تأثير ChatGPT على الأصول المشفرة المرتبطة بالذكاء الاصطناعي: أدلة من تحليل التحكم الاصطناعي

جدول المحتويات

1 المقدمة

يمثل إطلاق OpenAI لـ ChatGPT في 30 نوفمبر 2022 لحظة تحولية في تطوير الذكاء الاصطناعي. أظهر هذا النموذج اللغوي الكبير المتقدم القائم على المحولات قدرات معالجة لغوية طبيعية غير مسبوقة، محققاً معالم ملحوظة تشمل اجتياز الاختبارات المهنية والوصول إلى أكثر من 100 مليون مستخدم نشط خلال شهرين - أسرع قاعدة مستخدمين نمواً في التاريخ.

حفزت هذه التكنولوجيا الرائدة تطوير الذكاء الاصطناعي التجاري وعجلت بمبادرات الرقمنة عبر الصناعات. سلطت التغطية الإعلامية الضوء على التكامل المحتمل في محركات البحث الرئيسية، مما دفع استجابات تنافسية من عمالقة التكنولوجيا مثل جوجل وبايدو. أشارت هذه التطورات إلى ارتفاع القيمة المتصورة لتكنولوجيا الذكاء الاصطناعي بين المستثمرين، مما أثر بشكل خاص على الأصول المشفرة المرتبطة بالذكاء الاصطناعي غير المرتبطة مباشرة بـ ChatGPT.

2 المنهجية

2.1 الفروق في الاختلافات الاصطناعية

تستخدم الدراسة منهجية الفروق في الاختلافات الاصطناعية لعزل التأثير السببي لإطلاق ChatGPT على عوائد العملات المشفرة المرتبطة بالذكاء الاصطناعي. يجمع هذا النهج عناصر من أساليب التحكم الاصطناعي مع تقدير الفروق في الاختلافات لإنشاء مجموعة تحكم مرجحة تتطابق بشكل وثيق مع خصائص مجموعة المعالجة قبل العلاج.

2.2 جمع البيانات

تم جمع البيانات من منصات تداول عملات مشفرة متعددة للرموز المرتبطة بالذكاء الاصطناعي التي تم تحديدها من خلال الأوراق البيانية ووصف المشاريع وتصنيف المجتمع. تغطي فترة العينة ستة أشهر قبل وبعد إطلاق ChatGPT، مع بيانات الأسعار اليومية وأحجام التداول. خدمت بيانات حجم البحث في جوجل للمصطلحات المرتبطة بالذكاء الاصطناعي كبديل لانتباه المستثمرين.

3 النتائج

3.1 تأثيرات ChatGPT على العوائد

يكشف التحليل عن "تأثيرات ChatGPT" كبيرة مع تعرض الأصول المشفرة المرتبطة بالذكاء الاصطناعي لعوائد متوسطها 10.7% إلى 15.6% في الفترة الشهرية بعد الإطلاق، و35.5% إلى 41.3% في الفترة الشهرية المزدوجة. تستمر هذه التأثيرات بعد التحكم في اتجاهات العملات المشفرة على مستوى السوق والعوامل المربكة الأخرى.

3.2 تحليل حجم البحث في جوجل

برزت أحجام البحث في جوجل للمصطلحات المرتبطة بالذكاء الاصطناعي كمؤشرات تسعير حرجة بعد إطلاق ChatGPT. يكشف تحليل الارتباط عن علاقات إيجابية قوية بين ذروات حجم البحث والتحركات السعرية اللاحقة في الأصول المشفرة المرتبطة بالذكاء الاصطناعي، مما يشير إلى أن انتباه المستثمرين الأفراد دفع ردود فعل سوقية كبيرة.

4 التنفيذ التقني

4.1 الإطار الرياضي

يمكن صياغة مقدر الفروق في الاختلافات الاصطناعية على النحو التالي:

$$\hat{\tau}_{SDID} = \frac{1}{T_1} \sum_{t=T_0+1}^{T} \left[ Y_{1t} - \sum_{j=2}^{J+1} \hat{w}_j Y_{jt} \right] - \frac{1}{T_0} \sum_{t=1}^{T_0} \left[ Y_{1t} - \sum_{j=2}^{J+1} \hat{w}_j Y_{jt} \right]$$

حيث تمثل $Y_{1t}$ النتيجة للوحدة المعالجة، $Y_{jt}$ لوحدات التحكم، $\hat{w}_j$ هي أوزان التحكم الاصطناعية، $T_0$ هي فترة ما قبل العلاج، و$T_1$ هي فترة ما بعد العلاج.

4.2 تنفيذ الكود

import numpy as np
import pandas as pd
from sklearn.linear_model import LinearRegression

def synthetic_did(treatment_series, control_matrix, pre_periods):
    """
    تنفيذ تقدير الفروق في الاختلافات الاصطناعية
    """
    # حساب أوزان التحكم الاصطناعية
    X_pre = control_matrix[:pre_periods]
    y_pre = treatment_series[:pre_periods]
    
    model = LinearRegression(fit_intercept=False, positive=True)
    model.fit(X_pre.T, y_pre)
    weights = model.coef_
    
    # حساب سلسلة التحكم الاصطناعية
    synthetic_control = weights @ control_matrix
    
    # حساب تأثير العلاج
    post_periods = len(treatment_series) - pre_periods
    treatment_effect = (treatment_series[pre_periods:].mean() - 
                       synthetic_control[pre_periods:].mean())
    
    return treatment_effect, weights, synthetic_control

5 التحليل الأصلي

يوفر بحث Saggu وAnte (2023) أدلة مقنعة على تأثيرات تداخل التكنولوجيا في أسواق العملات المشفرة، موضحاً كيف يمكن للتطورات الرائدة في الذكاء الاصطناعي خلق تأثيرات خارجية للتقييم عبر الأصول الرقمية ذات الصلة. تتوافق النتائج مع نظرية تسعير الأصول القائمة على الانتباه التي اقترحها Barber وOdean (2008)، حيث يشتري المستثمرون الأفراد بشكل غير متناسب الأسهم التي تلفت الانتباه. في سياق أصول الذكاء الاصطناعي المشفرة، خدم ChatGPT كصدمة انتباه هائلة أعادت توجيه رأس مال المستثمرين نحو نظام الذكاء الاصطناعي البيئي الأوسع.

من الناحية المنهجية، تقدم الدراسة أبحاث العملات المشفرة من خلال تطبيق تقنيات الفروق في الاختلافات الاصطناعية، بناءً على إطار التحكم الاصطناعي الذي طوره Abadie وآخرون (2010). يعالج هذا النهج التحديات الأساسية في دراسات أحداث العملات المشفرة حيث يصعب إنشاء مجموعات التحكم التقليدية بسبب الخصائص الفريدة للأصول المشفرة. تشترك المنهجية في أوجه التشابه مع الأساليب المستخدمة في دراسة تأثيرات اعتماد التكنولوجيا في التمويل التقليدي، مثل تأثير منصات التداول المحمولة على مشاركة السوق التي وثقها Shiller (2015).

يتجاوز حجم التأثيرات الملاحظة - الذي يتراوح من 35.5% إلى 41.3% على مدى شهرين - بشكل كبير تأثيرات الإعلان التكنولوجي النموذجية في الأسواق التقليدية. من المرجح أن يعكس هذا التضخيم الحساسية الخاصة لأسواق العملات المشفرة لديناميكيات السرد والانتباه، كما نظر Shiller (2017) في عمله حول الاقتصاد السردي. تشير النتائج إلى أن أصول الذكاء الاصطناعي المشفرة تعمل كرهانات خالصة على التقدم التكنولوجي للذكاء الاصطناعي، مما يجعلها معرضة بشكل خاص للتطورات في تكنولوجيات الذكاء الاصطناعي المجاورة.

تكمل نتائج حجم البحث في جوجل البحث الذي أجراه Da وآخرون (2011) حول مؤشر FEARS، موضحاً أن مقاييس الانتباه القائمة على البحث تتنبأ بشكل فعال بالتحركات السعرية التي يقودها المستثمرون الأفراد في الأصول المضاربة. تتحدى استمرارية تأثير ChatGPT على مدى شهرين كفاءة السوق القوية في أسواق العملات المشفرة، بما يتوافق مع فرضية السوق التكيفية التي اقترحها Lo (2004). هذا له آثار مهمة على الأطر التنظيمية وحماية المستثمرين في أسواق الأصول الرقمية سريعة التطور.

6 التطبيقات المستقبلية

للمنهجية والنتائج عدة تطبيقات مهمة للبحث والممارسة المستقبلية:

• مراقبة السوق في الوقت الفعلي: تطوير أنظمة آلية تتبع التطورات التكنولوجية وتأثيراتها المتداخلة المحتملة على فئات الأصول ذات الصلة
• تطوير الأطر التنظيمية: إعلام القرارات السياسية حول حماية المستثمرين في التحركات السوقية التي تقودها التكنولوجيا
• تعزيز استراتيجية المحفظة: إنشاء استراتيجيات كمية تلتقط بشكل منهجي تأثيرات تداخل التكنولوجيا
• تحليل الأصول المتقاطعة: توسيع المنهجية لدراسة الترابط بين التطورات التكنولوجية والأدوات المالية المختلفة
• تكامل الذكاء الاصطناعي: تطوير أنظمة ذكاء اصطناعي يمكنها التنبؤ بالتأثيرات من الدرجة الثانية للاختراقات التكنولوجية

تشمل اتجاهات البحث المستقبلية فحص استمرارية هذه التأثيرات، وتحليل التأثيرات التفاضلية عبر قطاعات الذكاء الاصطناعي المشفرة الفرعية المختلفة، وتطوير أنظمة إنذار مبكر للتحركات السوقية التي يقودها الانتباه.

7 المراجع

1. Abadie, A., Diamond, A., & Hainmueller, J. (2010). Synthetic control methods for comparative case studies: Estimating the effect of California's tobacco control program. Journal of the American Statistical Association, 105(490), 493-505.
2. Barber, B. M., & Odean, T. (2008). All that glitters: The effect of attention and news on the buying behavior of individual and institutional investors. The Review of Financial Studies, 21(2), 785-818.
3. Da, Z., Engelberg, J., & Gao, P. (2011). In search of attention. The Journal of Finance, 66(5), 1461-1499.
4. Lo, A. W. (2004). The adaptive markets hypothesis: Market efficiency from an evolutionary perspective. Journal of Portfolio Management, 30(5), 15-29.
5. Saggu, A., & Ante, L. (2023). The Influence of ChatGPT on Artificial Intelligence Related Crypto Assets: Evidence from a Synthetic Control Analysis. Finance Research Letters, 103993.
6. Shiller, R. J. (2015). Irrational exuberance. Princeton university press.
7. Shiller, R. J. (2017). Narrative economics. American Economic Review, 107(4), 967-1004.