光华讲坛——社会名流与企业家论坛第6719期

主题：生成式人工智能在会计与财务分析中的前沿应用研究

主讲人：美国阿肯色大学沃尔顿商学院 Vernon Richardson教授

主持人：会计学院 李贺教授

时间：4月8日14:00-16:00

地点：柳林校区诚正楼650会议室

主办单位：会计学院 科研处

主讲人简介：

Vernon Richardson教授是美国阿肯色大学沃尔顿商学院的杰出教授，会计系主任，研究方向为信息技术、大数据分析和会计的交叉领域，是美国会计信息系统领域最杰出的学者之一。他的成果发表在The Accounting Review、Journal of Accounting and Economics、MIS quarterly、Journal of Operations Management、Journal of Marketing、Journal of operations Management等UTD24期刊，以及Contemporary Accounting Research、Journal of Management Information Systems等FT50期刊。他曾担任The Accounting Review主编，现任Accounting Horizons主编。在教学方面，Richardson教授出版了Accounting Information Systems、Data Analytics for Accounting等教材。其中，《会计数据分析》（Data Analytics for Accounting）教材是大数据会计领域的原创教材，在国内外得到了广泛应用。

内容提要：

为了鼓励深入思考与交流，我们也希望参会同学能选择一篇与AI相关的学术论文，并准备5分钟左右的简要分享，聚焦该论文的“增量贡献”，即它相较于已有研究提出了什么新的见解？解决了什么未解的问题？这是一次轻松的交流，不是正式汇报。形式不限，内容不限，旨在营造思想碰撞的氛围，帮助大家建立起跨学科的学术视角。

近年来，生成式人工智能（Generative AI）在信息处理与财务决策领域展现出巨大潜力。我们精选了arxiv上两项最新研究成果，聚焦大语言模型（LLMs）在会计信息解读与财务报表分析中的突破性应用，诚邀学术同仁交流探讨。

论文一：Bloated Disclosures:Can ChatGPT Help Investors Process Information?（冗余披露：ChatGPT能否助力投资者信息处理？）

该研究以股票市场为实验平台，实证分析ChatGPT对复杂企业信息披露文档进行摘要提炼的有效性。研究发现，尽管生成摘要明显缩短了文本长度，但信息含量反而更高，且与市场反应的解释力更强。文本情绪在摘要中被进一步放大，而所谓的“冗余披露”会导致价格效率降低与信息不对称上升。该文首次提出了信息“膨胀度”的量化指标，验证生成式AI在减轻投资者信息处理负担方面的巨大潜力。

论文二：Financial Statement Analysis with Large Language Models（大语言模型的财务报表分析）

本文探讨GPT-4在标准化、匿名化的财务报表分析任务中的表现。即使缺乏行业语境或叙述性信息，GPT-4在预测未来收益变化方向方面超过了人类分析师，并与当前最先进的特定机器学习模型精度相当。尤其在人类分析师常常失效的情境下，LLM表现出显著优势。研究还表明，该模型的预测不依赖其训练记忆，而是基于真实的分析推理，其构建的投资策略也优于传统模型，展现了在决策支持中的广阔前景。