要約
既存のAI関連上場投資信託(ETF)を分析した結果、どの銘柄がAI関連銘柄に該当するかを決定する選択基準は不透明であることが多く、曖昧な表現や主観的な判断に依存していることが明らかになった。本稿では、2011年から2023年までのNASDAQ上場企業3,395社の年次10-K提出書類を分析することで、AI銘柄を分類するための自然言語処理（NLP）技術を用いた、客観的でデータ駆動型の新しいアプローチを提案する。この分析では、バイナリー指標とAI関連用語の頻度と文脈に基づく重み付けAIスコアによって、各企業のAIへの取り組みを定量化する。これらの指標を用いて、4つのAI株価指数（均等加重AI指数（AII）、規模加重AI指数（SAII）、2つの時間割引AI指数（TAII05とTAII5X））を構築し、AI投資に対する異なる視点を提供する。我々は、OpenAIのChatGPTのローンチに関するイベント・スタディを通じて我々の手法を検証し、AIへのエンゲージメントが高い企業が有意にプラスの異常リターンを示したことを実証し、我々のAI指標の予測力を裏付ける分析を行いました。当社のインデックスは、リスク・リターン・プロファイル、市場反応性、総合的なパフォーマンスにおいて、既存の14のAIをテーマとしたETFやナスダック総合インデックスと同等かそれ以上のパフォーマンスを示し、ボラティリティを増加させることなく、より高い日次平均リターンとリスク調整後指標を達成しています。これらの結果は、当社のNLPに基づくアプローチが、既存のAI関連ETF商品に対して、信頼性が高く、市場応答性が高く、費用対効果の高い選択肢を提供することを示唆しています。また、当社の革新的な手法は、投資家、資産運用会社、政策立案者が企業データを利用して他のテーマ別ポートフォリオを構築する際の指針となり、より透明性が高く、データ主導型の競争力のあるアプローチに貢献することができます。
要約(オリジナル)
Following an analysis of existing AI-related exchange-traded funds (ETFs), we reveal the selection criteria for determining which stocks qualify as AI-related are often opaque and rely on vague phrases and subjective judgments. This paper proposes a new, objective, data-driven approach using natural language processing (NLP) techniques to classify AI stocks by analyzing annual 10-K filings from 3,395 NASDAQ-listed firms between 2011 and 2023. This analysis quantifies each company’s engagement with AI through binary indicators and weighted AI scores based on the frequency and context of AI-related terms. Using these metrics, we construct four AI stock indices-the Equally Weighted AI Index (AII), the Size-Weighted AI Index (SAII), and two Time-Discounted AI Indices (TAII05 and TAII5X)-offering different perspectives on AI investment. We validate our methodology through an event study on the launch of OpenAI’s ChatGPT, demonstrating that companies with higher AI engagement saw significantly greater positive abnormal returns, with analyses supporting the predictive power of our AI measures. Our indices perform on par with or surpass 14 existing AI-themed ETFs and the Nasdaq Composite Index in risk-return profiles, market responsiveness, and overall performance, achieving higher average daily returns and risk-adjusted metrics without increased volatility. These results suggest our NLP-based approach offers a reliable, market-responsive, and cost-effective alternative to existing AI-related ETF products. Our innovative methodology can also guide investors, asset managers, and policymakers in using corporate data to construct other thematic portfolios, contributing to a more transparent, data-driven, and competitive approach.
arxiv情報
| 著者 | Lennart Ante,Aman Saggu |
| 発行日 | 2025-01-03 11:27:49+00:00 |
| arxivサイト | arxiv_id(pdf) |