Ushawishi wa ChatGPT kwenye Mali za Kidijitali Zinazohusiana na Akili Bandia: Ushahidi Kutoka kwa Uchambuzi wa Udhibiti wa Kisanii

2.1 Tofauti-katika-Tofauti ya Kisanii

Utafiti unatumia mbinu ya tofauti-katika-tofauti ya kisanii (SDID), ambayo inachanganya vipengele vya udhibiti wa kisanii na mbinu za tofauti-katika-tofauti. Mbinu hii inajenga mchanganyiko wenye uzani wa vitengo vya udhibiti vinavyolingana kwa karibu na sifa za kitengo cha matibabu kabla ya matibabu.

Kikadirio cha SDID kinaweza kuwakilishwa kama:

$\hat{\tau}_{sdid} = \left(\sum_{t=T_0+1}^T Y_{1t} - \sum_{t=T_0+1}^T \hat{Y}_{1t}^{syn}\right) - \left(\sum_{t=1}^{T_0} Y_{1t} - \sum_{t=1}^{T_0} \hat{Y}_{1t}^{syn}\right)$

ambapo $Y_{1t}$ inawakilisha matokeo yaliyozingatiwa kwa kitengo cha matibabu, $\hat{Y}_{1t}^{syn}$ ni utabiri wa udhibiti wa kisanii, na $T_0$ inaashiria hatua ya kuingilia kati (uzinduzi wa ChatGPT).

2.2 Ukusanyaji wa Data

Uchambuzi unajumuisha:

• Data ya bei ya kila siku kwa fedha za kriptografia zinazohusiana na AI
• Kiasi cha utafutaji Google kwa maneno muhimu yanayohusiana na AI
• Vipimo vya ukubwa wa soko na kiasi cha biashara
• Kikundi cha udhibiti cha fedha za kriptografia zisizo za AI

Data inashughulikia miezi 6 kabla ya uzinduzi na miezi 2 baada ya uzinduzi ili kukamata athari za msingi na za matibabu.

3.1 Athari za ChatGPT kwenye Mapato

Uchambuzi unaonyesha athari chanya kubwa kwenye mali za kriptografia zinazohusiana na AI:

• Mwezi mmoja baada ya uzinduzi: Mapato ya wastani ya 10.7% hadi 15.6%
• Miezi miwili baada ya uzinduzi: Mapato ya wastani ya 35.5% hadi 41.3%
• Umuhimu wa kitakwimu: p < 0.01 katika mifano yote

Athari hizi ziliendelea baada ya kudhibiti mienendo ya jumla ya soko na mambo maalum ya fedha za kriptografia.

3.2 Uchambuzi wa Kiasi cha Utafutaji Google

Kiasi cha utafutaji Google kwa maneno yanayohusiana na AI kilionekana kuwa kiashiria muhimu cha bei baada ya uzinduzi wa ChatGPT:

• Kiasi cha utafutaji kiliongezeka kwa 247% kwa "fedha za kriptografia za AI"
• Uhusiano mkubwa kati ya kiasi cha utafutaji na kuongezeka kwa bei (r = 0.78)
• Kiasi cha utafutaji kilitabiri 61% ya tofauti ya mapato katika kipindi cha baada ya matibabu

Matokeo yanaonyesha umakini wa wawekezaji ulichukua nafasi ya kati katika athari ya ChatGPT kwenye thamani za soko.

4.1 Mfumo wa Kihisabati

Vipimo vya udhibiti wa kisanii vimedhamiriwa kwa kupunguza umbali kati ya sifa za kabla ya matibabu:

$\min_{w} \sqrt{(X_1 - X_0w)'V(X_1 - X_0w)}$

ikizingatiwa $w_j \geq 0$ na $\sum_{j=2}^{J+1} w_j = 1$, ambapo $X_1$ ina sifa za kabla ya matibabu za kitengo kilichotibiwa, $X_0$ ina sifa za kabla ya matibabu za vitengo vya udhibiti, na $V$ ni tumbo la diagonal lenye vipimo vya uzani vya kipengele.

4.2 Utekelezaji wa Msimbo

import numpy as np
import pandas as pd
from scipy.optimize import minimize

class SyntheticControl:
    def __init__(self, treatment_unit, control_units, pre_periods):
        self.treatment = treatment_unit
        self.control = control_units
        self.pre_periods = pre_periods
    
    def fit(self):
        # Sifa za kabla ya matibabu
        X1 = self.treatment[:self.pre_periods].mean()
        X0 = self.control[:self.pre_periods].mean(axis=1)
        
        # Uboreshaji ili kupata vipimo
        def objective(w):
            return np.sqrt((X1 - X0 @ w).T @ (X1 - X0 @ w))
        
        constraints = [{'type': 'eq', 'fun': lambda w: np.sum(w) - 1}]
        bounds = [(0, 1) for _ in range(len(self.control))]
        
        result = minimize(objective, 
                         x0=np.ones(len(self.control))/len(self.control),
                         bounds=bounds,
                         constraints=constraints)
        
        self.weights = result.x
        return self.weights
    
    def predict(self, post_periods):
        synthetic_control = self.weights @ self.control[post_periods]
        return synthetic_control