JAE | 生成式人工智能是否便利了投资者交易？——来自ChatGPT宕机事件的早期证据

自2022年11月OpenAI发布ChatGPT以来，生成式人工智能凭借其卓越的自然语言处理能力，迅速渗透至金融领域。投资者期待这类工具能协助完成信息搜索、文本分析乃至投资决策等任务。然而，关于投资者是否在真实交易中实际使用此类工具，以及这种使用是否影响市场结果，尚缺乏基于市场行为的直接证据。

一个关键的研究挑战在于，生成式AI的使用难以直接观测。该研究巧妙地利用了一系列外生冲击——ChatGPT意外发生的服务宕机事件——来识别投资者的依赖程度。其核心逻辑是：如果大量投资者依赖ChatGPT处理交易相关信息，那么服务意外中断时，他们的工作流程将被打乱，决策能力暂时下降，从而导致交易活动减少。这种交易量的变化，为测度生成式AI对交易行为的真实影响提供了一个天然的实验场景。

研究团队根据OpenAI官方记录，识别了2023年2月至8月期间发生的八次主要ChatGPT宕机事件，这些事件至少部分与美国股市交易时间重叠。为精确确定每次宕机的起始时间，作者结合了网络服务监测平台DownDetector的用户报告数据。每次宕机时长从18分钟到240分钟不等，分布在不同的日期和时段，其起因各异且具有特质性，这降低了宕机与可能同时影响交易的全系统性事件相关的可能性。

研究采用高频交易数据进行分析。对于每次宕机事件，研究者将受影响交易时段内的数据聚合为5分钟间隔的观测值，并将该股票在宕机日前五个交易日的相同时段数据作为控制样本。经过数据清洗，最终样本包含了来自2553只独特股票的2,615,434个“股票-日期-5分钟”观测值。

表1 样本筛选过程

为检验ChatGPT宕机对交易量的影响，研究者建立了回归模型。因变量交易量（Trading Volume）定义为5分钟间隔内成交的股数除以该日流通总股数，再乘以10,000。核心自变量宕机（Outage）是一个虚拟变量，若时间间隔落入宕机时段则取值为1，否则为0。控制变量包括隔夜收益、前期收益、股价及市值等。模型还加入了公司固定效应和5分钟间隔固定效应，以控制不随时间变化的公司特征和一天内不同时点的市场整体状况。

为了探究影响何时发生，研究者对特定时段内的宕机进行了动态分析。结果显示，交易量的负向效应在宕机开始约30分钟后才变得显著，这表明投资者并非将ChatGPT用于交易执行这类即时操作，而是用于需要时间的信息处理环节。宕机结束后，也未观察到明显的交易量“补回”现象。

图1 ChatGPT宕机前后交易量变化的动态分析图

研究区分了零售交易量和非零售交易量。结果发现，宕机对两类投资者的交易量均有显著的负面影响。然而，将影响标准化后比较发现，对非零售交易（主要代表机构投资者）的影响显著大于对零售交易的影响。这说明机构投资者可能更依赖于ChatGPT进行交易决策。

（2）不同类型的机构投资者

研究者进一步将机构投资者分为“短视型（Transient）”、“专注型（Dedicated）”和“准指数型（Quasi-Indexer）”。结果显示，宕机对“短视型”机构投资者持股比例高的公司影响最大，这类投资者交易频繁、注重短期信息套利，对实时信息处理工具的依赖度最高。而对“专注型”和“准指数型”投资者的影响则不显著。这与业内的实际情况相符。

（3）OpenAI API宕机的影响

除了面向用户的交互界面，许多程序化交易可能通过调用OpenAI的应用程序接口（API）来集成AI功能。分析显示，API宕机期间，零股交易量（Odd-Lot Volume）——通常被视为算法交易的代理指标——显著下降。这为机构投资者通过API将生成式AI集成到自动化交易策略中提供了间接证据。

如果ChatGPT确实辅助了更有信息依据的交易，那么其宕机应导致市场上基于私有信息的交易减少。研究者通过两个指标来捕捉交易的信息含量：价格影响（Price Impact）和回报方差（Return Variance）。回归结果显示，宕机期间，这两个指标均显著下降，说明ChatGPT的可用性确实促进了更多基于信息的交易。

此外，研究者考察了买卖价差（Bid-Ask Spread）的变化，该指标反映了知情交易者与非知情交易者之间的信息不对称程度。结果显示，宕机期间买卖价差显著缩小。这进一步支持了以下推论：ChatGPT宕机主要减少了相对更专业的投资者的知情交易活动，从而降低了市场整体的信息不对称程度。不过，这些短期影响的幅度相对温和。

表3 短期交易影响分析 

短期影响可能仅反映宕机造成的“调整摩擦”。为考察ChatGPT是否带来了持久性改善，研究者分析其推出对长期股价信息含量的影响。由于ChatGPT对所有投资者同时可用，无法事先观测差异，研究者创造性地利用观测到的事后交易量下降来构建公司层面的“ChatGPT辅助交易暴露度”指标。该指标值越高，表明该股票的投资者对ChatGPT的依赖度越高。

分析显示，机构持股比例高、业务复杂、财务杠杆高的公司，该指标值更高。在考察长期影响的广义双重差分模型中。结果显示，在ChatGPT推出后，投资者对其依赖度高的公司，其股价对未来盈利的预测能力显著增强。这表明生成式AI辅助交易可能有助于价格更有效地反映基本面信息，提升市场效率。

表4 长期价格信息含量分析

结论与启示

该研究通过分析ChatGPT意外宕机这一自然实验，为生成式人工智能（GenAI）在金融市场中的实际影响提供了早期实证证据。研究发现，宕机期间股票交易量显著下降，表明相当数量的投资者已将ChatGPT纳入其交易决策流程。这种影响具有明显的异质性：对机构投资者（尤其是交易频繁的“短视型”机构）的影响大于零售投资者；在公司新闻发布等信息处理需求高的情境下更为显著。动态分析显示交易量下降存在约30分钟的滞后，证实ChatGPT主要被用于需要时间的信息处理与分析环节，而非即时交易执行。

从市场影响来看，短期证据表明ChatGPT的可用性促进了更多基于信息的交易——宕机期间交易的价格冲击和回报波动率下降，买卖价差收窄，反映出信息不对称程度的暂时降低。更具深意的是长期效应：通过构建“ChatGPT辅助交易暴露度”指标，研究发现投资者对该工具依赖度更高的公司，在ChatGPT推出后其股价对未来盈利的预测能力显著增强，这意味着GenAI可能有助于提升市场的长期定价效率。

这项研究首次通过严谨的计量方法，揭示了GenAI如何从微观行为层面渗透至宏观市场结果。它表明，以ChatGPT为代表的生成式AI已不再仅仅是概念工具，而是开始实质性塑造金融市场的运行机制。然而，这一进程仍处于早期阶段，伴随技术快速迭代、应用场景拓展以及潜在的模型风险（如“幻觉”问题、信息质量局限和可能加剧的羊群效应），其长远影响仍存在相当的不确定性。未来需要持续关注GenAI与金融市场互动的动态演变，在把握其提升市场效率机遇的同时，审慎评估和管理相关风险。