DOI: https://doi.org/10.1016/j.techfore.2024.123965
تاريخ النشر: 2025-01-02
المؤلف: Lennart Ante وآخرون
الموضوع الرئيسي: الأسواق المالية واستراتيجيات الاستثمار
نظرة عامة
تقدم هذه الورقة البحثية منهجية جديدة وموضوعية لتصنيف الأسهم المتعلقة بالذكاء الاصطناعي من خلال استخدام تقنيات معالجة اللغة الطبيعية (NLP) لتحليل الإقرارات السنوية 10-K من 3,395 شركة مدرجة في ناسداك بين عامي 2011 و2023. تنتقد الدراسة الصناديق المتداولة في البورصة (ETFs) المتعلقة بالذكاء الاصطناعي الحالية بسبب معايير الاختيار الغامضة، التي تعتمد غالبًا على لغة غير واضحة وتقييمات ذاتية. بالمقابل، يقترح المؤلفون نهجًا قائمًا على البيانات يقيس التفاعل مع الذكاء الاصطناعي من خلال مؤشرات ثنائية ودرجات ذكاء اصطناعي موزونة بناءً على تكرار وسياق المصطلحات المتعلقة بالذكاء الاصطناعي في الإفصاحات الشركات. تنتهي هذه المنهجية بإنشاء أربعة مؤشرات أسهم ذكاء اصطناعي متميزة: مؤشر الذكاء الاصطناعي المتساوي الوزن (AII)، مؤشر الذكاء الاصطناعي الموزون حسب الحجم (SAII)، ومؤشرين للذكاء الاصطناعي مخفضين زمنياً (TAII05 وTAII5X).
تظهر صحة هذا النهج من خلال دراسة حدث تركزت على إطلاق ChatGPT من OpenAI، مما يكشف أن الشركات التي لديها تفاعل أعلى مع الذكاء الاصطناعي شهدت عوائد غير طبيعية إيجابية أكبر بشكل ملحوظ. المؤشرات التي تم إنشاؤها باستخدام هذه المنهجية لا تؤدي فقط بشكل مماثل، بل تتجاوز أيضًا 14 صندوقًا متداولًا في البورصة ذات موضوع الذكاء الاصطناعي ومؤشر ناسداك المركب من حيث ملفات المخاطر والعوائد واستجابة السوق. تشير النتائج إلى أن النهج المقترح القائم على معالجة اللغة الطبيعية يوفر بديلاً موثوقًا وفعالًا من حيث التكلفة للمستثمرين ومديري الأصول وصانعي السياسات، مما يعزز الشفافية والتنافسية في مشهد استثمار الذكاء الاصطناعي. بشكل عام، تسهم هذه الدراسة في الأدبيات المتعلقة بالأسواق المالية والإفصاحات الشركات من خلال تقديم إطار عمل منهجي لبناء محافظ موضوعية بناءً على تفاعل الشركات مع تقنيات الذكاء الاصطناعي.
مقدمة
تسلط مقدمة هذه الورقة البحثية الضوء على التأثير الكبير لإطلاق ChatGPT من OpenAI في نوفمبر 2022 على الاستثمار الشركات والاهتمام العام بالذكاء الاصطناعي (AI). أدى هذا الحدث إلى زيادة الاستثمارات في تقنيات الذكاء الاصطناعي عبر مختلف القطاعات، على الرغم من أن بعض الشركات قد اتُهمت بـ “غسل الذكاء الاصطناعي”، مما أدى إلى تدقيق تنظيمي. تثير الورقة أسئلة حاسمة حول قدرة مديري الأصول التقليديين، الذين قد يفتقرون إلى الخبرة الفنية، على تقييم الاستثمارات المتعلقة بالذكاء الاصطناعي بدقة. تؤكد على تعقيد تعريف “أسهم الذكاء الاصطناعي” وتهدف إلى إنشاء إطار عمل لتصنيف مثل هذه الاستثمارات، مع التركيز بشكل خاص على الدور المزدوج للذكاء الاصطناعي كأداة لإدارة الاستثمار وقطاع للاستثمار المباشر.
لمعالجة تحديات تحديد الاستثمارات المتركزة حول الذكاء الاصطناعي، تقترح الدراسة منهجية قائمة على البيانات تستخدم تقنيات معالجة اللغة الطبيعية (NLP) لتحليل الإفصاحات الشركات من 3,395 شركة مدرجة في ناسداك. من خلال استخراج وقياس المصطلحات المتعلقة بالذكاء الاصطناعي من الإقرارات السنوية 10-K، يطور المؤلفون مقاييس لقياس تفاعل الشركة مع تقنيات الذكاء الاصطناعي بشكل موضوعي. تبني البحث أربعة مؤشرات أسهم ذكاء اصطناعي بناءً على هذه المقاييس وتقارن أدائها مع صناديق الاستثمار المتداولة ذات موضوع الذكاء الاصطناعي الحالية. تشير النتائج الأولية إلى أن المؤشرات الجديدة المطورة قد تتفوق على صناديق الاستثمار المتداولة التقليدية، مما يبرز الإمكانية لنهج أكثر شفافية وتنافسية لاستراتيجيات استثمار الذكاء الاصطناعي. تهدف الدراسة في النهاية إلى المساهمة في الأدبيات المتعلقة بالاستثمار الموضوعي وتقديم رؤى عملية للمستثمرين الذين يتنقلون في مشهد الذكاء الاصطناعي المتطور.
نقاش
تسلط قسم النقاش في الورقة البحثية الضوء على الدور المهم للإفصاحات العامة، وخاصة الإقرارات 10-K، في تشكيل سلوك المستثمرين وديناميات السوق. يؤكد على أن التقدم في تكنولوجيا المعلومات قد حول كيفية معالجة البيانات المالية وتفسيرها، مما يجعل الوضوح والشفافية في الإفصاحات أمرًا حيويًا لتقييم الأسهم بشكل فعال. تؤكد الأدبيات على أن الإفصاحات الشركات في الوقت المناسب والشاملة، مثل إعلانات الأرباح، تؤثر بشكل كبير على تقلبات أسعار الأسهم وأحجام التداول، مما يعزز فرضية السوق الفعالة (EMH). علاوة على ذلك، فإن التعقيد المتزايد لهذه الإقرارات يتطلب مستوى أعلى من الثقافة المالية بين المستثمرين للتنقل في المعلومات بشكل فعال.
تستكشف الورقة أيضًا تأثير الذكاء الاصطناعي (AI) على الأسواق المالية، خاصة بعد تقديم ChatGPT من OpenAI. أدى النمو السريع للاستثمارات المتعلقة بالذكاء الاصطناعي إلى زيادات ملحوظة في أداء الأسهم للشركات المرتبطة بتقنيات الذكاء الاصطناعي، مما يعكس زيادة ثقة المستثمرين. لقد أثار هذا الاتجاه تدقيقًا تنظيميًا وأبرز أهمية الإفصاحات الشفافة حول الذكاء الاصطناعي في الإفصاحات الشركات لمنع الادعاءات المضللة أو “غسل الذكاء الاصطناعي”. تشير الأبحاث إلى أنه مع استمرار تطور الذكاء الاصطناعي، ستكون جودة وتكرار الإفصاحات المتعلقة بالذكاء الاصطناعي حيوية للمستثمرين الذين يسعون لتقييم تفاعل الشركة مع التكنولوجيا وإمكانات النمو على المدى الطويل. بشكل عام، تشير النتائج إلى أن التقارير الواضحة والموضوعية حول المشاركة في الذكاء الاصطناعي ستكون ضرورية لاستراتيجيات الاستثمار المستنيرة في مشهد سوق مدفوع بشكل متزايد بالذكاء الاصطناعي.
القيود
تقدم الدراسة عدة قيود تبرز الفرص للبحث المستقبلي. أولاً، قد لا تعكس الاعتماد على الإفصاحات الشركات المتاحة للجمهور، وخاصة الإقرارات 10-K، بشكل كامل تفاصيل تفاعل الشركة مع الذكاء الاصطناعي، حيث يتم استخدام مصطلح “الذكاء الاصطناعي” غالبًا في سياقات متنوعة. يمكن أن يحسن البحث المستقبلي التحليل من خلال دمج التقييمات النوعية أو تقنيات معالجة اللغة الطبيعية المتقدمة لتمييز السياق وعمق الإشارات إلى الذكاء الاصطناعي بشكل أفضل (Frankel et al., 2022). بالإضافة إلى ذلك، فإن إمكانية “غسل الذكاء الاصطناعي”، حيث تبالغ الشركات في مشاركتها في الذكاء الاصطناعي، تثير مخاوف بشأن موثوقية المقاييس المستمدة من مصدر بيانات واحد. لمعالجة ذلك، يجب أن تدمج الدراسات المستقبلية مصادر بيانات متعددة، مثل نفقات البحث والتطوير وتحليلات مشاعر التكنولوجيا (Mishra et al., 2022; Bonaparte, 2023)، لإنشاء مقياس أكثر قوة لتفاعل الذكاء الاصطناعي.
علاوة على ذلك، فإن تركيز الدراسة على الشركات المدرجة في ناسداك يقدم قيدًا جغرافيًا، مما قد يتسبب في تجاهل فرص الاستثمار في الذكاء الاصطناعي في الأسواق العالمية، وخاصة في الاقتصادات الناشئة. قد يوفر توسيع النطاق ليشمل أسواق متنوعة وإفصاحات شركات مختلفة فهمًا أكثر شمولاً لتفاعل الذكاء الاصطناعي العالمي. أخيرًا، بينما تحدد المنهجية الحالية بشكل فعال الأسهم المتركزة حول الذكاء الاصطناعي، فإنها تعتمد بشكل أساسي على مقاييس كمية. يمكن أن يعزز البحث المستقبلي الدقة من خلال دمج التقييمات النوعية وتكييف المنهجيات من أبحاث البيئة والمجتمع والحوكمة (ESG)، مثل تطوير قاموس خاص بالذكاء الاصطناعي (Baier et al., 2020). يمكن أن يؤدي هذا النهج متعدد الأبعاد إلى الحصول على رؤى أعمق حول دمج وتشغيل الذكاء الاصطناعي ضمن استراتيجيات الشركات، مما يحسن في النهاية موثوقية وعمق مقاييس تفاعل الذكاء الاصطناعي.
DOI: https://doi.org/10.1016/j.techfore.2024.123965
Publication Date: 2025-01-02
Author(s): Lennart Ante et al.
Primary Topic: Financial Markets and Investment Strategies
Overview
This research paper presents a novel, objective methodology for classifying AI-related stocks by employing natural language processing (NLP) techniques to analyze annual 10-K filings from 3,395 NASDAQ-listed firms between 2011 and 2023. The study critiques existing AI-related exchange-traded funds (ETFs) for their opaque selection criteria, which often rely on vague language and subjective assessments. In contrast, the authors propose a data-driven approach that quantifies AI engagement through binary indicators and weighted AI scores based on the frequency and context of AI-related terms in corporate disclosures. This methodology culminates in the creation of four distinct AI stock indices: the Equally Weighted AI Index (AII), the Size-Weighted AI Index (SAII), and two Time-Discounted AI Indices (TAII05 and TAII5X).
The validation of this approach is demonstrated through an event study focused on the launch of OpenAI’s ChatGPT, revealing that firms with higher AI engagement experienced significantly greater positive abnormal returns. The indices constructed using this methodology not only perform comparably to, but also surpass, 14 existing AI-themed ETFs and the Nasdaq Composite Index in terms of risk-return profiles and market responsiveness. The findings suggest that the proposed NLP-based approach provides a reliable and cost-effective alternative for investors, asset managers, and policymakers, enhancing transparency and competitiveness in the AI investment landscape. Overall, this study contributes to the literature on financial markets and corporate disclosures by offering a systematic framework for constructing thematic portfolios based on corporate engagement with AI technologies.
Introduction
The introduction of this research paper highlights the significant impact of OpenAI’s ChatGPT launch in November 2022 on corporate investment and public interest in artificial intelligence (AI). This event has led to increased investments in AI technologies across various sectors, although some companies have been accused of “AI washing,” resulting in regulatory scrutiny. The paper raises critical questions about the ability of traditional asset managers, who may lack technical expertise, to accurately assess AI-related investments. It emphasizes the complexity of defining “AI stocks” and aims to establish a framework for categorizing such investments, particularly focusing on the dual role of AI as both a tool for investment management and a sector for direct investment.
To address the challenges of identifying AI-centric investments, the study proposes a data-driven methodology utilizing natural language processing (NLP) techniques to analyze corporate disclosures from 3,395 NASDAQ-listed firms. By extracting and quantifying AI-related terms from annual 10-K filings, the authors develop metrics to objectively measure a company’s engagement with AI technologies. The research constructs four AI stock indices based on these metrics and compares their performance against existing AI-themed Exchange-Traded Funds (ETFs). Preliminary findings suggest that the newly developed indices may outperform traditional ETFs, highlighting the potential for a more transparent and competitive approach to AI investment strategies. The study ultimately aims to contribute to the literature on thematic investing and provide practical insights for investors navigating the evolving AI landscape.
Discussion
The discussion section of the research paper highlights the significant role of public disclosures, particularly 10-K filings, in shaping investor behavior and market dynamics. It emphasizes that advancements in information technology have transformed how financial data is processed and interpreted, making clarity and transparency in disclosures crucial for effective stock valuation. The literature underscores that timely and comprehensive corporate disclosures, such as earnings announcements, significantly influence stock price fluctuations and trading volumes, reinforcing the efficient market hypothesis (EMH). Moreover, the increasing complexity of these filings necessitates a higher level of financial literacy among investors to navigate the information effectively.
The paper also explores the impact of artificial intelligence (AI) on financial markets, particularly following the introduction of OpenAI’s ChatGPT. The rapid growth of AI-related investments has led to notable stock performance increases for companies associated with AI technologies, reflecting heightened investor confidence. This trend has prompted regulatory scrutiny and highlighted the importance of transparent AI disclosures in corporate filings to prevent misleading claims or “AI washing.” The research indicates that as AI continues to evolve, the quality and frequency of AI-related disclosures will be vital for investors seeking to assess a company’s technological engagement and long-term growth potential. Overall, the findings suggest that clear and objective reporting on AI involvement will be essential for informed investment strategies in an increasingly AI-driven market landscape.
Limitations
The study presents several limitations that highlight opportunities for future research. Firstly, the reliance on publicly available corporate disclosures, particularly 10-K filings, may not fully capture the nuances of a company’s engagement with AI, as the term “AI” is often used in varying contexts. Future research could improve the analysis by incorporating qualitative assessments or advanced natural language processing techniques to better differentiate the context and depth of AI mentions (Frankel et al., 2022). Additionally, the potential for “AI washing,” where companies exaggerate their AI involvement, raises concerns about the reliability of the metrics derived from a single data source. To address this, future studies should integrate multiple data sources, such as research and development expenditures and technology sentiment analyses (Mishra et al., 2022; Bonaparte, 2023), to create a more robust measure of AI engagement.
Furthermore, the study’s focus on NASDAQ-listed firms introduces a geographical limitation, potentially overlooking AI investment opportunities in global markets, particularly in emerging economies. Expanding the scope to include diverse markets and various corporate disclosures could provide a more comprehensive understanding of global AI engagement. Lastly, while the current methodology effectively identifies AI-centric stocks, it primarily employs quantitative measures. Future research could enhance precision by integrating qualitative assessments and adapting methodologies from environmental, social, and governance (ESG) research, such as developing an AI-specific dictionary (Baier et al., 2020). This multifaceted approach could yield deeper insights into the integration and operationalization of AI within corporate strategies, ultimately improving the reliability and depth of AI engagement measures.