ChatGPT 作为时间胶囊：价格发现的极限
综合金融
2026-04-24 v1
摘要
冻结的大型语言模型 (LLM) 从与未来基本面和股票回报相关的 pre-cutoff 公共文本中提取信息，这些信息超出标准的 contemporaneous 估值措施。由于每个冻结的 checkpoint 都有一个固定的知识截止日期，可将其解释为给定时间点上可获得公共文本的压缩表示。我们将 2021-2025 年跨越十二个 OpenAI snapshot 视为公共文本记录的时间戳摘要，并为约 7000 只美国股票每个横截面提取一个行业中性 LLM 前景评分。该前景评分在 Fama-MacBeth 回归和带模型固定效应的 pooled panel 中与分析师修订、目标价变动以及一个月横截面回报正相关（t = 6.02），在直接控制市场-implied 估值和标准因子后仍如此。可预测性随回报期限而增大，尽管存在非单调的中间低谷，在 pooled panel 中，对于高分析师覆盖的公司更为强烈，这与观点一致：瓶颈不在投资者注意力不足，而在于成本过高，难以跨越多个文档聚合分散的定性信息。
引用
@article{arxiv.2604.21433,
title = {ChatGPT as a Time Capsule: The Limits of Price Discovery},
author = {Sebastian Lehner and Alejandro Lopez-Lira},
journal= {arXiv preprint arXiv:2604.21433},
year = {2026}
}