論文の概要: Bloated Disclosures: Can ChatGPT Help Investors Process Information?

• arxiv url: http://arxiv.org/abs/2306.10224v3
• Date: Sat, 3 Feb 2024 16:33:10 GMT
• ステータス: 処理完了
• システム内更新日: 2024-02-07 06:04:23.186282
• Title: Bloated Disclosures: Can ChatGPT Help Investors Process Information?
• Title（参考訳）: 巨額の開示:ChatGPTは投資家の情報を処理できるか?
• Authors: Alex Kim, Maximilian Muhn, Valeri Nikolaev
• Abstract要約: ChatGPTのような生成AIツールは、投資家が情報を処理する方法を根本的に変えることができる。 我々は、これらのツールが、株式市場を実験室として利用した複雑な企業情報開示を要約する上での経済的有用性について検討する。 肥大化した開示は、価格効率の低下や情報非対称性の上昇など、資本市場の悪影響と関連していることを示す。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Generative AI tools such as ChatGPT can fundamentally change the way investors process information. We probe the economic usefulness of these tools in summarizing complex corporate disclosures using the stock market as a laboratory. The unconstrained summaries are remarkably shorter compared to the originals, whereas their information content is amplified. When a document has a positive (negative) sentiment, its summary becomes more positive (negative). Importantly, the summaries are more effective at explaining stock market reactions to the disclosed information. Motivated by these findings, we propose a measure of information ``bloat." We show that bloated disclosure is associated with adverse capital market consequences, such as lower price efficiency and higher information asymmetry. Finally, we show that the model is effective at constructing targeted summaries that identify firms' (non-)financial performance. Collectively, our results indicate that generative AI adds considerable value for investors with information processing constraints.
• Abstract（参考訳）: ChatGPTのような生成AIツールは、投資家が情報を処理する方法を根本的に変えることができる。 株式市場を実験室として、複雑な企業開示を要約する上で、これらのツールの経済的有用性を検討する。 制約のない要約はオリジナルに比べて著しく短いが、情報内容は増幅されている。 ある文書が正(負)の感情を持つとき、その要約はより正(負)になる。 重要なことに、これらの要約は公開情報に対する株式市場の反応を説明するのにより効果的である。 これらの知見に動機づけられ,我々は情報の尺度であるbloatを提案する。 「肥大化した開示は、価格効率の低下や情報非対称性の上昇など、資本市場の悪影響と関連している。」 最後に、このモデルは、企業の(非)金融パフォーマンスを識別するターゲットサマリーの構築に有効であることを示す。 この結果から,情報処理に制約のある投資家に対して,生成的AIが多大な価値をもたらすことが示唆された。

関連論文リスト

• Instruction-Guided Bullet Point Summarization of Long Financial Earnings Call Transcripts [25.4439290862464]
  本稿では,最近リリースされたデータセットを用いて,Earning Callum Transcripts (ECT) の弾丸点要約問題について検討する。 この課題を解決するために,教師なし質問ベース抽出モジュールとパラメータ効率のよい命令調整抽象モジュールを併用する。 提案したモデルFLAN-FinBPSは,14.88%の平均ROUGEスコアゲインで最強のベースラインを上回り,最先端の新たなパフォーマンスを実現する。
  論文  参考訳（メタデータ） (2024-05-03T16:33:16Z)
• Language Models Can Reduce Asymmetry in Information Markets [100.38786498942702]
  我々は、言語モデルを利用した知的エージェントが外部参加者に代わって情報を売買する、オープンソースのシミュレートされたデジタルマーケットプレースを紹介した。 このマーケットプレースを実現する中心的なメカニズムはエージェントの二重機能であり、特権情報の品質を評価する能力を持つと同時に、忘れる能力も備えている。 適切に行動するためには、エージェントは合理的な判断をし、生成されたサブクエリを通じて市場を戦略的に探索し、購入した情報から回答を合成する必要がある。
  論文  参考訳（メタデータ） (2024-03-21T14:48:37Z)
• C-ICL: Contrastive In-context Learning for Information Extraction [54.39470114243744]
  c-ICLは、正しいサンプル構築と間違ったサンプル構築の両方を活用して、コンテキスト内学習のデモを作成する、新しい数ショット技術である。 各種データセットに対する実験により,c-ICLは従来の数発のインコンテキスト学習法よりも優れていたことが示唆された。
  論文  参考訳（メタデータ） (2024-02-17T11:28:08Z)
• Question-focused Summarization by Decomposing Articles into Facts and Opinions and Retrieving Entities [0.0]
  本研究は,自然言語処理技術を用いて株価変動を予測することに焦点を当てる。 提案手法は,ニュース記事から有能な事実や出来事を識別することを含む。 この研究は、ウィキペディアのデータとエコノミストの記事の分析を通じて、企業とエンティティの関係を確立することを目的としている。
  論文  参考訳（メタデータ） (2023-10-07T17:37:48Z)
• Benchmarking the Generation of Fact Checking Explanations [19.363672064425504]
  我々は、正当化の生成(クレームが真か偽かのどちらかに分類される理由をテキストで説明する)に焦点を当て、新しいデータセットと高度なベースラインでベンチマークする。 その結果,生産要約の正当性はクレーム情報から得られることがわかった。 クロスデータセット実験は性能劣化に悩まされるが、2つのデータセットの組み合わせでトレーニングされたユニークなモデルは、スタイル情報を効率的に保持することができる。
  論文  参考訳（メタデータ） (2023-08-29T10:40:46Z)
• The Double-Edged Sword of Big Data and Information Technology for the Disadvantaged: A Cautionary Tale from Open Banking [0.3867363075280543]
  オープンバンキングは金融サービスに革命を起こし、顧客の獲得、管理、維持、リスクアセスメントの新しい機会を開いた。 新型コロナウイルスとインフレーション上昇による世界的な懸念である金融脆弱性(FV)の次元について検討する。 英国フィンテックの貸し手によるユニークなデータセットを用いて、安全な使用法を同時に警告しながら、きめ細かいトランザクションデータのパワーを実証する。
  論文  参考訳（メタデータ） (2023-07-25T11:07:43Z)
• Can ChatGPT Forecast Stock Price Movements? Return Predictability and Large Language Models [51.3422222472898]
  ニュース見出しを用いて,ChatGPTのような大規模言語モデル(LLM)の株価変動を予測する能力について述べる。 我々は,情報容量制約,過小反応,制限対アビタージュ,LLMを組み込んだ理論モデルを構築した。
  論文  参考訳（メタデータ） (2023-04-15T19:22:37Z)
• The Battle of Information Representations: Comparing Sentiment and Semantic Features for Forecasting Market Trends [0.5249805590164902]
  市場の動向を予測するための感情属性よりも文脈埋め込みの形での意味的特徴が重要であるかを検討する。 当社は、NASDAQの資本化による大手企業に関連するTwitter投稿のコーパスとその価格設定について検討する。 以上の結果から,感情的特徴の活用により,有意な頻度で測定値が上昇することが示唆された。
  論文  参考訳（メタデータ） (2023-03-24T18:30:15Z)
• Few-Shot Learning for Opinion Summarization [117.70510762845338]
  オピニオン要約は、複数の文書で表現された主観的な情報を反映したテキストの自動生成である。 本研究では,要約テキストの生成をブートストラップするのには,少数の要約でも十分であることを示す。 提案手法は, 従来の抽出法および抽象法を, 自動的, 人的評価において大きく上回っている。
  論文  参考訳（メタデータ） (2020-04-30T15:37:38Z)
• Generating Fact Checking Explanations [52.879658637466605]
  まだ欠けているパズルの重要なピースは、プロセスの最も精巧な部分を自動化する方法を理解することです。 本稿では、これらの説明を利用可能なクレームコンテキストに基づいて自動生成する方法について、最初の研究を行う。 この結果から,個別に学習するのではなく,両目標を同時に最適化することで,事実確認システムの性能が向上することが示唆された。
  論文  参考訳（メタデータ） (2020-04-13T05:23:25Z)
• Enhancing Factual Consistency of Abstractive Summarization [57.67609672082137]
  ファクトアウェアな要約モデル FASum を提案し,実情関係を抽出し,要約生成プロセスに統合する。 次に,既存のシステムから生成した要約から事実誤りを自動的に補正する事実補正モデルFCを設計する。
  論文  参考訳（メタデータ） (2020-03-19T07:36:10Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。