Шиддати ифшои зеҳни сунъӣ нишондиҳандаи матнии ифшои корпоративӣ мебошад, ки бо нормализатсияи муҳтавои вобаста ба AI дар ҳисоботи SEC 10-K нисбат ба дарозии файл ва татбиқи табдили inverse hyperbolic sine сохта мешавад. Mingyeong Song ва Hana Kim ширкатҳои оммавии ИМА-ро дар давраи 2010–2024 таҳқиқ намуда, месанҷанд, ки шиддати ифшои AI бо арзёбии ширкат дар соли баъдӣ чӣ гуна алоқаманд аст, оё таҳлилгарон ба ҳамин ифшоҳо бо пешгӯиҳои наздикмуддати EPS вокуниш нишон медиҳанд ва оё таваҷҷуҳи расонаҳо ба AI ин робитаи арзёбиро тақвият медиҳад. Таҳқиқот, ки маълумоти SEC EDGAR, Compustat, IBES ва ProQuest TDM Studio-ро муттаҳид мекунад, гузориш медиҳад, ки шиддати ифшои AI бо Tobin’s Q ва арзёбиҳои market-to-book дар соли баъдӣ робитаи мусбат дорад; дар айни замон дар атрофи санаи filing барои тағйири analyst coverage ё EPS forecast revision таъсири назарраси кӯтоҳмуддат муайян нашудааст.

Натиҷаи марказии таҳқиқот асимметрияи бозор–таҳлилгар аст. Дар модели асосии fixed effects коэффисиенти шиддати ифшои AI барои log Tobin’s Q дар соли баъдӣ 0,115 буда, дар сатҳи %1 аҳамиятнок аст. Натиҷаи market-to-book 0,146 мебошад. Баръакс, коэффисиентҳои тағйири analyst coverage, шумораи таҳлилгарон пас аз filing ва EPS forecast revision аз ҷиҳати оморӣ аҳамиятнок нестанд. Дар таҳлили расмии mediation низ таъсири ғайримустақим тавассути роҳи analyst coverage тақрибан сифр аст.

Таваҷҷуҳи хабарии AI худ ба худ нишондиҳандаи мустақили арзёбӣ нест; аммо ҳангоми ҳамтаъсирӣ бо ифшои AI-и ширкат робитаи арзёбиро тақвият медиҳад. Коэффисиенти AI disclosure × TDM AI news interaction дар модели асосии Tobin’s Q 0,085 аст ва дар санҷишҳои exact-name matching, outlier exclusion, winsorization ва permutation placebo нигоҳ дошта мешавад. Бо вуҷуди ин, таҳқиқот мушоҳидавӣ ва моҳиятан ассотсиативӣ аст. Fixed effects, тартиби lead-lag, воситаҳои инструменталӣ ва ислоҳҳои sample-selection устувории муҳим медиҳанд; аммо таҳқиқот ба таври қатъӣ исбот намекунад, ки ифшои AI сабабан арзёбиро баланд мебардорад.

Масъалаи таҳқиқот

Ширкатҳо дар ҳисоботҳои солонаи 10-K ҳарчи бештар аз зеҳни сунъӣ ёд мекунанд. Аммо изҳороти ширкат ба монанди “мо AI истифода мебарем”, “ба AI сармоягузорӣ мекунем” ё “қобилияти AI-и худро рушд медиҳем” метавонад бо ду роҳи гуногун нархгузорӣ шавад.

Канали аввал навсозии нишондиҳандаҳои бунёдӣ аз ҷониби таҳлилгарон аст. Агар ифшои AI воқеан даромадҳои наздикмуддатро тағйир диҳад, интизор шудан мумкин аст, ки таҳлилгарони sell-side пешгӯиҳои EPS, сатҳи coverage ё дигар интизориҳои молиявиро тағйир диҳанд.

Канали дуюм ривояти бозорӣ аст. Ҳатто агар ифшои AI ҳанӯз ба даромади наздикмуддат табдил наёфта бошад, он метавонад ба интизориҳои сармоягузорон дар бораи имкониятҳои рушди дарозмуддати ширкат, қобилияти технологӣ, intangible capital ё мавқеи стратегӣ таъсир расонад. Дар ин ҳолат мултипликаторҳои арзёбӣ метавонанд тағйир ёбанд, дар ҳоле ки пешгӯиҳои кӯтоҳмуддати EPS-и таҳлилгарон бетағйир мемонанд.

Навоварии асосии таҳқиқот кӯшиши ҷудо кардани ин ду канал дар доираи як тарҳи таҳқиқотӣ мебошад.

Чаро ҳисоботҳои 10-K истифода мешаванд?

10-K ҳисоботи ҳатмии солонаест, ки ширкатҳои оммавии ИМА ба SEC пешниҳод мекунанд. Ин ҳисоботҳо, ғайр аз ҳисоботи молиявӣ, хатарҳо, амалиёт, стратегия ва ифшоҳои корпоративии нигаронидашуда ба ояндаро дар бар мегиранд. Аз ин рӯ, онҳо манбаи васеи матниро барои муқоисаи мунтазам ва сатҳи ширкатии ривоятҳои вобаста ба AI фароҳам меоранд.

Манбаъ қайд мекунад, ки ҳиссаи 10-K-ҳое, ки ягон ибораи AI доранд, аз %2,5 дар 2010 то %57,9 дар 2024 афзудааст. Матни муқаддима инчунин менависад, ки ҳиссаи substantive AI discussion аз %1,0 то %42,6 баланд шудааст. Аммо силсилаи substantive дар Figure 1-и манбаъ аз ҷиҳати визуалӣ бо ин арзиши %42,6 мувофиқат намекунад. Аз ин рӯ, %42,6 бояд ҳамчун арзиши дар матн гузоришшудаи манбаъ нигоҳ дошта шавад ва то ҳал нашудани фарқи дохилиманбаъӣ ҳамчун маълумоти графикӣ аз нав сохта нашавад.

Чор гипотезаи таҳқиқот

Манбаъҳои маълумот

Сохтори намуна

Дар пойгоҳи асосии disclosure–valuation пеш аз филтрҳои outcome-specific барои давраи 2010–2024 72.958 мушоҳидаи ширкат-сол мавҷуд аст. Дар регрессияи интихобшудаи Tobin’s Q fixed effects пас аз татбиқи шарти контролҳои нопурра ва арзёбии пайдарпайи соли оянда 60.468 мушоҳида истифода мешавад.

Дар канали таҳлилгар, барои ҳар як 10-K filing наздиктарин snapshot-ҳои IBES дар 180 рӯзи пеш ва пас аз санаи filing барои пешгӯиҳои EPS-и соли молиявии оянда мувофиқ карда шудаанд. Намунаи асосии регрессия 7.599 ширкат-солро дар бар мегирад.

Дар маълумоти TDM Studio номҳои ширкатҳо нормализатсия шуда, crosswalk ба идентификатори Compustat gvkey сохта шудааст. Якчанд сабти хабарӣ, ки ба як ширкат-сол мувофиқ меоянд, аввал дар сатҳи gvkey-year ҷамъ карда шуда, баъд табдил татбиқ шудааст.

Шиддати ифшои AI чӣ гуна ҳисоб карда мешавад?

Холи хоми ифшои AI дар манбаъ:

\[ Raw\ AI\ Score = \frac{(tier1+0.5\times tier2)\times10{,}000} {total\ words} \]

ба ин шакл дода шудааст.

tier1 истилоҳҳои ибтидоии мустақиман вобаста ба AI-ро; tier2 бошад истилоҳҳои дуюмдараҷаро ифода мекунад. Истилоҳҳои Tier-2 танҳо вақте ба ҳисоб гирифта мешаванд, ки дар filing ҳадди ақал як истилоҳи tier-1 бошад. Бо ин роҳ кӯшиш мешавад, ки калимаҳои умумии технология бидуни контекст ҳамчун AI ҳисоб карда нашаванд.

Зарбкунандаи 10.000 танҳо барои миқёсгузорӣ истифода мешавад. Сипас хол дар қисми болоии тақсимот winsorize шуда, аз сабаби хеле камёб будани ифшои AI табдили inverse hyperbolic sine татбиқ мешавад.

Ченакҳои алтернативии ифшои AI

• Табдили IHS-и шумораи параграфҳои вобаста ба AI.
• Парокандагии AI-параграф.
• Нишондиҳандаи substantive AI disclosure, ки агар ду ё зиёда параграфи вобаста ба AI ё фокуси равшани AI вуҷуд дошта бошад, 1 мегирад.

Ҳадафи ченакҳои алтернативӣ санҷидани он аст, ки оё натиҷаи асосӣ ба як холи keyword вобаста аст ё не.

Модели асосии lead-lag барои арзёбӣ

Манбаъ модели асосиро:

\[ \log Q_{i,t+1} = \beta AI\ Disclosure_{i,t} + \gamma'X_{i,t} + \alpha_i + \delta_t + \varepsilon_{i,t} \]

ба ин шакл месозад.

\(\log Q_{i,t+1}\) арзиши log Tobin’s Q дар соли молиявии баъдӣ аст. \(AI\ Disclosure_{i,t}\) шиддати ифшои AI дар соли ҷорӣ баъд аз табдили IHS мебошад. \(X_{i,t}\) контролҳои ROA, log assets, R&D intensity ва debt ratio мебошанд. \(\alpha_i\) fixed effect-и ширкат ва \(\delta_t\) fixed effect-и солро ифода мекунад.

Хатоҳои стандартӣ дар сатҳи ширкат ва сол дуҷониба кластер шудаанд. Дар моделҳои иловагӣ year fixed effects бо industry-year fixed effects иваз мешаванд ё арзёбии ҷорӣ/таъхирёфта контрол карда мешавад.

Ифшои AI дар 10-K Бо Арзёбии Ширкат Чӣ Гуна Алоқаманд Аст?

Дар панели ширкат-соли ИМА барои 2010–2024 шиддати ифшои AI бо арзёбии соли баъдӣ робитаи мусбат дорад; дар модели асосии fixed effects коэффисиенти log Tobin’s Q 0,115 ва коэффисиенти log market-to-book 0,146 аст ва ҳангоми илова кардани контролҳои арзёбии ҷорӣ ё таъхирёфта робита хурдтар шавад ҳам мусбат мемонад. Таҳқиқот ин натиҷаро на ҳамчун таъсири сабабӣ, балки ҳамчун бозёфти ассотсиативии бо санҷишҳо устуворшуда шарҳ медиҳад.

Натиҷаҳои Tobin’s Q

Аломати *** дар манбаъ сатҳи p<0,01-ро нишон медиҳад.

Оё ченакҳои алтернативӣ ҳамон самтро нишон медиҳанд?

Бале. Коэффисиенти AI paragraph dispersion 0,044 ва коэффисиенти substantive AI disclosure 0,061 аст ва ҳар ду дар сатҳи %1 аҳамиятноканд.

Илова бар ин, post-ChatGPT interaction 0,025 ва p=0,394 аст. Ин натиҷа далели аз манбаъ дастгиришаванда медиҳад, ки робитаи асосии AI disclosure–valuation танҳо ба таркиши таваҷҷуҳи AI аз ChatGPT дар давраи 2023–2024 хос нест.

Канали таҳлилгар чӣ гуна санҷида мешавад?

Вақтбандии таҳлили таҳлилгар аз модели асосии ширкат-сол фарқ мекунад. Муҳаққиқон санаи 10-K filing-ро ҳамчун санаи воқеии event истифода намуда, наздиктарин snapshot-ҳои пешгӯии IBES-ро пеш ва пас аз filing барои соли молиявии баъдӣ муқоиса мекунанд.

Натиҷаҳои санҷидашуда:

• analyst coverage change,
• шумораи таҳлилгарон пас аз filing,
• EPS forecast revision-и хом,
• EPS revision-и бо нарх миқёскардашуда

мебошанд.

Оё Таҳлилгарон Ифшои AI-ро Фавран Ба Пешгӯиҳои EPS Инъикос Мекунанд?

Дар манбаъ барои ин далели назарраси наздикмуддат вуҷуд надорад: ҳамаи коэффисиентҳои шиддати ифшои AI барои coverage change, шумораи таҳлилгарон пас аз filing, EPS revision-и хом ва EPS revision-и миқёскардашуда аз ҷиҳати оморӣ аҳамиятнок нестанд; ин натиҷа маънои онро надорад, ки таҳлилгарон умуман вокуниш намекунанд, балки нишон медиҳад, ки дар равзанаи filing-и санҷидашуда навсозии наздикмуддати нишондиҳандаҳои бунёдӣ муайян нашудааст.

Таваҷҷуҳи расонаҳо чӣ гуна чен карда мешавад?

TDM AI news attention бо ҷамъ кардани шумораи хабарҳои вобаста ба AI дар сатҳи ширкат-сол ба сатҳи gvkey-year ва татбиқи табдили IHS сохта шудааст.

Ченаки алтернативии tier-weighted media:

tier1 + 0,5 × tier2 + 0,25 × tier3

аз сохтори вазндори AI keyword истифода мебарад.

Дар моделҳои interaction ифшои AI-и ширкат ва таваҷҷуҳи расонаҳо аввал марказонида шуда, баъд ҳосили зарби ду тағйирёбанда сохта мешавад.

Оё Таваҷҷуҳ Ба Хабарҳои AI Таъсири Арзёбии Ифшои Ширкатро Қавитар Мекунад?

Бале; дар ҳоле ки таваҷҷуҳи расонаҳо худ ба худ тағйирёбандаи аҳамиятноки арзёбӣ нест, коэффисиенти AI disclosure × AI news interaction барои Tobin’s Q 0,085, барои market-to-book 0,104 ва дар модели industry-year fixed effects 0,091 аст; манбаъ ин намунаи натиҷаҳоро на ҳамчун иваз кардани ифшои ширкат бо расонаҳо, балки ҳамчун механизми amplification, ки намоёнии ривояти ширкатро дар бозор зиёд мекунад, шарҳ медиҳад.

Натиҷаҳои media interaction

Таъсири асосии TDM AI news дар модели асосӣ 0,002 буда, аз ҷиҳати оморӣ аҳамиятнок нест. Ин фарқ муҳим аст: натиҷаро наметавон ҳамчун “хабарҳои AI арзиши ширкатҳоро зиёд мекунанд” шарҳ дод. Дар бозёфт чизи муҳим ҳамзамонии намоёнии хабарӣ ва ифшои AI-и худи ширкат аст.

Оё хатои matching-и номи ширкат натиҷаро шарҳ дода метавонад?

Манбаъ махсусан хатари false-positive-ро аз matching-и маълумоти TDM ба Compustat тавассути номҳои ширкат месанҷад.

Дар 300 permutation placebo санҷиш, ки арзишҳои TDM attention дар дохили сол ба таври тасодуфӣ байни ширкатҳо аз нав тақсим шудаанд, миёнаи тақсимоти null-коэффисиент 0,000 ва инҳирофи стандартӣ 0,019 аст. Ҳеҷ як азнавтаъйинкунӣ ба коэффисиенти мушоҳидашудаи 0,085 нарасида, арзиши эмпирикии дуҷонибаи p 0,003 ёфт шудааст.

Чаро қобилияти ташкилӣ муҳим аст?

Татбиқи технологияи AI танҳо истифодаи номи як нармафзор нест. Он сармояи иловагӣ ба монанди инфрасохтори маълумот, системаҳои IT, қувваи кории техникӣ ва рутинҳои ташкилӣ талаб мекунад. Аз ин рӯ, манбаъ гипотезаро месанҷад, ки ифшоҳои AI дар ширкатҳои калонтар метавонанд боэътимодтар ё татбиқшаванда дониста шаванд.

Усул ва Натиҷаҳои Таҳқиқот

Натиҷаҳои қобилияти ташкилӣ

Дар таърифи асосии Large employer ҳадди ақал 1.000 корманд, ва large assets арзиши log assets болотар аз медианаро ифода мекунад.

Дар Table A4-и иловагӣ натиҷа бо ченакҳои пайваста низ санҷида мешавад. Коэффисиенти AI disclosure × log employment 0,019 ва AI disclosure × log sales 0,008 буда, аҳамиятноканд. Баръакс, interaction-ҳои capx/assets ва R&D intensity аҳамиятнок нестанд.

Чаро таҳлили тағйирёбандаи инструменталӣ гузаронда мешавад?

AI disclosure intensity метавонад эндогенӣ бошад. Масалан, ширкатҳои аллакай баланд арзёбишуда метавонанд AI-ро бештар ифшо кунанд ё омилҳои вақт-тағйирёбандаи мушоҳиданашудае вуҷуд дошта бошанд, ки ҳам ба ифшои AI ва ҳам ба арзёбӣ таъсир мерасонанд.

Манбаъ ду модели алоҳидаи just-identified 2SLS месозад.

1. Industry-peer IV: миёнаи leave-one-out AI disclosure-и дигар ширкатҳо дар ҳамон Fama–French 48 саноат ва ҳамон сол.
2. Geographic/state IV: миёнаи leave-one-out AI disclosure-и дигар ширкатҳо дар ҳамон иёлати ИМА ва ҳамон сол.

Натиҷаҳои 2SLS

Ҳар ду омори first-stage F аз ҳадҳои анъанавии weak-instrument болотаранд. Муаллифон калонтар будани коэффисиентҳои second-stage нисбат ба баҳодиҳии fixed effects-ро бо attenuation аз measurement error дар ченаки луғатии AI disclosure мувофиқ медонанд.

Бо вуҷуди ин, фарзияи exclusion restriction-и тағйирёбандаи инструменталиро мустақиман санҷидан мумкин нест. Фарзияе, ки ифшои AI-и дигар ширкатҳо дар ҳамон саноат ё иёлат ба арзёбии ширкати ҳадаф танҳо тавассути рафтори disclosure-и худи ширкати ҳадаф таъсир мерасонад, муҳим аст. Аз ин рӯ, натиҷаи 2SLS дастгирии қавитар барои сабабият медиҳад, аммо набояд танҳо худ ҳамчун далели қатъии сабабӣ пешниҳод шавад.

Оё ҳангоми ислоҳи интихоби намуна натиҷа тағйир меёбад?

Азбаски арзёбии соли оянда дар ҳамаи ширкат-солҳо мушоҳида намешавад, манбаъ inverse-probability weighting ва Heckman two-step ислоҳҳоро истифода мебарад.

Дар модели Heckman inverse Mills ratio 0,019 ва p=0,945 аст. Манбаъ ин натиҷаро ҳамчун набудани далели назарраси selection bias аз раванди sample-retention шарҳ медиҳад.

Сатҳи коэффисиентҳои ин ҷадвал набояд бевосита бо Table 3-и асосӣ муқоиса карда шавад; моделҳои selection-correction industry ва year fixed effects истифода мекунанд, дар ҳоле ки baseline асосӣ firm fixed effects дорад.

Оё канали таҳлилгар миёнаравӣ мекунад?

Ин таҳлил дар 6.264 ширкат-сол татбиқ шудааст. Азбаски a path ба сифр наздик ва аҳамиятнок нест, таъсири ғайримустақими мушоҳидашуда дар занҷираи AI disclosure → analyst coverage → valuation амалан вуҷуд надорад.

Figure 2 чиро нишон медиҳад?

Манбаъ дар Figure 2 ҳиссаи ширкатҳоеро, ки дар 2010–2024 ҳам 10-K AI mention share ва ҳам TDM AI news attention-и мусбат доранд, якҷо нишон медиҳад. Силсилаи AI disclosure махсусан пас аз 2022 хеле зуд афзоиш меёбад, дар ҳоле ки силсилаи TDM media attention ба ҳамин тарз яксамта боло намеравад.

Ин тасвир бо хулосаи таҳқиқот, ки “таваҷҷуҳи расонаҳо disclosure-ро иваз намекунад”, аз ҷиҳати консептуалӣ мувофиқ аст. Аммо Figure 2 танҳо силсилаҳои тавсифиро дар тӯли вақт нишон медиҳад; механизми сабабии interaction coefficient-ро худ ба худ исбот намекунад.

Номувофиқии дохилиманбаъӣ дар Figure 1

Матни муқаддима мегӯяд, ки ҳиссаи substantive AI discussion дар 2024 %42,6 аст, аммо силсилаи сурхе, ки дар Figure 1 ҳамчун “Substantive AI focus” нишон дода шудааст, дар 2024 аз ҷиҳати визуалӣ ба ин миқдор мувофиқат намекунад. Эзоҳи Figure 1 низ ченаки substantive-ро ҳамчун ду ё зиёда параграфи AI муайян мекунад.

Азбаски дар манбаъ эзоҳи ҷудогонаи методологӣ барои шарҳи ин фарқ вуҷуд надорад, Verianla ин ду намоишро якҷо намекунад ва яке аз онҳоро ба ҷойи дигаре хомӯшона ислоҳ намекунад.

Натиҷаҳое, ки таҳқиқот дастгирӣ мекунад

• AI disclosure intensity дар панели ИМА-и таҳқиқшуда бо Tobin’s Q ва market-to-book арзёбии соли баъдӣ робитаи мусбат дорад.
• Робита дар current valuation, lagged valuation, industry-year effects ва ченакҳои алтернативии AI disclosure нигоҳ дошта мешавад.
• Дар analyst coverage ва EPS revision дар атрофи filing робитаи аҳамиятноки AI disclosure ёфт нашудааст.
• AI news attention худ ба худ тағйирёбандаи қавии арзёбӣ нест.
• Interaction байни AI news attention ва AI disclosure-и ширкат мусбат аст.
• Media amplification дар санҷишҳои exact-name, outlier ва permutation нигоҳ дошта мешавад.
• Робитаи AI disclosure–valuation дар large employer ва large assets ширкатҳо қавитар аст.
• Баҳодиҳии роҳи миёнаравии analyst coverage тақрибан сифр аст.
• Таҳлилҳои IV ва sample-selection робитаи мусбати асосиро аз байн намебаранд.

Натиҷаҳое, ки таҳқиқот дастгирӣ намекунад

• Исбот нашудааст, ки бештар навиштан дар бораи AI арзиши ширкатро қатъӣ ва сабабӣ зиёд мекунад.
• Нишон дода нашудааст, ки матни AI disclosure қобилияти воқеии AI-и ширкатро мустақим чен мекунад.
• Нишон дода нашудааст, ки таҳлилгарон ба маълумоти AI умуман вокуниш намекунанд; танҳо дар равзанаҳои coverage ва EPS-и солонаи таҳқиқшуда навсозии аҳамиятноки наздикмуддат ёфт нашудааст.
• Нишон дода нашудааст, ки таваҷҷуҳи расонаҳо худ ба худ арзёбии ширкатро зиёд мекунад.
• Нишон дода нашудааст, ки шиддати R&D AI disclosure premium-ро тақвият медиҳад.
• Нишон дода нашудааст, ки давраи Post-ChatGPT робитаро аз ҷиҳати оморӣ қавитар кардааст.
• Нишон дода нашудааст, ки натиҷаҳои намунаи ИМА ба кишварҳо ва сохторҳои танзимии дигар ба таври худкор умумӣ карда мешаванд.
• Бевосита санҷида нашудааст, ки ифшоҳои AI дар оянда ба маҳсулнокӣ, фоида ё муваффақияти маҳсулот табдил меёбанд.

Маҳдудиятҳои асосӣ

• Ченаки AI disclosure луғатӣ аст ва ба ҷойи AI capability-и воқеӣ шиддати ифшои матниро чен мекунад.
• Ченакҳои алтернативии параграф ва substantive метавонанд масъалаи measurement error-ро кам кунанд, аммо пурра бартараф намекунанд.
• Тарҳ асосан ассотсиативӣ аст ва omitted variables-и вақт-тағйирёбанда метавонанд боқӣ монанд.
• Азбаски санҷишҳои таҳлилгар ба snapshot-ҳои солонаи EPS нигаронида шудаанд, онҳо метавонанд target price, qualitative report ё вокуниши дарозмуддатро аз даст диҳанд.
• Панели медиаи TDM ба раванди matching-и номи ширкат вобаста аст.
• Санҷиши article-level метавонад эълони худи ширкатро аз хабари тарафи сеюм беҳтар ҷудо кунад.
• Намуна бо ширкатҳои ИМА маҳдуд аст.
• Азбаски давраи 2010–2024 паҳншавии босуръати AI-ро дар бар мегирад, маълум нест, ки робита дар давраҳои оянда ҳамон гуна мемонад ё не.

Самтҳои таҳқиқоти оянда

Манбаъ пешниҳод мекунад, ки ченакҳои матнии disclosure бо нишондиҳандаҳои берунии capability ба монанди AI patents, AI job postings ва product launches-и воқеӣ санҷида шаванд. Дар тарафи таҳлилгар forecast-ҳои дарозмуддат, target-price ва гузоришҳои сифатии таҳқиқотӣ; дар тарафи расонаҳо бошад ҷудокунии article-level provenance барои таҳқиқоти оянда муҳиманд.

Ёддошт оид ба Манбаъ ва Усул

Унвони пурраи аслӣ: AI Disclosure Narratives, Media Attention, and Firm Valuation.

Муаллифон: Mingyeong Song; Hana Kim.

Corresponding author: Hana Kim.

Аффилиатсияи PDF: School of Business and Technology Management, Korea Advanced Institute of Science and Technology (KAIST), Daejeon, Republic of Korea.

Эзоҳи аффилиатсияи SSRN: SSRN Hana Kim-ро бо KAIST нишон медиҳад, аммо барои Mingyeong Song маълумоти аффилиатсия намедиҳад; PDF-и боршуда ҳар ду муаллифро бо ҳамон воҳиди KAIST мепайвандад.

Платформа: SSRN.

SSRN Abstract ID: 7030637.

DOI: 10.2139/ssrn.7030637.

Санаи posting: 30 июни 2026.

Шумораи саҳифаҳо: 21.

Навъи манбаъ: Preprint research paper.

Вазъи peer review: PDF-и боршуда ба таври возеҳ мегӯяд, ки аз peer review нагузаштааст.

Peer-reviewed journal version: Дар санҷиши ҷории библиографӣ версияи ҷудогонаи peer-reviewed тасдиқ нашудааст.

Литсензия: Сабти SSRN мегӯяд: “All rights reserved. No reuse allowed without permission”.

Калидвожаҳо: artificial intelligence; disclosure; news attention; valuation; analyst forecasts; textual analysis.

JEL: G14; G32; M41; O33.

Давраи таҳқиқот: 2010–2024.

Манбаъҳои асосии маълумот: SEC EDGAR 10-K, Compustat, IBES ва ProQuest TDM Studio.

Панели асосии disclosure: 72.958 ширкат-сол.

Регрессияи интихобшудаи Tobin’s Q: 60.468 мушоҳида.

Намунаи регрессияи таҳлилгар: 7.599 ширкат-сол.

Ченаки асосии AI disclosure: tiered AI keyword score, ки ба дарозии filing нормализатсия шудааст; upper-tail winsorization ва табдили IHS татбиқ мешаванд.

Ченакҳои алтернативии disclosure: AI-related paragraph dispersion ва substantive AI disclosure.

Усули асосии эконометрикӣ: Регрессияи lead-lag panel бо fixed effects-и ширкат ва сол; хатоҳои стандартӣ дар сатҳи ширкат ва сол double-clustered.

Тарҳи таҳлилгар: Мувофиқ кардани наздиктарин snapshot-ҳои IBES барои соли молиявии оянда дар 180 рӯзи пеш ва пас аз санаи 10-K filing.

Тарҳи расонаҳо: TDM AI news attention дар сатҳи ширкат-сол ба gvkey-year ҷамъ карда шуда, пеш аз interaction бо disclosure якҷо марказонида мешавад.

Коэффисиенти асосии арзёбӣ: AI disclosure → log Tobin’s Q(t+1): 0,115, s.e. 0,024.

Коэффисиенти market-to-book: 0,146, s.e. 0,032.

Канали таҳлилгар: Дар ҳеҷ яке аз натиҷаҳои Coverage change, NUMEST, EPS revision ва scaled EPS revision коэффисиенти AI disclosure аҳамиятнок нест.

Interaction асосии расонаҳо: AI disclosure × TDM news = 0,085, s.e. 0,027.

Permutation placebo: 300 азнавтаъйинкунии within-year; p-и эмпирикии дуҷониба=0,003.

Гетерогении қобилият: Interaction-ҳои Large employer ва large assets 0,105 ва аҳамиятноканд; interaction-и high R&D аҳамиятнок нест.

Industry-peer IV: First-stage F=307,7; коэффисиенти second-stage AI disclosure 0,357.

State-peer IV: First-stage F=34,3; коэффисиенти second-stage 0,818.

Sample selection: Дар ислоҳҳои IPW ва Heckman коэффисиенти AI disclosure мусбат мемонад; inverse Mills ratio 0,019 ва p=0,945 аст.

Mediation: Таъсири ғайримустақим тавассути Analyst coverage -0,001 ва ҳиссаи миёнаравӣ тақрибан %0 аст.

Ихтилофи манфиатҳо: Муаллифон хабар додаанд, ки манфиати молиявии рақобатӣ ё муносибати шахсии маълум, ки метавонад ба таҳқиқот таъсир расонад, вуҷуд надорад.

Data availability: Маълумоти Compustat ва IBES тавассути WRDS ва маълумоти TDM Studio таҳти литсензияи ProQuest истифода шудаанд ва аз ҷониби муаллифон дубора паҳн карда намешаванд. SEC 10-K filings тавассути EDGAR ба умум дастрасанд.

Маблағгузорӣ: Дар PDF-и боршуда изҳороти ҷудогонаи маблағгузорӣ дида намешавад.

CRediT: Дар PDF-и боршуда изҳороти ҷудогонаи CRediT/саҳми муаллифон дида намешавад.

Маҳдудияти асосии тафсир: Бо вуҷуди таҳлилҳои устуворӣ ва IV, таҳқиқот тарҳи асосии худро ассотсиативӣ тавсиф мекунад; омилҳои мушоҳиданашудаи вақт-тағйирёбанда пурра истисно нашудаанд.

Номувофиқии дохилиманбаъии Figure 1: Муқаддима мегӯяд, ки ҳиссаи substantive AI discussion дар 2024 %42,6 аст, аммо силсилае, ки дар Figure 1 ба ҳамин мафҳум мансуб дониста шудааст, аз ҷиҳати визуалӣ бо ин сатҳ мувофиқат намекунад. Азбаски манбаъ фарқро шарҳ намедиҳад, Verianla ин силсиларо ҳамчун графики дақиқи рақамӣ аз нав намесозад.

Figure 2: Тренди 2010–2024-и 10-K AI mention share ва ҳиссаи ширкатҳои дорои TDM AI news attention-и мусбатро якҷо нишон медиҳад.