dumaiАкции фирм с более высокой экспозицией к ИИ росли в среднем быстрее
Препринт, ещё не рецензирован · ранние данные
Кратко
Авторы сравнили рыночные данные по компаниям и измерили, насколько их акции движутся вместе с фактором ИИ. Для портфеля long-short — то есть покупки одних акций и продажи других — они нашли премию 64,1 базисного пункта в неделю: фирмы с более высокой «экспозицией к ИИ» в среднем показывали более высокую последующую доходность. Связь была заметнее у закрытых платных моделей и у интенсивного использования ИИ, а для открытых моделей и редкого применения её почти не было. На развивающихся рынках, включая Китай, такого эффекта не нашли.
Зачем это знать?
Это показывает, какие компании рынок уже начал оценивать как выигрывающие от ИИ, и как по-разному воспринимаются разные типы его использования. Для обычного читателя это не совет к действию, а сигнал о том, как ИИ может менять распределение выигрышей на бирже.
Разбор
Авторы не просто посмотрели, растут ли акции «компаний из ИИ-сектора», а собрали очень большой массив реального использования ИИ: сколько токенов, денег и пользователей проходит через больше чем 400 больших языковых моделей. Токен здесь — это кусочек текста, который модель обрабатывает, так что по нему можно судить, насколько активно люди и компании реально пользуются ИИ, а не только говорят о нём. Из этих данных они сделали отдельный «ИИ-фактор» — то есть общий индикатор того, как меняется потребление ИИ со временем.
Дальше они сравнили этот фактор с движением акций отдельных фирм и оценили для каждой компании свой уровень «ИИ-беты» — по-простому, насколько её акции обычно идут в ту же сторону, что и ИИ-рынок. Потом они проверили, дают ли такие компании более высокую будущую доходность. Идея была в том, чтобы понять, рынок уже начал по-разному оценивать фирмы в зависимости от того, как сильно они завязаны на ИИ, и какие именно формы использования ИИ создают этот эффект.
Самый интересный результат в том, что эффект оказался неоднородным. Премия особенно заметна там, где ИИ используют активно и «на переднем крае»: у закрытых моделей, у платящих и опытных пользователей, а также при длинных запросах. А вот для случайного использования и открытых моделей связь почти исчезает. Ещё один важный сдвиг — это не только история про технологические компании: эффект заметен и в потребительском секторе, и в капиталоёмких отраслях. Но на развивающихся рынках, включая Китай, такой картины не нашли. Отдельно авторы видят первые признаки того, что растёт так называемая «агентная экономика», где ИИ начинает не просто отвечать на вопросы, а выполнять более самостоятельные задачи.
Ключевые цифры
Можно ли доверять
Это рабочий препринт NBER, то есть статью ещё не прошли обычную внешнюю рецензию. Сильная сторона — очень большой и детальный массив реальных данных по использованию ИИ, но авторы опираются в основном на рыночные сопоставления и наблюдательные связи, а не на эксперимент, поэтому причинность здесь доказана не до конца. В целом выводы выглядят убедительно, но это скорее ранняя карта явления, чем окончательный приговор.
- Это preprint, а не рецензированная статья.
- Используются рыночные и поведенческие данные, поэтому это наблюдательная связь, а не проверка причинности.
- Результат относится к доходности акций и экспозиции фирм, а не к прямому совету для обычного человека.
Пересказано ИИ по научной статье. Это научпоп, а не совет врача. Как это устроено