据 NBER 官网显示，来自南加州大学马歇尔商学院的 David Hirshleifer、纽约城市大学巴鲁克学院的 Lin Peng、香港浸会大学的王启光、新加坡管理大学的 Weichen Zhang、清华大学五道口金融学院的张晓燕，合作撰写论文 " AI, Opinion Ecosystems, and Finance "。

摘要

Generative AI use for content generation is associated with divergent outcomes on different financial social media platforms: indications of reasoning enhancement on Seeking Alpha, and of belief distortions on WallStreetBets. On Seeking Alpha, adoption is associated with information frictions. AI-assisted postings tilt toward analysis/credibility, and their sentiment positively predicts future returns. Use of AI is associated with more informative retail order flow and lower bid-ask spreads. In contrast, AI adoption on WallStreetBets follows surges in retail buying, and AI-assisted content is associated with emotionality and sentiment contagion. Such content precedes higher trading volume, greater volatility, and more lottery-like return distributions.

生成式人工智能在内容生成方面的应用，在不同金融社交媒体平台上呈现出差异化效果：在 Seeking Alpha 平台上显示出增强分析能力的迹象，而在 WallStreetBets 平台则表现出助长认知偏差的倾向。在 Seeking Alpha 平台上，人工智能工具的采用与信息摩擦现象相关。AI 辅助生成的内容倾向于侧重分析与可信度，其情感倾向能正向预测未来收益。人工智能的使用伴随着更具信息含量的散户订单流以及更低的买卖价差。相比之下，WallStreetBets 平台的人工智能采纳往往出现在散户买入激增之后，其 AI 辅助内容表现出情绪化特征与情感传染效应。此类内容往往预示着更高的交易量、增强的市场波动性以及更趋近类彩票式的收益分布。

介绍

近年来，生成式人工智能技术的迅猛发展显著降低了信息生产、传播与处理的成本，对金融市场中的信息生态产生了深远影响。一方面，人工智能有助于提升信息整合与逻辑推理能力，增强市场效率；另一方面，其低成本内容生成特性也可能助长误导性信息和情绪化叙事的扩散，加剧投资者认知偏差。特别是在社交媒体已成为金融信息重要来源的背景下，不同平台因治理机制、用户构成和内容规范存在显著差异，可能导致人工智能在其中扮演截然不同的角色。因此，探究人工智能如何在不同金融社交平台上塑造舆论生态，并进一步影响市场行为与资产价格，成为理解技术变革与金融市场互动关系的关键问题。

本文聚焦于两个具有代表性的金融社交平台—— Seeking Alpha 与 WallStreetBets，系统考察生成式人工智能在内容创作中的应用及其经济后果。前者为专业导向、编辑审核严格、用户多具投资经验的订阅制平台；后者则是去中心化、无事前审核、以高风险交易和情绪化表达为特征的社区论坛。研究利用先进的 AI 检测工具识别平台上的 AI 生成内容，从采用动因、修辞风格、用户反应到市场结果等多个维度展开对比分析。研究发现，人工智能在 Seeking Alpha 主要用于辅助分析性写作，降低语言与信息获取成本，而在 WallStreetBets 则更多用于强化情绪表达，迎合投机氛围。

在研究方法上，论文结合实证分析与自然实验设计，构建了多层次的识别策略。作者首先通过 AI 检测概率衡量内容的人工智能使用程度，并控制股票、日期及作者固定效应以缓解内生性问题。其次，借助大型语言模型对文本进行修辞分解，量化逻辑论证、可信度诉求与情感唤起等不同说服模式的比重。此外，研究还利用 Seeking Alpha 在 2023 年底实施的 " 禁止 AI 生成全文 " 政策作为准自然实验，检验平台监管如何改变人工智能的使用方式及其信息质量。这些方法共同支撑了对人工智能在不同制度环境下作用机制的深入解析。

研究得出的核心结论是，人工智能对金融舆论生态与市场效率的影响高度依赖于平台的制度环境与用户特征。在专业性强、治理完善的 Seeking Alpha 上，人工智能主要发挥 " 推理增强 " 作用，所生成内容更具分析深度，能有效预测未来收益，提升散户交易的信息含量，并降低市场流动性成本。而在治理松散、用户易受情绪驱动的 WallStreetBets 上，人工智能则倾向于放大 " 信念扭曲 "，其内容伴随散户买入热潮，强化情绪传染，进而引发更高的交易量、波动性以及类似彩票的极端收益分布。这一对比揭示了通用技术在不同社会技术系统中可能产生的双重效应，强调了平台治理与用户素养在引导人工智能向善发展中的关键作用。

本文系未央网专栏作者 :学说平台 发表，内容属作者个人观点，不代表网站观点，未经许可严禁转载，违者必究！