade causou o atraso ou se algo mais estava em jogo. Além disso, mudanças tecnológicas passadas geralmente alteravam os próprios relatórios ou as ferramentas usadas por analistas profissionais, em vez de mudar como o investidor médio lê. Isso significava que ninguém poderia provar definitivamente que o atraso era causado pela pura dificuldade de processar o texto.
No final de 2022, uma nova ferramenta surgiu, mudando o cenário para todos os investidores simultaneamente. A OpenAI lançou o ChatGPT, uma inteligência artificial generativa capaz de resumir, refrasear e responder perguntas sobre documentos longos em segundos. Este evento forneceu uma oportunidade única para testar a teoria de que os custos de processamento impulsionam os atrasos de mercado. Os pesquisadores usaram este momento para fazer uma pergunta direta: se o custo de leitura de relatórios complexos cair subitamente para todos, o mercado começa a reagir mais rápido? Ao tratar o lançamento desta ferramenta como um experimento natural, eles puderam observar se a lenta deriva de preços desaparecia para empresas com os relatórios mais difíceis, enquanto permanecia inalterada para aquelas com relatórios mais simples.
Os pesquisadores construíram um sistema para medir a complexidade dos relatórios anuais arquivados por empresas nos Estados Unidos e no exterior. Eles analisaram o texto de milhares de documentos, observando fatores como o comprimento das frases, a dificuldade do vocabulário e a densidade de números, criando uma pontuação que representava o quão difícil um relatório seria para um humano ler. Crucialmente, eles calcularam essas pontuações usando apenas dados de antes do lançamento da ferramenta de IA, garantindo que a medida de dificuldade fosse fixa e não influenciada pelo evento em si. Eles então rastrearam os preços das ações dessas empresas em torno de seus anúncios de lucros, comparando a rapidez com que o mercado reagia antes da ferramenta estar disponível versus a rapidez com que reagia depois.
Os resultados mostraram uma mudança clara de comportamento. Após o lançamento da ferramenta de IA, a lenta deriva de preços que tipicamente seguia os anúncios de lucros para empresas com relatórios complexos encolheu significativamente. Para essas empresas de difícil leitura, o mercado começou a incorporar a informação muito mais rápido, com uma parcela maior do ajuste de preço acontecendo imediatamente no dia do anúncio. Em contraste, empresas com relatórios mais simples, que já eram fáceis de processar, não mostraram tal mudança em sua velocidade de reação. Esse padrão sugere que o atraso era, de fato, causado pelo esforço necessário para ler os relatórios e que, quando esse esforço foi reduzido pela tecnologia, o mercado se corrigiu.
O efeito não foi uniforme entre todos os tipos de investidores. Os pesquisadores descobriram que a aceleração foi mais pronunciada em empresas com menor propriedade institucional, onde investidores individuais de varejo compõem uma parcela maior da atividade de negociação. Estes são os investidores que têm maior probabilidade de ter dificuldades com documentos longos e técnicos e que mais se beneficiam de uma ferramenta que possa resumi-los. O estudo também observou empresas listadas em bolsas dos EUA, mas sediadas em outros países, cujos relatórios são frequentemente os mais difíceis de processar devido a diferenças de idioma e formatação. Essas empresas mostraram a redução mais forte no atraso, reforçando ainda mais a ideia de que a tecnologia ajudou a superar a barreira específica da dificuldade de leitura.
Para garantir que esses achados não fossem apenas uma coincidência, os pesquisadores testaram se a mudança se mantinha sob diferentes condições. Eles examinaram um segundo evento, o lançamento de uma versão de aplicativo móvel da ferramenta, que tornou a tecnologia ainda mais acessível. Este segundo lançamento levou a uma redução adicional no atraso para empresas complexas. Eles também observaram períodos em que a ferramenta estava temporariamente indisponível devido a interrupções técnicas. Embora os dados durante essas interrupções fossem escassos demais para tirar uma conclusão definitiva, a tendência não se inverteu, sugerindo que a mudança era estrutural e não uma reação passageira. Adicionalmente, testaram se a ferramenta simplesmente fazia os investidores negociarem menos ou se mudava a qualidade da informação. As evidências apontaram para o último caso: a quantidade total de informação absorvida pelo mercado permaneceu a mesma, mas a velocidade com que ela foi absorvida aumentou.
O estudo também abordou se a mudança se devia a empresas escrevendo melhores relatórios ou a analistas usando a ferramenta para criar previsões melhores. Os pesquisadores descobriram que os resultados se mantinham mesmo quando excluíam empresas do setor de tecnologia, que seriam as mais propensas a adotar a ferramenta para seus próprios relatórios internos. Isso indicou que a mudança foi impulsionada pela forma como os investidores consumiam a informação, não por mudanças na forma como a informação era produzida. Os achados sugerem que a anomalia da "deriva" não era uma característica permanente do mercado ou uma recompensa pelo risco, mas sim uma fricção causada pelos limites da atenção humana e da velocidade de leitura.
Embora as evidências apoiem fortemente a ideia de que os custos de processamento foram a causa do atraso, os pesquisadores observam que os resultados são sugestivos em vez de uma prova final. Uma verificação estatística revelou algumas tendências subjacentes nos dados que precederam o lançamento da ferramenta, o que significa que os resultados devem ser vistos como uma forte indicação, e não como uma certeza absoluta. No entanto, a consistência do padrão através de diferentes tipos de empresas, diferentes segmentos de mercado e diferentes períodos de tempo torna o caso muito convincente. O estudo demonstra que, quando a barreira para compreender informações complexas é reduzida, o mercado torna-se mais eficiente, e os ajustes de preço lentos e persistentes que outrora recompensavam aqueles com paciência para ler desaparecem.
Este trabalho oferece uma nova perspectiva sobre como os mercados financeiros funcionam. Sugere que o valor de um relatório financeiro não está apenas nos números que ele contém, mas na tecnologia disponível para lê-los. Um relatório que era difícil demais para usar em um ano pode tornar-se instantaneamente útil no próximo, sem que uma única palavra seja alterada. Para reguladores e normatizadores, isso implica que melhorar a legibilidade e a capacidade de consumo por máquinas dos relatórios não é apenas um exercício cosmético, mas uma forma direta de melhorar a eficiência do mercado. Para os investidores, sinaliza que os lucros outrora disponíveis para aqueles que podiam processar manualmente dados complexos estão sendo comprimidos pela tecnologia, nivelando o campo de jogo, mas também removendo a vantagem que vinha do puro esforço. O estudo conclui que, à medida que a inteligência artificial continua a evoluir, a natureza das anomalias de mercado mudará, e os pesquisadores precisarão buscar novas formas de medir a rapidez com que a informação é verdadeiramente absorvida.
Afogado em artigos na sua área?
Receba digests diários dos artigos mais recentes que correspondam às suas palavras-chave de pesquisa — com resumos técnicos, no seu idioma.