布斯導讀
大資料時代下，資料分析領域的變革正以驚人的速度不斷推進。如今，大型語言模型（LLM）已經能夠以前所未有的方式從不同型別的媒介中提取有效資訊。芝加哥大學布斯商學院與全球知名大學的研究團隊共同探索了影像、音訊和影片檔案在金融分析中的創新應用。隨著深度學習和人工智慧技術的飛速發展，這些非傳統資料來源正在逐步成為金融市場分析的新力量。
影像
研究01
長期以來，價格圖表（即圖表本身，而非背後的資料）一直是預測股票回報的主要工具。而芝加哥大學博士生Jingwen Jiang、耶魯大學教授Bryan T. Kelly與芝加哥大學布斯商學院教授Dacheng Xiu則透過卷積神經網路（CNN）這一深度學習演算法，從過往股票圖表的影像中提取出有助於預測市場的規律，並將這些資訊轉化為交易訊號。他們發現，與傳統技術分析所依賴的趨勢訊號相比，從影像中提取出的規律能夠更加準確地預測收益。
研究02
另一項研究表明，金融分析師的面部特徵也與其預測結果有一定的關聯性。巴魯克學院的Lin Peng、加州大學洛杉磯分校的Siew Hong Teoh、香港中文大學的Yakun Wang以及康奈爾大學的博士生Jiawen Yan，利用人工智慧和機器學習技術，分析了大約800名賣方股票分析師的LinkedIn照片。研究人員評估了這些照片體現出的可信度、吸引力和強勢性，並探索了這些面部特徵與他們在過去30年中的盈利預測準確性之間的關係。研究發現，那些面部特徵可信度得分較高的分析師，其作出的預測也更準確。研究人員推測，這可能是因為人們更願意與自己信任的人分享資訊，使可信度高的分析師因此獲得了更多有價值的資訊，從而能夠做出更準確的預測。
不過，這項有關面部影像的研究也揭示了一個顯著的性別差異：男性分析師中，強勢性得分高的分析師預測更準確，然而女性分析師卻恰恰相反。同時，男性分析師的高強勢性得分顯著增加了他們被評為全明星分析師的可能性，大大提高他們的職業聲望；而儘管女性分析師的平均預測準確率高於男性，高強勢性得分卻降低了她們獲得全明星分析師稱號的機會。研究者們認為，這種現象反映了存在於金融分析領域勞動力市場中的性別歧視問題，即當女性展現出與性別角色刻板印象不符的特質時，可能會遭遇社會的不利評價。
音訊
研究03
研究表明，財報電話會議上的即時市場反應與管理者在會中的吐字發音質量存在關聯。首爾大學的Bok Baik、布斯商學院的博士生Alex G. Kim、麻省理工學院的David Sunghyo Kim以及初創企業人工智慧協會（Artificial Society）的Sangwon Yoon透過深度學習演算法將財報電話會議的音訊檔案轉化為文字資料，隨後分析發現，當管理者在電話會議中發音不準確或表達不清晰時，市場的反應往往更加低迷。
研究04
在另一項研究中，波鴻魯爾大學的研究人員Jonas Ewertz、Charlotte Knickreh、Martin Nienhaus和Doron Reichmann利用聲音線索來預測一家公司的未來收益。他們首先將管理層在財報電話會議上的聲音線索視覺化為梅爾頻譜圖（mel spectogram），以模擬人類聽覺感知的梅爾刻度（mel scale）來表示聲音訊率，並將這些頻譜圖輸入深度學習演算法。相較於使用數字和文字資料的模型，他們的模型對未來收益變化的預測質量明顯更高。
研究05
加州大學伯克利分校的Yuriy Gorodnichenko、約克大學的Tho Pham和伯明翰大學的Oleksandr Talavera分析了聲音情緒對股價、波動指數、利率風險、通脹預期和匯率等金融變數的影響。透過分析聯邦公開市場委員會新聞釋出會的錄音，他們發現積極的語氣會推動股價上漲。他們的研究表明，當釋出會的聲音情緒從負面（-1）轉變為正面（+1），標準普爾500指數的回報率便可以提升約200個基點。
影片
研究06
研究表明，影片作為集影像和音訊於一體的媒介具有雙重優勢，能夠提供更多其他媒介無法揭示的資訊。華盛頓大學的Elizabeth Blankespoor、香港理工大學的Mingming Ji、香港大學的Jeffrey Ng以及香港理工大學的Jingran Zhao組成團隊，研究了2013年至2017年期間在美國全國廣播公司財經頻道中播出的約500個與盈利公告相關的CEO訪談影片。他們發現，當CEO的面部表情與他們所傳遞的盈利資訊不一致時，市場分析師的預測離散度會顯著增加。