布斯导读
大数据时代下，数据分析领域的变革正以惊人的速度不断推进。如今，大型语言模型（LLM）已经能够以前所未有的方式从不同类型的媒介中提取有效信息。芝加哥大学布斯商学院与全球知名大学的研究团队共同探索了图像、音频和视频文件在金融分析中的创新应用。随着深度学习和人工智能技术的飞速发展，这些非传统数据源正在逐步成为金融市场分析的新力量。
图像
研究01
长期以来，价格图表（即图表本身，而非背后的数据）一直是预测股票回报的主要工具。而芝加哥大学博士生Jingwen Jiang、耶鲁大学教授Bryan T. Kelly与芝加哥大学布斯商学院教授Dacheng Xiu则通过卷积神经网络（CNN）这一深度学习算法，从过往股票图表的图像中提取出有助于预测市场的规律，并将这些信息转化为交易信号。他们发现，与传统技术分析所依赖的趋势信号相比，从图像中提取出的规律能够更加准确地预测收益。
研究02
另一项研究表明，金融分析师的面部特征也与其预测结果有一定的关联性。巴鲁克学院的Lin Peng、加州大学洛杉矶分校的Siew Hong Teoh、香港中文大学的Yakun Wang以及康奈尔大学的博士生Jiawen Yan，利用人工智能和机器学习技术，分析了大约800名卖方股票分析师的LinkedIn照片。研究人员评估了这些照片体现出的可信度、吸引力和强势性，并探索了这些面部特征与他们在过去30年中的盈利预测准确性之间的关系。研究发现，那些面部特征可信度得分较高的分析师，其作出的预测也更准确。研究人员推测，这可能是因为人们更愿意与自己信任的人分享信息，使可信度高的分析师因此获得了更多有价值的信息，从而能够做出更准确的预测。
不过，这项有关面部图像的研究也揭示了一个显著的性别差异：男性分析师中，强势性得分高的分析师预测更准确，然而女性分析师却恰恰相反。同时，男性分析师的高强势性得分显著增加了他们被评为全明星分析师的可能性，大大提高他们的职业声望；而尽管女性分析师的平均预测准确率高于男性，高强势性得分却降低了她们获得全明星分析师称号的机会。研究者们认为，这种现象反映了存在于金融分析领域劳动力市场中的性别歧视问题，即当女性展现出与性别角色刻板印象不符的特质时，可能会遭遇社会的不利评价。
音频
研究03
研究表明，财报电话会议上的实时市场反应与管理者在会中的吐字发音质量存在关联。首尔大学的Bok Baik、布斯商学院的博士生Alex G. Kim、麻省理工学院的David Sunghyo Kim以及初创企业人工智能协会（Artificial Society）的Sangwon Yoon通过深度学习算法将财报电话会议的音频文件转化为文本数据，随后分析发现，当管理者在电话会议中发音不准确或表达不清晰时，市场的反应往往更加低迷。
研究04
在另一项研究中，波鸿鲁尔大学的研究人员Jonas Ewertz、Charlotte Knickreh、Martin Nienhaus和Doron Reichmann利用声音线索来预测一家公司的未来收益。他们首先将管理层在财报电话会议上的声音线索可视化为梅尔频谱图（mel spectogram），以模拟人类听觉感知的梅尔刻度（mel scale）来表示声音频率，并将这些频谱图输入深度学习算法。相较于使用数字和文本数据的模型，他们的模型对未来收益变化的预测质量明显更高。
研究05
加州大学伯克利分校的Yuriy Gorodnichenko、约克大学的Tho Pham和伯明翰大学的Oleksandr Talavera分析了声音情绪对股价、波动指数、利率风险、通胀预期和汇率等金融变量的影响。通过分析联邦公开市场委员会新闻发布会的录音，他们发现积极的语气会推动股价上涨。他们的研究表明，当发布会的声音情绪从负面（-1）转变为正面（+1），标准普尔500指数的回报率便可以提升约200个基点。
视频
研究06
研究表明，视频作为集图像和音频于一体的媒介具有双重优势，能够提供更多其他媒介无法揭示的信息。华盛顿大学的Elizabeth Blankespoor、香港理工大学的Mingming Ji、香港大学的Jeffrey Ng以及香港理工大学的Jingran Zhao组成团队，研究了2013年至2017年期间在美国全国广播公司财经频道中播出的约500个与盈利公告相关的CEO访谈视频。他们发现，当CEO的面部表情与他们所传递的盈利信息不一致时，市场分析师的预测离散度会显著增加。
