【香樟推文3154】聆听市场的低语：ChatGPT揭示标普500公司电话财报会议背后的市场秘密

ChatGPT的引入改变了人们处理文本数据的方式。本文为ChatGPT设计了一种提示策略（prompting strategy），用于识别和分析财务通信中的异常之处，重点关注S&P 500公司的电话财报会议（earnings call）。利用最新的GPT-4-Turbo模型，从25个维度对异常财务通信进行识别和分类，分为四类：高管的异常通信、财务分析师的异常通信、异常内容和技术问题。大部分电话财报会议存在异常财务通信，这与公司的某些特征相关，并随商业周期波动。股市对异常信息反应消极，交易频繁。ChatGPT等大型语言模型具有金融分析潜力，可为解读复杂文本数据及其对市场影响的经济后果提供新的见解。

本研究聚焦于S&P 500公司的电话财报会议，旨在探究非常规财报通信及其对股市反应的影响。数据来源包括2015年1月至2022年12月期间的Refinitiv财报电话会议记录、CRSP数据库中的股票日收益率和交易量数据，以及S&P的Compustat数据库中的会计信息。整合了包括VIX指数、贷款利率、货币供应量在内的宏观经济指标，以考察财报通信异常与经济周期之间的关联。

在数据处理过程中，首先对电话财报会议记录进行了文本预处理，包括去除无关信息、文本标准化和分词。随后，利用GPT-4-Turbo模型，开发了一套针对电话财报会议文本的提示策略，通过ChatGPT对财报通信中的异常信息进行识别和分类。通过计算电话财报会议前后的股票收益率和交易量变化，量化了市场对于非常规财报通信的反应。本研究的数据分析揭示了ChatGPT在金融领域分析中的应用潜力，为理解财报通信的复杂性及其对市场影响提供了新的视角。

表1系统总结了通过ChatGPT识别到的S&P 500公司电话财报会议中的非常规财报通信维度。通过精细的提示工程，挖掘并归类出25个关键异常通信维度，涵盖了从高管和分析师的交流方式、会议内容的异常，到技术问题等多个方面。‍以上维度不仅揭示了电话财报会议中的非标准化信息传递模式，也为理解财报通信的复杂性及其对股市反应的影响提供了全新的视角和分析框架。

表1 异常通信的维度和频率

表2展示了非常规财报通信对股市反应的量化分析结果，通过比较异常与常规财报通信公司在电话财报会议后的股票价格表现差异，详细考察了25个异常通信维度及其对应股票收益率的影响。实证结果表明，非常规财报通信普遍导致负面的市场反应，尤其是来自高管的非标准化表达和分析师的异常询问行为对股价有显著的短期负面影响。以上分析不仅证实了财报通信异常与市场反应之间的密切关系，也强调了深入理解电话财报会议内容对投资者和市场分析师的重要性。

表2 异常通信与公告收益

本研究通过深入分析S&P 500公司的电话财报会议文本，利用ChatGPT揭示了非常规财报通信的多维度特征及其对股市的显著影响。结果表明，非常规财报通信普遍存在于高管和分析师的互动中，且引发显著的负面市场反应，特别是在高管提供的信息含糊不清、分析师问题缺乏深度挖掘时，市场的反应尤为明显。此外，作者发现财报通信的异常性与宏观经济周期有关，反映了宏观经济环境对企业财报通信行为的影响。本研究展示了大型语言模型在金融领域内深入分析复杂文本数据的潜力，为理解电话财报会议的复杂性及其经济后果提供了新的视角，同时也为市场参与者如何解读和应对非常规财报通信提供了实证依据。

We devise a prompting strategy for ChatGPT to identify and analyze unusual aspects of financial communication, focusing on earnings calls of S&P 500 firms. Utilizing the latest GPT-4-Turbo model, we identify and categorize unusual financial communication across 25 dimensions, which fall into four categories: unusual communication by executives, by financial analysts, unusual contents, and technical difficulties. A significant portion of earnings calls displays unusual financial communication, which correlates with certain firm characteristics and fluctuates with the business cycles. The stock market reacts negatively to unusual financial communication, with an elevated trading activity. This response is exacerbated when more dimensions of unusual communication are identified for a firm. We highlight the potential of large language models like ChatGPT for financial analyses, offering new insights into the interpretation of complex textual data and its economic consequences.

推文作者：吕志冲，西南交通大学应用经济学硕士，研究方向大语言模型与金融预测，欢迎学术交流。

个人邮箱：zhichonglyu@ieee.org。推文内容若存在错误与疏漏，欢迎邮箱批评指正！

声明：推文仅代表文章原作者观点，以及推文作者的评论观点，并不代表香樟经济学术圈公众号平台的观点。

“分享”是一种学者的人文情怀，香樟经济学术圈欢迎广大订阅读者（“香粉”）向公众平台投稿，也诚邀您加入香樟推文团队。投稿、推文作者报名和联系香樟的邮箱为：cec2022@126.com。投稿前请在搜狗的微信搜索里搜索已有图文，以避免重复。