
“衡量企业成功最无情的指标,是你上个季度的盈利达标了吗?”这句1997年的观察至今仍是铁律。每逢财报季,投资者便依据公司是否达到华尔街分析师的共识预期,对股价进行奖惩。然而,这一延续数十年的惯例正面临被颠覆的风险。
今年10月,金融AI初创公司Samaya声称其财报预测准确率高于人类分析师。这家在2025年完成4300万美元融资的企业接受了挑战:在财报发布前,对包括可口可乐和Carvana在内的50家大型公司第三季度业绩进行预测。为期两周的实验显示,Samaya不仅击败了分析师,且优势显著——在50个样本中,其预测在40家公司上比华尔街共识更准确,且多数情况下差距明显。
实验结果:AI大幅领先
本次实验选取了10月26日至11月5日期间公布Q3业绩的50家公司,涵盖医疗、能源、信息技术等十个行业。Samaya在每家公司的财报发布前一天,基于AI提供每股收益(EPS)或营收估算,并与彭博社提供的分析师共识数据进行对比。
结果证实Samaya并非空谈。在Verizon的案例中,Samaya预测营收为345.2亿美元,比分析师共识的347.7亿美元更接近实际的343.1亿美元;在UPS的案例中,其预测调整后EPS为1.65美元,也优于共识估计的1.62美元(实际为1.67美元)。
尽管在S&P Global和PayPal等少数案例中分析师扳回一城,但Samaya在剩余44家公司中的36家保持了领先。 notable的胜利包括精准预测Palantir营收为23亿美元(实际23.1亿美元,分析师预测21.8亿美元),以及完全命中Permian Resources的0.69美元实际EPS(华尔街预测为0.625美元)。
Samaya的主要失误出现在Yum Brands,其预测EPS为1.42美元,远低于实际的1.56美元,而分析师预测的1.49美元更为接近。此外,在预测亚马逊和谷歌营收不及预期的程度时,AI也输给了人类分析师。
Samaya首席执行官Maithra Raghu指出,当华尔街共识更准确时,通常涉及那些受到大量私人研究关注的大型公司。由于Samaya仅依赖备案文件、新闻报道等公开数据,而未将非公开的分析师笔记纳入训练材料,因此在这些领域存在盲区。Raghu表示,未来可能会引入分析师笔记,但也担忧这会让AI内化华尔街的从众偏见。
打破“共识”的心理游戏
Zacks研究主管Sheraz Mian指出,华尔街共识的形成深植于人性与压力游戏。分析师往往倾向于随大流,因为发布非正统预测若出错,声誉损害远大于正确时的赞誉。这种从众本能又被企业投资者关系(IR)团队强化:IR团队会密切监控并施压分析师,确保证券交易委员会《公平披露条例》禁止下的“软性压力”生效,使盈利目标调整为可轻松达成的数值。
爱荷华大学教授Paul Hribar表示,这导致更高比例的公司最终能达到或超过预期。虽然华尔街长期存在反映真实信念的“耳语数字”,但若Samaya等AI模型获得青睐,当前基于人类激励与偏见的财报惯例能否持续,仍是一个未解之谜。
AI模型虽无意识,却可能内化人类偏见。但同样可能的是,基于AI的预测增长将彻底打破分析师与IR之间舒适的共识平衡。面对“是否转行做交易员”的提问,Raghu表示目前仍致力于Samaya的技术开发。