ChatGPT對AI相關加密資產的影響：合成控制分析實證研究

1 緒論

OpenAI於2022年11月30日發布的ChatGPT，標誌著人工智慧發展的轉捩點。這款基於transformer架構的尖端大型語言模型展現了前所未有的自然語言處理能力，達成了多項重要里程碑，包括通過專業考試以及在兩個月內累積超過1億活躍用戶——創下史上最快用戶成長紀錄。

這項突破性技術不僅激發了商業AI的發展熱潮，更催化了各產業的數位轉型計畫。媒體報導重點關注其與主流搜尋引擎的整合潛力，促使Google與百度等科技巨頭紛紛提出競爭對策。這些發展顯示投資人對AI技術的感知價值顯著提升，特別是對那些與ChatGPT無直接關聯的AI相關加密資產產生了深遠影響。

2 研究方法

2.1 合成雙重差分法

本研究採用合成雙重差分法來分離ChatGPT發布對AI相關加密貨幣收益的因果效應。此方法結合了合成控制法與雙重差分估計的要素，透過建立加權控制組來精確匹配處理組在處理前期的特徵。

2.2 資料收集

我們從多家加密貨幣交易所收集資料，透過白皮書、專案說明與社群分類識別出AI相關代幣。樣本期間涵蓋ChatGPT發布前後六個月，包含每日價格資料與交易量。同時以AI相關術語的Google搜尋量資料作為投資人關注度的代理變數。

3 研究結果

3.1 ChatGPT對收益的影響

分析顯示顯著的「ChatGPT效應」，AI相關加密資產在發布後一個月期間實現10.7%至15.6%的平均收益，兩個月期間更達到35.5%至41.3%的累積漲幅。這些效應在控制整體加密貨幣市場趨勢與其他干擾因素後依然持續存在。

圖1：AI加密資產累積收益率

本圖顯示處理組（AI相關）與控制組（非AI）加密資產在ChatGPT發布日期（2022年11月30日）前後的累積異常收益。處理組自事件發生後立即呈現顯著正向偏離，並在兩個月觀察期間維持持續上升軌跡。

3.2 Google搜尋量分析

AI相關術語的Google搜尋量在ChatGPT發布後成為關鍵定價指標。相關性分析顯示搜尋量高峰與AI相關加密資產後續價格走勢存在強烈正相關，表明散戶投資人的關注度驅動了顯著的市場反應。

4 技術實作

4.1 數學框架

合成雙重差分估計量可形式化表示為：

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

其中$Y_{1t}$代表處理單元的結果變數，$Y_{jt}$代表控制單元的結果變數，$\hat{w}_j$為合成控制權重，$T_0$為處理前期，$T_1$為處理後期。

4.2 程式碼實作

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

def synthetic_did(treatment_series, control_matrix, pre_periods):
    """
    實作合成雙重差分估計
    """
    # 計算合成控制權重
    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_
    
    # 計算合成控制序列
    synthetic_control = weights @ control_matrix
    
    # 計算處理效應
    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 原創分析

Saggu與Ante（2023）的研究提供了加密貨幣市場技術外溢效應的有力證據，展示了突破性AI發展如何對相關數位資產創造估值外部性。這些發現與Barber與Odean（2008）提出的注意力基礎資產定價理論相符，該理論指出散戶投資人會不成比例地買入引人注目的標的。在AI加密資產的情境中，ChatGPT作為巨大的注意力衝擊，將投資資金重新導向更廣泛的AI生態系。

在方法論上，本研究基於Abadie等人（2010）建立的合成控制框架，透過應用合成雙重差分技術推進了加密貨幣研究。此方法解決了加密貨幣事件研究的基本挑戰，即因加密資產的獨特性質而難以建立傳統控制組的問題。此方法論與研究傳統金融中技術採用效應的方法具有相似性，例如Shiller（2015）記載的行動交易平台對市場參與度的影響。

觀察到的效應規模——兩個月期間達35.5%至41.3%——顯著超越傳統市場中典型的技術公告效應。這種放大效果可能反映了加密貨幣市場對敘事與注意力動態的特別敏感性，正如Shiller（2017）在敘事經濟學著作中提出的理論。結果表明AI相關加密資產可作為對AI技術進展的純粹投資標的，使其對相鄰AI技術的發展特別敏感。

Google搜尋量的發現與Da等人（2011）對FEARS指數的研究相互印證，顯示基於搜尋的注意力指標能有效預測投機性資產中由散戶驅動的價格變動。ChatGPT效應持續兩個月的現象，對加密貨幣市場的強式效率假說提出了挑戰，這與Lo（2004）提出的適應性市場假說一致。此發現對快速演進的數位資產市場中的監管框架與投資人保護具有重要意義。

6 未來應用

本研究的方針與發現對未來研究與實務具有多項重要應用：

即時市場監控：開發自動化系統以追蹤技術發展及其對相關資產類別的潛在外溢效應
監管框架發展：為技術驅動市場波動中的投資人保護政策決策提供參考
投資組合策略強化：建立能系統性捕捉技術外溢效應的量化策略
跨資產分析：擴展方法論以研究技術發展與各類金融工具間的相互關聯
AI整合：開發能預測技術突破二階效應的AI系統

未來研究方向包括檢驗這些效應的持續性、分析不同AI加密次領域的差異化影響，以及建立注意力驅動市場波動的預警系統。

7 參考文獻

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.
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.
Da, Z., Engelberg, J., & Gao, P. (2011). In search of attention. The Journal of Finance, 66(5), 1461-1499.
Lo, A. W. (2004). The adaptive markets hypothesis: Market efficiency from an evolutionary perspective. Journal of Portfolio Management, 30(5), 15-29.
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.
Shiller, R. J. (2015). Irrational exuberance. Princeton university press.
Shiller, R. J. (2017). Narrative economics. American Economic Review, 107(4), 967-1004.