AI Research Breakthroughs and Financial Market Expectations
陳O嘉、陳O如
本研究以六大子領域的季度、年度論文數量及引用成長衡量，探討 AI 研究產出是否能預測 2017 至 2026 年間美國主要科技股的報酬。採用附 Newey-West HAC 標準誤的 ARDL 框架，結果顯示 AI 論文成長在兩個月滯後下對市場報酬具有正向預測力（β₂ = 0.106，p = 0.028）；引用成長則展現更強的 Granger 因果關係（p = 0.018）。各公司的相關模式差異顯著：微軟與蘋果顯示出相對較強的正向關聯，而 Alphabet 則呈現持續性的負向關係。面板固定效果估計確認，每個子領域均提供超越整體 AI 情緒指標的獨立資訊。在個股與子領域層面，Computer Vision × NVDA（Granger p = 0.012）與 Robotics × AVGO（p = 0.028）為最強配對；Machine Learning × AVGO 則錄得最大的累計四個月效果（+0.404）。整體模型配適度偏低（R² = 6–10%），顯示 AI 研究產出僅為輔助性領先指標，而非主導報酬的核心因子。
