衡量企业成功最无情的标准,始终是“是否达成季度盈利目标”。这一延续数十年的华尔街惯例,正面临人工智能的颠覆。

今年10月,金融AI初创公司Samaya发起挑战,声称其预测精度超越分析师。这家在2025年已完成4300万美元融资的公司,针对可口可乐、Carvana等50家大型企业发布了第三季度盈利预测。为期两周的实验结果显示,Samaya在50个案例中有40次比华尔街共识预期更准确,且多数情况下优势显著。

实测结果:AI大幅跑赢共识

实验选取了10月26日至11月5日期间发布财报的50家公司,涵盖医疗、能源、IT等十个行业。Samaya在财报发布前至少一天提供每股收益(EPS)或营收预测,并与分析师共识数据进行比对。

结果印证了Samaya的实力。在Verizon营收预测中,Samaya预估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调整后EPS预测上,Samaya预估1.65美元,也优于分析师的1.62美元共识(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家保持领先。其精准预测包括Palantir营收(预估23亿美元 vs 实际23.1亿美元 vs 分析师21.8亿美元)以及Permian Resources的EPS(精准命中0.69美元 vs 分析师0.625美元)。

Samaya的主要失误出现在百胜餐饮集团(Yum Brands),其EPS预测远低于实际值,而分析师预测更为接近。此外,在亚马逊和谷歌的营收预测偏差程度上,AI也略逊于分析师。Samaya首席执行官Maithra Raghu指出,当华尔街共识更准确时,往往涉及拥有大量私有研究的大型公司,而Samaya仅依赖备案文件、新闻等公开数据。

打破“从众”的华尔街惯例

华尔街共识的形成深植于人性与博弈。Zacks研究总监Sheraz Mian指出,分析师倾向于随大流,因为非正统预测一旦出错,声誉损失远超正确带来的赞誉。同时,企业投资者关系(IR)团队为避免股价因“未达预期”而受罚,常对过于乐观的分析师施加软性压力,导致预测目标被刻意压低。

爱荷华大学教授Paul Hribar表示,这种机制使得更高比例的公司最终能达成或超越预期。长期以来,市场甚至存在反映真实信念的“耳语数字”。然而,AI模型不具备人类的从众本能或对IR压力的恐惧。尽管Raghu担心引入分析师笔记可能导致AI内化偏见,但Samaya目前的成功表明,基于公开数据的AI预测有望打破分析师与IR之间舒适的共识闭环。

面对外界关于其是否转行交易员的猜测,这位前Google Brain团队成员表示,目前仍致力于Samaya的技术研发。