2024年10月15日，北京大学数字金融研究中心举办本学期第四次数字金融Workshop。本次Workshop有幸请到北京大学汇丰商学院金融学教授Baozhong Yang（杨保中）报告题为“Harnessing Generative AI for Economic Insights （利用生成式人工智能获取经济洞见）”的研究。本次Workshop由北大国发院助理教授、中心研究员胡佳胤主持，四十余位师生通过线上渠道参与Workshop。
企业管理决策层的经济预期对宏观波动会产生重大影响。但传统的管理者预期的调查（如 Duke CFO Survey 和联储的企业通胀预期调查）往往成本高昂且样本量极其有限。此外，这些调查的结果也并不是公开可获取和分析的。
而上市公司的管理者（如 CEO、CFO）通常会参与季度电话会议，与投资者和分析师讨论公司前景、市场趋势等，而这些丰富且公开的信息包含了他们对未来宏观经济的预期信息，从中可以提取出他们对于经济预期的基本判断。
杨教授团队提出通过使用生成式 AI 模型（ChatGPT 3.5 Turbo）分析超过 12 万份公司电话会议记录，这些记录来自美国公开上市公司，涵盖 2006 年至 2023 年的数据，从企业电话会议的文本中判断出管理者的经济预期，并将这些预期信息按照固定的对应方式转化为可量化的指标，并基于此计算出了对于AI经济评分（AI Economy Score）。
本文用于提取经济预期的数据来源为 2006 年至 2023 年间的电话会议记录，涵盖 5,513 家公司的 149,720 份会议转录。这些数据从 Seeking Alpha 和 Financial Modeling Prep 网站获取。相关宏观经济数据来自以及FRED和美国经济分析局（BEA）的经济指标数据。
数据处理方面，杨教授团队将每个电话会议文本切分成多个 2,500 字的片段，通过固定格式的prompt文本询问管理层对未来经济的预期使用 ChatGPT 对每个片段进行情绪分析。具体来说，他们要求生成式AI对每段文本返回固定的对美国未来经济预期的五种态度：显著上升，上升，不变，下降，显著下降，并给这些态度逐一进行赋分。
为了评估 AI 经济得分的对于经济预测的准确性，杨教授研究团队使用VAR模型对其预测能力进行验证。结果显示，AI 经济得分在预测未来 4 至 10 个季度的 GDP 变化方面表现出色，预测精度优于传统指标（如 GZ Spread 和 Term Spread）。且在控制了大量对宏观产出有预测效果的变量后，AI经济得分依然具有相当的预测力。
就国家层面宏观预测，AI Economy Score 在预测未来 1 到 10 个季度的 GDP 增长、工业生产和就业方面表现出色，尤其是在预测就业和工资的变化时效果显著。与传统经济预测模型（如 GZ Spread、Term Spread）的对比表明，AI 得分在多个经济变量的预测上具有额外的增量预测能力，尤其是在短期（1 个季度）内的 GDP 预测上显著优于传统方法。就行业层面预测效果而言，AI Economy Score 对于行业 GDP 的预测能力可持续长达 4 年。而传统的 GZ Spread 预测能力通常在 8 个季度之后减弱。
杨教授还探讨了不同行业的 AI 经济得分的异质性。例如，技术服务和医疗保健行业在经济衰退期间的预期显著优于零售和制造业。这表明某些行业在面对经济危机时相对更具韧性。就公司层面预测效果而言，通过将 AI 经济得分应用于公司层面的数据，研究发现管理层的经济预期与公司未来的销售额、就业和工资水平之间存在显著的正相关关系。这些公司层面的 AI 得分可以预测未来 4 年内的公司表现。
杨教授此项研究的贡献可以总结为如下方面：（1）该方法利用公开数据，并通过生成式 AI 模型提取公司管理层预期，从而为政策制定者和投资者提供一种低成本、可公开获取的经济预测工具；（2）相比传统的经济预测方法，AI Economy Score 具有更强的长期预测能力，可为未来多达 10 个季度的经济指标提供预测。（3）最后，该研究不仅提供了宏观经济预测，还提供了行业和公司层面的预期指标，有别于其他的管理层预期调查统计数据。
最后，杨教授列出了该项研究的未来进一步研究方向：将生成式 AI 预测与传统经济模型相结合，以提高预测精度。深入研究特定管理者特征和公司层面因素对 AI 经济得分的影响。探索该框架在其他国家和地区的适用性，以验证其通用性。
在讲座过程中，北京大学国家发展研究院助理教授胡佳胤、北京大学光华管理学院金融系助理教授张英广、复旦大学经济学院博士研究生张乐平等师生先后就AI经济评分与某些宏观经济变量（如油气价格）的异常关系、生成式AI的prompt设定方式、AI经济评分预测效果精度的具体机制以及其他来源的经济预测精度的优劣比较与主讲嘉宾进行深入探讨。
Baozhong Yang是乔治亚州立大学J. Mack Robinson商学院的H. Talmadge Dobbs Jr.金融学主席和金融学教授。他还是Robinson学院FinTech实验室的主任，这是全国首个与商学院相关的实验室之一。杨教授的研究兴趣涵盖金融科技、投资和公司金融的理论和实证研究。他最近的研究涉及在资本市场和公司金融中创新应用机器学习和AI来研究经济问题。杨教授的研究已发表在金融和其他学科的领先学术期刊上，包括Journal of Finance、Journal of Financial Economics、Review of Financial Studies、Management Science和Journal of Accounting Research。
（整理人：孙瑞）
来源：未名湖数字金融研究
