企业财报电话会议揭示AI股市上涨背后原因

快速阅读: 研究显示，ChatGPT发布后，企业对生成型AI的讨论显著增加，特别是信息技术行业。早期讨论AI的公司股票回报更高，市场更青睐实施讨论而非机会讨论。

人工智能（AI）的迅速崛起引发了关于其经济和金融影响的激烈讨论。越来越多的研究考察了AI在提高生产力（Filippucci等人，2024年）、改造劳动力市场（Hui等人，2023年）以及推动技术创新（Rodríguez-Pose和You，2024年）方面的潜力。近期证据还显示，AI对金融市场的影响显著：Eisfeldt等人（2023年）发现，ChatGPT的发布显著提升了那些员工更容易接触到生成型AI（GenAI）的企业价值。尽管这些研究侧重于员工对GenAI的接触程度，我们在最近的一篇论文（Ca’Zorzi等人，2025年）中提供了补充视角，探讨了企业关于GenAI的沟通如何影响股市。

为了研究企业沟通如何塑造投资者反应，我们借鉴了新兴的sentometrics领域，该领域将计量经济学方法应用于从文本中提取的定量信息。近期研究表明，情感分析的价值在于能够从新闻和社交媒体预测经济活动（Algaba等人，2020年），从企业披露中衡量企业对气候变化的暴露程度（Sautner等人，2023年），以及解释化石燃料企业的投资行为（Adolfsen等人，2024年）。这些研究显示，一旦定性信息被量化，它就能提供超出传统财务和宏观经济指标的解释力。

更近的应用进一步突显了这种方法的政策相关性。Anastasiou等人（2025年）指出，美国联邦储备委员会新闻发布会的情感基调会影响美国银行股票价格下跌的概率。Culver等人（2025年）构建了一个基于情感的行业地缘政治风险指数，表明负面情感更多的行业在地缘政治风险加剧期间经历更大的股价跌幅。

基于这一文献，我们分析了企业在财报电话会议中对新技术的沟通方式及其对投资者定价的影响。我们分析了2014年至2024年间来自标普500公司的超过22,000份会议记录。GenAI的曝光度被定义为每次会议中涉及GenAI主题的比例。利用GPT-4，我们将内容进一步分类为三个关键主题：机会、采用和风险，从而捕捉企业讨论的重点和基调，并系统地将其与股市反应联系起来。

我们的分析得出了三个主要见解：

首先，ChatGPT发布后，GenAI的曝光度激增。自2022年底开始，提及GenAI的情况显著增加，尤其是在信息技术行业（从2022年的1.3%上升到2023年的5.0%；见图1a）。其他行业，如通信服务和消费者非必需品，也出现了增长。即使在同一行业内，各公司之间的参与度差异很大。随着时间的推移，讨论重点从机会转向了采用，特别是在ChatGPT发布后，技术行业的实施重点更加突出（见图1b）。

其次，早期参与取得了成效。在ChatGPT发布前就讨论GenAI的公司（“早期接触”）获得了更高的股票回报。面板回归分析表明，GenAI讨论每增加一个百分点，平均季度股价上涨0.62%。投资者热衷于支持那些将AI视为保持竞争优势和推动未来增长的关键因素的公司。我们还发现，“早期接触”与GenAI参与之间存在0.26的积极交互系数，表明同时具备早期接触和持续关注GenAI的公司在股权表现上受益更多。

图2展示了GenAI对股票价格的影响估计，基于回归系数和2023年的累计曝光变化。分析表明，早期接触GenAI的公司在股权回报方面显著超越了整体市场，其中约三分之一的收益可归因于其GenAI讨论。

最后，语气至关重要。

投资者对不同讨论主题的反应各异。对于早期暴露的企业，每增加1%的采纳或机会相关暴露，其季度超额回报率分别高出落后企业（“落后者”）0.63%和0.45%。采纳方面的影响更强，表明市场更倾向于奖励关于实施的讨论而非投机机会。

通用方法

我们的框架还捕捉了企业在主要全球事件中的关注度。图3展示了企业对英国脱欧、COVID-19、2021-2023年通胀激增以及地缘政治和气候风险的关注。这些例子显示，该方法不仅适用于生成式人工智能，还为政策制定者和分析师提供了一个实时工具，用于监测新兴全球变化并评估潜在的市场和宏观经济影响。

参考文献

Adolfsen, J F, M Heissel, A-S Manu 和 F Vinci (2024)，《现在燃烧还是永不？气候变化暴露与化石燃料企业的投资》，欧洲央行工作论文系列，第2945号。

Algaba, A, D Ardia, K Bluteau, S Borms 和 K Boudt (2020)，《计量经济学遇见情感：方法论与应用综述》，《经济调查杂志》34(3): 512-547。

Anastasiou, D, A Katsafados, S Ongena 和 C Tzomakas (2025)，《超越文字：美联储主席语音情感与美国银行股价崩盘风险》，VoxEU.org，6月19日。

Ca’ Zorzi, M, G Lopardo 和 A-S Manu (2025)，《言犹在耳：公司收益电话会议揭示的人工智能股票热潮》，欧洲央行工作论文系列第3093号。

Culver, I, F Niepmann 和 L Shen (2025)，《衡量各行业地缘政治风险暴露：以企业为中心的方法》，联邦储备委员会文件，8月29日，联邦储备系统理事会。

Eisfeldt, A, G Schubert 和 M B Zhang (2023)，《生成式人工智能与企业估值》，VoxEU.org，6月4日。

Filippucci, F, P Gal 和 M Schief (2024)，《奇迹还是神话：评估人工智能的宏观经济生产率收益》，VoxEU.org，12月8日。

Hui, X, O Reshef 和 L Zhou (2023)，《人工智能及其对就业的短期影响》，VoxEU.org，12月1日。

Rodríguez-Pose, A 和 Z You (2024)，《弥合创新差距：人工智能和机器人技术作为中国城市创新的驱动力》，VoxEU.org，6月5日。

Sautner, Z, L Van Lent, G Vilkov 和 R Zhang (2023)，《企业层面的气候变化暴露》，《金融杂志》78(3): 1449–1498。

(以上内容均由Ai生成)