Pengaruh ChatGPT terhadap Aset Kripto Berkaitan AI: Bukti daripada Analisis Kawalan Sintetik

Kandungan

1 Pengenalan

Pelancaran ChatGPT oleh OpenAI pada 30 November 2022, mewakili detik transformasi dalam pembangunan kecerdasan buatan. Model bahasa besar berasaskan transformer terkini ini menunjukkan kemampuan pemprosesan bahasa semula jadi yang belum pernah berlaku sebelumnya, mencapai pencapaian luar biasa termasuk lulus peperiksaan profesional dan mencapai lebih 100 juta pengguna aktif dalam tempoh dua bulan—asas pengguna yang berkembang paling pantas dalam sejarah.

Teknologi revolusioner ini merangsang pembangunan AI komersial dan memangkinkan inisiatif pendigitalan merentas industri. Liputan media mengetengahkan potensi integrasi ke dalam enjin carian utama, mendorong tindak balas kompetitif daripada gergasi teknologi seperti Google dan Baidu. Perkembangan ini menandakan peningkatan nilai tanggapan teknologi AI dalam kalangan pelabur, terutamanya memberi kesan kepada aset kripto berkaitan AI yang tidak berkaitan secara langsung dengan ChatGPT.

2 Metodologi

2.1 Perbezaan-dalam-Perbezaan Sintetik

Kajian ini menggunakan metodologi perbezaan-dalam-perbezaan sintetik untuk mengasingkan kesan kausal pelancaran ChatGPT terhadap pulangan kripto berkaitan AI. Pendekatan ini menggabungkan elemen kaedah kawalan sintetik dengan anggaran perbezaan-dalam-perbezaan untuk mencipta kumpulan kawalan berwajaran yang sepadan rapat dengan ciri pra-rawatan kumpulan rawatan.

2.2 Pengumpulan Data

Data dikumpulkan daripada pelbagai pertukaran kripto untuk token berkaitan AI yang dikenal pasti melalui kertas putih, penerangan projek, dan pengkategorian komuniti. Tempoh sampel meliputi enam bulan sebelum dan selepas pelancaran ChatGPT, dengan data harga harian dan volum dagangan. Data isipadu carian Google untuk istilah berkaitan AI berfungsi sebagai proksi untuk perhatian pelabur.

3 Keputusan

3.1 Kesan ChatGPT terhadap Pulangan

Analisis mendedahkan "kesan ChatGPT" yang signifikan dengan aset kripto berkaitan AI mengalami purata pulangan 10.7% hingga 15.6% dalam tempoh satu bulan pasca-pelancaran, dan 35.5% hingga 41.3% dalam tempoh dua bulan. Kesan ini berterusan selepas mengawal trend kripto seluruh pasaran dan faktor mengelirukan lain.

3.2 Analisis Isipadu Carian Google

Isipadu carian Google untuk istilah berkaitan AI muncul sebagai penunjuk penetapan harga kritikal pasca-pelancaran ChatGPT. Analisis korelasi mendedahkan hubungan positif yang kuat antara lonjakan isipadu carian dan pergerakan harga seterusnya dalam aset kripto berkaitan AI, mencadangkan perhatian pelabur runcit mendorong reaksi pasaran yang besar.

4 Pelaksanaan Teknikal

4.1 Kerangka Matematik

Penganggar perbezaan-dalam-perbezaan sintetik boleh diformalkan sebagai:

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

di mana $Y_{1t}$ mewakili hasil untuk unit dirawat, $Y_{jt}$ untuk unit kawalan, $\hat{w}_j$ ialah pemberat kawalan sintetik, $T_0$ ialah tempoh pra-rawatan, dan $T_1$ ialah tempoh pasca-rawatan.

4.2 Pelaksanaan Kod

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

def synthetic_did(treatment_series, control_matrix, pre_periods):
    """
    Implementasi anggaran perbezaan-dalam-perbezaan sintetik
    """
    # Kira pemberat kawalan sintetik
    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_
    
    # Kira siri kawalan sintetik
    synthetic_control = weights @ control_matrix
    
    # Kira kesan rawatan
    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 Analisis Asal

Penyelidikan oleh Saggu dan Ante (2023) memberikan bukti menarik tentang kesan limpahan teknologi dalam pasaran kripto, menunjukkan bagaimana pembangunan AI terobosan boleh mencipta eksternaliti penilaian merentas aset digital berkaitan. Penemuan ini selaras dengan teori penetapan harga aset berasaskan perhatian yang dicadangkan oleh Barber dan Odean (2008), di mana pelabur runcit secara tidak seimbang membeli saham yang menarik perhatian. Dalam konteks aset kripto AI, ChatGPT berfungsi sebagai kejutan perhatian besar-besaran yang mengalihkan modal pelabur ke arah ekosistem AI yang lebih luas.

Secara metodologi, kajian ini memajukan penyelidikan kripto dengan menggunakan teknik perbezaan-dalam-perbezaan sintetik, membina atas rangka kerja kawalan sintetik yang dibangunkan oleh Abadie et al. (2010). Pendekatan ini menangani cabaran asas dalam kajian peristiwa kripto di mana kumpulan kawalan tradisional sukar dibina disebabkan ciri unik aset kripto. Metodologi ini berkongsi persamaan dengan pendekatan yang digunakan dalam mengkaji kesan penerimaan teknologi dalam kewangan tradisional, seperti kesan platform dagangan mudah alih terhadap penyertaan pasaran yang didokumenkan oleh Shiller (2015).

Magnitud kesan yang diperhatikan—berjulat dari 35.5% hingga 41.3% dalam tempoh dua bulan—secara signifikan melebihi kesan pengumuman teknologi tipikal dalam pasaran tradisional. Penguatan ini mungkin mencerminkan kepekaan khusus pasaran kripto terhadap dinamik naratif dan perhatian, seperti yang dihipotesiskan oleh Shiller (2017) dalam kerjanya tentang ekonomi naratif. Keputusan mencadangkan bahawa aset kripto berkaitan AI berfungsi sebagai pertaruhan tulen pada kemajuan teknologi AI, menjadikannya terutamanya terdedah kepada perkembangan dalam teknologi AI bersebelahan.

Penemuan isipadu carian Google melengkapi penyelidikan oleh Da et al. (2011) tentang indeks FEARS, menunjukkan bahawa ukuran perhatian berasaskan carian secara efektif meramalkan pergerakan harga didorong runcit dalam aset spekulatif. Ketekalan kesan ChatGPT selama dua bulan mencabar kecekapan pasaran bentuk kuat dalam pasaran kripto, konsisten dengan hipotesis pasaran adaptif yang dicadangkan oleh Lo (2004). Ini mempunyai implikasi penting untuk rangka kerja kawal selia dan perlindungan pelabur dalam pasaran aset digital yang berkembang pesat.

6 Aplikasi Masa Depan

Metodologi dan penemuan mempunyai beberapa aplikasi penting untuk penyelidikan dan amalan masa depan:

• Pemantauan Pasaran Masa Nyata: Membangunkan sistem automatik yang menjejaki perkembangan teknologi dan kesan limpahan potensi mereka pada kelas aset berkaitan
• Pembangunan Rangka kerja Kawal Selia: Memaklumkan keputusan dasar tentang perlindungan pelabur dalam pergerakan pasaran didorong teknologi
• Peningkatan Strategi Portfolio: Mencipta strategi kuantitatif yang secara sistematik menangkap kesan limpahan teknologi
• Analisis Asas Silang: Memperluaskan metodologi untuk mengkaji sambungan antara perkembangan teknologi dan pelbagai instrumen kewangan
• Integrasi AI: Membangunkan sistem AI yang boleh meramalkan kesan tertib kedua terobosan teknologi

Hala tuju penyelidikan masa depan termasuk memeriksa ketekalan kesan ini, menganalisis kesan pembezaan merentas pelbagai sub-sektor kripto AI, dan membangunkan sistem amaran awal untuk pergerakan pasaran didorong perhatian.

7 Rujukan

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.