NBER-ChatGPT与公司政策-英-68页_706kb

ChatGPT 和企业政策研究

研究背景与方法

研究者开发了一种基于企业财报电话会议文本的ChatGPT投资得分，用于衡量企业对未来资本支出的预期变动。该方法利用ChatGPT分析电话会议文本，生成企业资本支出预期量化得分，并通过企业财务数据和高管调查（如CFO调查）进行验证。

主要发现

1. ChatGPT投资得分能显著预测企业未来资本支出、研发投入、无形资产投资及总资本支出，即使在控制托宾q（Tobin's q）等传统投资度量指标后，仍具备显著的预测能力。
2. 投资得分较高的企业未来股价回报显著较低，与投资基础资产定价理论一致。
3. ChatGPT不仅适用于投资政策预测，还能够分析其他政策（如股息支付、员工变动），为传统问卷调查提供补充。

稳健性检验

• 通过外包期内数据（2021Q4至2022Q4）的测试，结果依然稳健，排除了ChatGPT可能利用外部信息导致的向前窥探偏差问题。
• 使用其他大型语言模型（如RoBERTa）进行对比，ChatGPT在预测能力上表现更优。
• 得分在不同行业、竞争程度和产品生命周期阶段的企业中也体现出显著的预测异质性。

研究贡献与意义

• 方法创新：首次将ChatGPT应用于财经文本中的企业政策预期量化。
• 资产定价理论支持：为投资与回报负相关性提供了新证据。
• 企业政策分析：能够通过财报电话会议文本补充传统高管调查，提高企业政策预期的信息获取效率。
• AI实用性：突出ChatGPT在金融分析中的可解释性和实用潜力，助力人机协同判断。

总体而言，研究不仅验证了ChatGPT在分析复杂财经文本中的有效性，还为企业政策研究提供了新工具与方向。