本报告提出基于自然语言处理技术,从纳斯达克上市公司10-K年报中客观量化企业AI参与度,构建了四种不同加权方式的AI股票指数。通过对ChatGPT发布事件的市场反应分析,验证了AI指标对异常收益的预测能力,并发现所建AI指数的风险收益表现优于或匹配现有14只AI主题ETF,兼具透明、公正与成本效益,适合投资者和资产管理者用以构建科技主题投资组合 。
报告标题:Quantifying a Firm’s AI Engagement: Constructing Objective, Data-Driven, AI Stock Indices Using SEC 10-K Filings
作者:Lennart Ante, Aman Saggu
发布机构:Technological Forecasting and Social Change(科技预测与社会变革)
发布日期:2025年(文章版本日期:2024年1月1日)
研究主题:利用自然语言处理(NLP)技术,基于美国SEC的10-K企业年报,定量分析企业在人工智能(AI)领域的参与度,进而构建四种AI股票指数并与现有AI相关ETF进行比较。
核心论点:
本文揭示当前市场上人工智能主题ETF在股票选择标准上的主观与不透明问题,提出切实可行的、基于NLP的客观方法,通过分析纳斯达克上市公司10-K文件中AI相关词汇的出现频率和上下文构建AI engagement指标,最终形成四个AI股票指数(AII、SAII、TAII05、TAII5X),这些指数表现优于多数现有AI主题ETF,且具有更佳的风险调整收益率和市场反应能力。研究通过ChatGPT发布事件的事件研究验证指标的市场敏感性和预测效力,为投资者、资产管理者和政策制定者提供了有效工具,推动主题投资向透明、数据驱动方向发展。, ,
报告指出,ChatGPT的发布极大激发了全球资本对AI技术的投资热情,同时也引发了“AI 洗白”(AI washing)等监管关注,说明部分企业对自身AI参与的描述存在夸大。现有AI主题ETF往往采用模糊和主观的选择标准,缺乏客观量化体系,这对于缺乏技术背景的传统资产管理者来说,是准确评估企业AI属性的一大难题。报告聚焦基于企业自我披露数据的客观AI股票识别,强调股价表现往往不仅由单一技术驱动,而是多元行业交织体现,如英伟达既是AI芯片龙头,也影响游戏等领域,从而指出构建客观度高的“AI股票”或“AI指数”的必要性。
从信息披露对股票市场的影响出发,回顾了从Beaver(1968)开始的股价对盈余公告的敏感反应,确认10-K报告等文件在传递公司信息的重要作用。尤其强调EDGAR系统的普及使得企业披露更及时也更复杂,投资者解析难度加大,数据处理能力和财务素养成为关键。此外,研究表明透明、优质的财报披露有助缓解信息不对称,提高投资者信心。论文也提及了其他技术领域(例如区块链)以及ESG披露的重要性,进一步奠定了基础——NLP技术能够从文本中提取有价值的市场信息。, ,
报告详细阐释了ChatGPT自2022年11月发布以来对AI领域及股票市场的显著影响,诸如Nvidia股价翻涨4倍,c3.ai涨幅28%,Buzzfeed借助AI内容创作股价暴涨120%。这表明市场对AI技术的认可不仅基于实际业绩,还包含预期和情绪推动。同时,这种影响波及范围广,部分非传统AI公司也因此受益。提及AI相关ETF的“AI标签溢价”及其对市场表现的影响,指出通过观察AI披露频率和程度,投资者可更加准确评估企业AI战略地位。,
对主题投资的现状和挑战做了系统性回顾,特别是科技及AI主题ETF。这类产品面临资产选择标准混乱、真实主题暴露度低、预测性强带来的不确定性等问题。文献引用表明多数主题ETF在成立初期表现不佳,存在较高的投机性溢价,且很多基金管理者缺乏深厚技术背景,依赖模糊的投资语境。通过比较,提出本研究通过客观的财报文本数据打造AI指数,有望解决上述透明度和准确性的不足,为主题投资提供科学依据。,
本研究核心在于量化AI披露的“权重”和“参与度”,通过市场加权与披露权重构建多套指数体系。使用的财务估值方法主要体现在事件研究中:
指数构建中的核心输入变量如权重分配基于公司市值和披露强度,时间折现指数引入历史披露放权参数,用以捕捉企业AI战略的持续影响,整体体现了深度、广度和时间动态的综合评判体系。, , , , , ,
报告明确指出以下风险:
披露泡沫与“AI洗白”风险:企业可能通过频繁提及AI但缺乏实质行动误导投资者,造成数据指标过度乐观。SEC已针对虚假AI披露展开调查,提醒监管风险存在。,
数据源单一性风险:仅依赖10-K文件截面可能遗漏非正式披露或战略深度,未来建议结合R&D支出、其他监管文件文本、市场新闻情绪增强指标稳健性。
事件窗口偏见:以ChatGPT发布作为验证事件,短期市场热度或投机成分影响指标表现,需结合长期多事件验证防止单一事件过拟合。
地理市场范畴限制:仅纳斯达克上市公司,忽视海外及新兴市场投资机会,未来扩展国际视角有助全面把握AI投资布局。
AI概念覆盖不全及语义多样性:文本分析基于简单关键词,难区分AI应用深度、战略优先级和语境差异,需引入更多语义和情感分析技术。
本文成功开发并验证了一套基于NLP技术的AI股票量化方法,利用纳斯达克上市公司2011-2023年间3,395份10-K年报文本,提取AI关键词频率与上下文权重,构建出四类客观AI股票指数(AII、SAII、TAII05、TAII5X),形成从广度到深度、从即时到历史的多维投资视角。核心结论包括:
综上,研究为AI主题投资提供了科学、透明、具市场响应性和成本优势的量化工具,促进了主题ETF的规范化发展,对投资行业及学界皆具前瞻价值。, ,
综上所述,本文全面系统地从数据源、技术路径、指标设计到市场验证层层深入,提出了以企业披露文本为基础的AI参与度量标准,并着力证明其在主题投资领域优于传统主观选股方法的科学性和实用性,兼顾学术创新与应用实践,具有较强的推广前景与现实价值。
2501.01763v1.pdf