赢翻网配资 FAJ：让图像说话

　　炒股就看金麒麟分析师研报，权威赢翻网配资，专业，及时，全面，助您挖掘潜力主题机会！

　　来源：北京金融分析师协会微信公众号

　　* 此项目由CFA Institute及CFA Society Beijing联合推出。

　　The Financial Analysts Journal 创刊于1945年，是CFA Institute主办的投资管理领域专业期刊。2020年，该刊位于社会科学引文索引（SSCI）二区。本中文推介项目得到了FAJ编辑部的授权。

　　FAJ：让图像说话

　　Images Tell Stories

　　综述：李阳，李兰

　　审校：白雪石，CFA

　　作者：Joshua Ronen、Tavy Ronen、Mi Zhou

　　原文链接：Financial Analysts Journal， Vol.81 Issue2

　　推荐语

　　远古时期，人类最早的祖先在幽暗的洞穴墙壁上留下手绘的痕迹，这些图像不仅是艺术的萌芽，更是他们试图向后人传达思想与经验的媒介。随着文明的发展，绘画与雕塑逐渐成为表达情感与观念的重要手段，艺术家们用画笔和刻刀诉说内心的感悟，或轻声细语，或震撼人心。艺术从来不只是装饰，而是一种深层次的交流方式。

　　在当今社会，图像的影响力早已不再局限于画廊与博物馆。企业高管和决策者们也深知视觉语言的力量，他们借助图表、标志、广告甚至幻灯片中的图像来传递战略意图、塑造品牌形象、影响公众认知。图像，作为一种跨越语言障碍的通用表达方式，始终在讲述故事，影响认知，连接过去与未来。

　　纽约大学Stern商学院会计学教授Joshua Ronen等人在阅读大量上市公司年报的过程中深入探讨了图像在投资决策过程中的重要性及其影响机制。本文不仅为我们揭示了图像如何通过情感和认知两个渠道影响投资者行为和决策，还展示了生成式AI在图像生成和分析中的潜力，为未来的研究和实践提供了新的视角。

　　文中提出的双重渠道理论——即图像通过情感和认知两方面影响投资决策的观点，是本文的核心贡献之一。情感渠道关注的是图像特征（如色彩、非对称性）如何引发观众的情感反应，进而影响其投资行为；而认知渠道则侧重于如何对图像内容进行补充或强化文本信息，促进更有效的信息处理和记忆。这种二元视角有助于我们全面理解图像在金融沟通中的角色。

　　作者通过介绍七项关键视觉特征：非对称性、色彩丰富度、简洁性、数量、自相似性、清晰度和柔和度，并通过实证研究证明了这些特征与众筹项目筹资额之间的正相关关系。这表明精心设计的图像不仅能吸引注意力，还能激发积极的情感反应，拉动投资者的情绪，从而提高项目的成功率。

　　图像在激发情感的同时，也可能让人们远离理性。

　　当子弹从特朗普的右耳呼啸而过，美联社记者埃文·沃奇抓拍下了他在特勤局特工簇拥下右耳带血、高举拳头、目光如炬的照片，并瞬间引爆社交媒体。不需要复杂的政策阐释或事实核查，其高度符号化的视觉语言即构成了一套极具煽动性的非理性叙事，传播效率与情感动员能力远超任何精心准备的竞选演讲或政策纲领，成为“最具说服力的竞选素材”，充分展现了图像媒介的强大能量——它不再是传统传播链条的“附属品”，而是凭借其直观的情感冲击力和算法的放大效应，成为直接撬动公众认知、重塑权力影响力的核心载体。

　　而央行的理性主义正成为这一趋势的受害者。“美联储主席只需在新闻发布会上将语气从积极转向消极，对标普500指数的影响就可能高达200点”（见《美国经济评论》2023年论文“The Voice of Monetary Policy”）的时代已经过去，如今的鲍威尔既不能说服川普，也不能说服同僚，当然也无法说服债券投资者。中央银行家的理性逻辑已经被定义为“精英谎言”，权威机构精心构建的理性、复杂、基于数据叙事的影响力不可避免地趋于弱化。

　　伴随人工智能时代的到来，社交媒体与算法传播进一步加速重构了沟通权力结构，碎片化、情绪化、视觉化甚至虚构化内容的病毒式传播将成为主流。

　　无独有偶，诺贝尔经济学奖得主罗伯特·席勒（Robert J． Shiller）在新冠疫情时期出版的《叙事经济学》（Narrative Economics）就对这种现象提供了深刻的理论解释。席勒敏锐地指出，驱动重大经济行为和市场剧烈波动（如资产泡沫的膨胀与破灭、经济衰退的蔓延）的深层力量，往往并非冰冷的数学模型或“理性人”的精打细算，而是具有高度传染性的“叙事”。他揭示：“叙事”是通过情感共鸣、简单符号、易于传播的故事形态进行病毒式扩散，从而广泛渗透并深刻重塑公众的集体心理与经济决策的关键非理性力量。

　　这种转变发生的原因，或许与人工智能技术爆发式增长有一定的联系。AI不仅改变了我们的生活方式，也深刻影响了我们的思考模式和决策过程。特别是在信息获取方面，算法推荐系统通过分析用户偏好，推送个性化内容，逐渐形成了一个个“信息茧房”。这种现象使得人们更容易接收到符合自己观点的信息，而忽视了其他可能性，导致思维的单一化和片面化。在这样的背景下，许多人开始表现出非理性的倾向，尤其是在面对复杂的投资决策时，容易受到情绪的影响而非基于事实的数据分析。

　　图像，尤其是由生成式AI创造出来的图像，对投资者的情绪和决策产生了深远的影响。这些图像通过视觉冲击、色彩搭配和构图设计等元素，能够迅速触动人们的情感中枢，激发正面或负面的情绪反应。例如，在投资领域，一张展示市场繁荣景象的AI生成图像可能让投资者感到信心倍增，从而更倾向于进行风险投资；相反，一幅描绘经济衰退的画面则可能引发焦虑和恐慌，导致投资者采取保守策略。

　　正如本次推荐的文章中也指出，生成式AI创造出的图片可以为金融分析师提供额外的信息补充，帮助他们更好地向受众解释和传达复杂的金融概念及市场趋势。通过将抽象的数据和分析结果转化为直观的视觉图像，不仅能够降低理解门槛，还能更有效地捕捉并保持观众的注意力，从而带动情绪。

　　随着人工智能技术的进步，尤其是生成式AI的发展，我们正步入一个全新的视觉叙事时代。在这个时代中，图像不仅能够传递信息、激发情感，更成为连接人类直觉与逻辑思考的桥梁。然而，面对这股强大的视觉力量，我们也应保持理性，成功的投资决策往往诞生于感性洞察与理性分析的完美结合之中。

　　摘要：图像能够增强对文本材料的解读并提升决策质量。我们总结了关于图像如何影响决策的最新研究，其影响通常通过两个渠道实现：情感与认知。体现图像表现力的特征，例如色彩丰富度和清晰度，主要作用于情感层面；而图像内容在一定程度上强化或补充文本信息，则通过认知渠道发挥作用。研究表明，特定的图像指标能够带来更高的众筹投资额、更小的分析师预测误差和分歧，以及更低的市场风险。最后，我们探讨了生成式AI在图像生成和分析中的作用，并使用通用电气（GE）10-K年报中的内容进行实例说明。

　　关键词：分析师预测准确性；分析师预测分歧；内容强化；生成式AI；图像；机器学习；视觉特征；视觉表现力

　　披露：作者报告未存在潜在的利益冲突。

　　01 引言赢翻网配资

　　图像能够讲述故事。不仅如此，图像所承载的信息还会影响诸多领域的投资决策。例如，研究表明众筹项目提案中的图像特征（如色彩丰富度）及其信息内容有助于提升融资额。此外，公司网站或提交给美国证券交易委员会（SEC）的年报中的图像，能够提升分析师关于每股收益（EPS）的预测准确性，并减少分析师之间的分歧；而且这些图像似乎会影响长期的财务回报和其他绩效指标。

　　更重要的是，图像所包含的信息内容——在能够补充或强化包含这些图像的文件中文本内容的程度上——似乎会放大图像对投资决策的影响。例如，能为文本材料补充信息的图像能够提升众筹金额。年度报告中，强化文本内容的图像信息能够放大其对分析师预测的准确性的积极影响、减少分析师之间的分歧，并提升其他财务指标。此外，在ESG（环境、社会和治理）报告中，图像强化文本内容的程度也进一步有助于提高评级。

　　除了图像所包含的信息内容外，图像本身的特征和属性也是重要的影响因素。例如，色彩丰富度、清晰度、简洁性、所含物体的非对称性以及其他可以统称为“表现力”的元素，都会影响众筹金额。

　　本文旨在初步揭示，当精心挑选的图像被纳入其中时，它们如何改变利益相关者对书面材料的反应。这项开创性研究尚处于起步阶段，任重道远。鉴于其充满前景的开端，继续深入研究显然是非常有价值的。具体而言，基于上文提及并在下文详细阐述的初步研究成果（基于Ronen等人2023年和Ben-Rephael等人2024年的研究），我们认为，深入探究图像效应的复杂机制，将帮助投资者更好地吸收书面信息，从而提升决策质量。

　　02 图像影响决策的双重渠道

　　图像影响投资决策的原因和方式是什么？情感（情绪或感觉）和认知（思维处理）构成了图像影响投资行为和决策的两个渠道。首先分析情感渠道。情感与感知密切相关，情感在潜移默化中传递有关预期行动后果的信息。情感塑造了人们对环境的感知和行动方式。心理学和神经科学的研究成果强调了情感在决策过程中的作用。与情感密切相关的感知决定了特定图像或部分图像如何吸引注意力。例如，视觉显著性（某物的醒目程度）已经被证明能将读者的视线引向照片或特定的照片元素，再如清晰度、图像中物体的数量和大小等等。如果图像中的显著物体能引发情感反应，视觉显著性应该会影响金融决策。因此，我们可以合理预期，图像的内容（通过感知作用）和特征（通过情感作用）会影响金融决策，并使受众参与到复杂的感知与决策过程中。

　　图像也通过调节认知来影响决策。图像的存在会显著影响诸如记忆、观点和意图等认知结构。例如，研究表明，在新闻媒体中，图像对观点的影响远大于文字。图像更容易被记住，因为它们通过不同的神经通路进行处理。图像也能被更好地记住，因为它们比文字拥有更鲜明的特征。图像对认知的影响表明，其内容可能强化或补充由包含该图像的文档中的文本材料所引发的认知过程。

　　鉴于上述图像的重要性和它们对金融决策的影响（下文将详细阐述），图像出现在面向投资管理界的沟通材料中便不足为奇了。例如，Ronen等人（2023）发现，在股权众筹项目推介页面上包含封面图片，平均融资额能够显著增长15%。尽管图像在投资界中普遍存在，并被有意嵌入传播材料（投资者关系推介材料、时事通讯、业绩报告等），但它们尚未得到充分重视和研究。

　　03 图像通过情感渠道所产生的效应

　　大量文献关注文本材料的重要性。诸如可读性、情感倾向和模糊度等术语，在记录这些文本属性对各种决策（尤其是市场结果）的系统性影响的学术著作中屡见不鲜（Breuer、Knetsch、Sachsenhausen，2025；Serafeim，2020）。近来，图像在决策中的作用也受到越来越多的关注（Ang等人，2020；Ronen等人，2023；Hellmann等人，2024）。借鉴心理学“情感”与“认知”的概念，学者们推测了图像特征与人们决策行为之间存在的关联。例如，市场营销与创业学者们借助实验研究了视频对创业企业融资成功率的影响；金融与会计学者则探究了图表等视觉操纵手段如何辅助印象管理。

　　更进一步，Ronen等人（2023）提出了影响投资者行为的七个关键图像视觉特征：非对称性、色彩丰富度、简洁性、多元素、自相似性、清晰度和柔和度。作者将这些特征整合为一个单一的视觉表现力指标，发现该指标与众筹活动的筹资额呈正相关性。构建的这一视觉表现力指标被认为通过塑造感知和引发情感反应来影响投资者行为，凸显了视觉设计在投资决策中的重要性。以下将逐一描述使用客观方法计算得出的这七个具体视觉指标。关于这七个视觉表现力构成要素在更广泛文献（包括但不限于心理学、营销学、计算机科学、医学和艺术领域）中的其他提及，详见附录。

　　具体计算详见Ronen等人（2023）的研究文献。

　　04 图像特征

　　非对称性。该指标是指图像在构图、结构或元素分布上的视觉失衡。具体而言，该指标量化图像内容沿中轴线分布的不均衡程度，突出反映视觉构成上缺乏平衡性与统一性。

　　非对称的设计和图案通常会引发特定的心理与感知反应，进而影响投资决策。其效果因情境、情感联想和个体偏好而异。对称性在复杂图案及人脸中预示更高的美学评价（Arnheim，1988；Fink等人，2006），但非对称性在简单图案中更受青睐，因为它能够创造视觉焦点（Bapna和Ganco，2021；Bertamini等人，2019；McManus，2005）。在Ronen等人的研究中，非对称性能够吸引注意力、激发兴趣，从而显著提升众筹项目的人融资成功率。

　　示例：图1展示了图像的非对称性。上图中风景照右侧杂乱堆砌的鞋履比下图中车辆整齐排列的构图具有更强的非对称性。

　　图1：非对称性

　　色彩丰富度。色彩丰富度与情感行为和认知感知密切相关。研究表明，更高的色彩丰富度能在多种场景下提升偏好和积极情感效应，包括学习成果（Kumi等人，2013）和食品消费（Genschow、Reutner和Wänke，2012；Harrison、Reinecke和Chang，2015；Paakki、Sandell和Hopia，2019；Reinecke等人，2013）。在营销、艺术、教育、金融和法律等领域，色彩通过激发情感、认知和行为反应，对决策产生显著影响。

　　这些影响既源于色彩的心理联想，也基于文化认知。一般来说，红色会引发紧迫感、风险规避和注意力集中，而蓝色则促进冷静、信任和理性决策（Elliot，2019；Hill和Barton，2005；Pazda和Greitemeyer，2015；Wilms和Oberfeld，2018）。这些影响可能因文化而异。在西方文化中，红色可能象征警告或损失，而在中国，红色通常代表繁荣和幸运。在金融决策中，红色刺激已被证实会强化风险规避倾向（Bapna和Ganco，2021；Chan和Park，2015；Gnambs、Appel和Oeberst，2015；Kliger和Gilad，2012）。

　　示例：图2展示了图像色彩差异。上图明亮诱人，色彩丰富度评分显著高于昏暗阴沉的下图。

　　图2：色彩丰富度

　　简洁性。图像的简洁性体现为信息密度低、布局清晰和元素精简三大特征。这类图像更受投资者青睐，因为它们能降低认知负荷，并能快速传达关键信息（Henderson和Cote，1998）。研究表明，简洁性能增强舒缓特质（Berlyne，1970），但与有序性结合时降低了吸引力，但提升了偏好（VanGeert和Wagemans，2021）。根据加工流畅性理论（Processing fluency theory），更简洁的视觉效果更容易处理，更具愉悦感，并能产生积极情感效应（Alter和Oppenheimer，2006；Reber、Schwarz和Winkielman，2004）。

　　示例：在图3中，上图陈列整齐的电力设备的图像简洁性得分显著高于下图杂乱无章的图像。

　　图3：简洁性

　　数量。数量是指图像呈现的元素数量，影响感知、认知和决策。当要求准确度和认知效率的情况下，视觉数量会直接影响信息解读、注意力分配和决策精度。Bagchi和Davis（2016）发现，人们会因图像呈现更高的数量感（higher numerosity），直觉推断其实际数量更大（greater quantity），而往往会忽略其他信息。Park等人（2016）发现人类大脑对元素数量的敏感度超过其他视觉属性。研究还表明，包含更多元素的图像会改善偏好和绩效表现，如在年度报告中（Townsend和Shu，2010）和众筹项目中（Yang等人，2020）。

　　示例：图4中，上图中布满石膏板固定件，数量评分显著高于仅展示单个凝胶包装的下图。

　　图4：数量

　　自相似性。若图像在缩放过程中显示相同的重复视觉图案（或形状）赢翻网配资，则具有自相似性（Mayer和Landwehr，2018）。自相似性可以在视觉感知、社会判断等多场景影响决策过程，具体取决于个人如何处理和解释这些视觉线索。研究表明自相似性能提升偏好度（Robles等人，2021；Taylor，1998）并激发积极情绪（Brielmann等人，2022）。无论是源自自然、艺术或是计算机生成的设计，自相似图像始终更受青睐（Spehar等人，2003）。

　　示例：如下图5，具有重复相似草图的上图比元素杂乱堆砌的下图，具有更高的自相似性得分。

　　图5：自相似性

　　清晰度。图像的清晰度（无模糊）增强了细节的可见性，提高了感知准确性和认知处理能力。相比之下，在广告和医疗诊断领域，模糊会引发歧义，并降低决策质量。清晰度将注意力聚焦至图像中更明显的区域（Enns和MacDonald，2013；Loschky等人，2014；Marchesotti、Murray和Perronnin，2015；Veas等人，2011），通常比模糊或有颗粒感的图像更受青睐（Virtanen、Nuutinen和Häkkinen，2022）。

　　示例：如下图6展示，上图中的物体清晰可辨，其清晰度评分显著高于模糊失焦的下图。

　　图6：清晰度

　　柔和度。图像的柔和度，通过柔化纹理与扩散的边缘，影响情感和认知决策过程，尤其是在消费者行为和质量感知方面。Fortmann-Roe（2013）通过研究Twitter用户的个人资料外观偏好发现，低亮度与低饱和度（高柔和度）的组合更受欢迎。Wilms和Oberfeld（2018）以及Guterman等人（2010）关于亮度的研究部分佐证了这一结论。

　　示例：如下图7，展示都市柔光的上图，其柔和度评分高于展示强光照射的手袋的下图。

　　图7：柔和度

　　05 表现力对众筹的影响

　　Ronen等人（2023）通过研究这七项图像特征对众筹项目筹集的资金的影响，证实视觉特征与众筹的资金量呈正相关。更重要的是，“视觉表现力”——作为通过七项特征汇总构建的综合指标，也与资金量呈正相关。在控制其他变量的情况下，视觉表现力每增加1个单位，资金量大约增加10%，这一经济意义重大。因此，项目推介图像通过补充，甚至替代文本信息，显著增强了提案的说服力。

　　本节探讨了图像通过情感渠道影响投资行为和决策。在下一节中，我们将探讨图像如何通过认知过程影响投资决策。

　　06 图像通过认知渠道所产生的效应

　　图像所传达的信息能够强化伴随文本材料中的内容（强化），或者引入新的信息来补充通过文本形式传递的内容（附加）。

　　图像是否与财务结果呈正相关关系，是因为它们起到强化作用还是因为它们具有补充性，似乎取决于视觉元素在报告或其他文件中的普遍程度（相对于所伴随的文字材料的数量）。理论上，图像信息可以是重复的、矛盾的、补充的或相对于文本内容中立的。在如Ronen等人（2023）探讨的Crowdcube股权众筹情境中，平台仅允许使用一张大封面图片以及一些类似于指甲盖大小的缩略图片（在某些有限的情况下），非上市公司或项目的文字及其他非视觉信息的传播非常局限。在这种情况下，一张突出的图像对于填补投资者的信息空白被证明是非常重要的——无论是通过吸引注意力还是提供额外信息。

　　因此，在文本材料稀缺的情境下，如众筹平台，可以合理推测出可以通过图像补充信息内容来发挥作用。相反，在文本信息丰富但视觉页面相对稀缺的情况下，例如Ben-Raphael等人（2024）所考察的年度报告（以下简要描述），可以推测图像是通过强化嵌入文本中的信息内容来发挥作用的。重要的是，我们推测并确认，当被强化的文本包含突出的段落或短语时，强化作用将展现出最理想的效应。

　　在Ronen等人（2023）的研究中，我们利用Google Vision获取识别图像中所描绘对象或主题的标签。基于这些标签和项目描述，我们构建了附加性度量以捕捉图像中包含的信息对文本描述信息的补充程度。研究发现，附加性显著地发挥了作用。在维持表达力为均等水平时进行评估，当平均图像的附加性增加一个百分点，筹集资金额增加了约1.78%。两种力量在起作用：反映在表达力中的情感渠道，以及反映在附加性中的认知渠道。

　　现在我们转向强化概念。Ben-Raphael等人（2024）考察了图像对分析师预测准确性、分散度及其他市场指标的影响。为了构建强化度量——以及Ronen等人（2023）先前提及的附加性度量——我们首先将图像页面，如果其前三个由Google Vision生成的标签不具有“意义”（如“字体”、“圆圈”或“文本”），分类为无信息性的。然后，我们处理有信息性的图像页面的标签（即无信息性图像页面的补集）。具体而言，如果至少有一个标签与相应的文本叙述相匹配，则将图像页面分类为强化性的；如果没有这样的匹配，则将其分类为非强化性的。

　　在图8中，左侧的图像页面来自Astec Industries 2015年年报；它被归类为强化性图像，因为它包含诸如“工程”、“气体”、“工业”、“基础设施”、“金属”和“筒仓”等标签，这些标签可以在报告中找到。另一方面，右侧的图像页面来自Southside Bancshares2006年年报；它被归类为非强化性图像，因为该图像的标签如“傍晚”、“地平线”、“大自然中的人们”和“日出”均与年度报告中的文本内容不匹配。

　　图8：强化性与非强化型图像事例

　　在Ben-Rephael等人（2024）的研究中，我们通过构建一个分析师季度预测准确度的衡量指标，该指标基于每位分析师在特定季度所覆盖的股票的预测误差，来考察视觉信息丰富度与分析师季度盈利预测误差之间的关系。

　　除了分析师预测误差之外，我们还考察了视觉信息丰富度对分析师预测分散度的影响。

　　在众多指标中，我们特别关注我们设计的新型强化度量，旨在捕捉图像内容增强文本信息（认知）渠道的程度。尽管主要的强化度量反映的是图像内容如何增强对文本信息的理解，这种增强是通过图像标签与年报文本叙述的一致性程度来校准的，但我们同时也考虑了图像对10-K报告中重要且突出部分（如公司业务描述和管理层讨论与分析（MD&A）部分）中文字内容的针对性强化作用。此外，我们进一步探讨了专业化版本的强化效应，例如，业务和MD&A部分综合文本的强化作用。

　　我们发现，除了图像数量的显著影响之外（在回归中已控制所有可能相关的因素），上述各种强化指标的影响均为负向且在统计和经济意义上具有显著影响，这表明强化程度越高，分析师的预测误差越小。例如，10-K报告中“业务描述”部分文本的强化程度每增加一个标准差，预测误差标准差衡量的预测准确性提高大约1.8%。同样地，对“业务描述”和“管理层讨论与分析（MD&A）”部分文本的综合强化，与预测分歧度下降大约1.9%相关。此外，这一强化指标还与以回报的标准差衡量的更低的风险、更低的贝塔系数以及更低的股权成本相关。

　　07 生成式人工智能及其在财务分析中的应用

　　图像处理技术的革命性发展，如TensorFlow和Google Vision，现在使我们能够解读嵌入在图像数据中的信息。这些工具还使得通过解读复杂数据并以视觉冲击力强的方式呈现数据，从而生成有价值的洞察成为可能。鉴于“公司演示材料”、投资者关系沟通、新闻简报、业绩报告等文件中使用图像的情况已广泛存在且日益增长其使用，这类技术进步对资产管理行业具有重要意义。

　　这一演变对决策者至关重要，例如金融分析师必须在日益庞大且复杂的数据库中评估趋势、预测结果并提出战略建议（Rane 2023）。此外，分析师必须有效地解释和呈现这些数据给具有不同财务专业知识的利益相关者（Krause 2023）。将此类数据嵌入图像中可能会提高分析师的客户对数据的同化能力。

　　因此，视觉和视觉信息可以通过弥合数据复杂性与人类理解之间的差距，在缓解这些挑战方面发挥关键作用（Ronen等人，2023）。设计良好的视觉内容可以帮助读者通过图像和其他直观形式，更好地理解复杂的文本和数据。这使得分析师能够快速突出显示出趋势、异常和关键指标。生成式人工智能可以加快这些辅助工具的生成与分析过程。

　　事实上，人工智能工具可以在金融分析的各种情境中应用（Fairhurst和Greene 2025；Krause 2023；Rane、Choudhary和Rane 2024）。例如，它们可以快速处理庞大的数据库——无论是文本还是数值，结构化还是非结构化——以识别模式并提供诸如图像、动态仪表板（可以根据用户交互和新数据输入调整可视化）和预测可视化等视觉辅助工具（Deleu 2024；Ye等人 2024）。结合起来，这些工具可以模拟金融场景，并促进利益相关者对风险和机会的评估。

　　总之，生成式人工智能可以被金融分析师有效利用，将数据分析与视觉叙事艺术相结合，实现更高的参与度和效率，并使分析师能够以更清晰和有影响力的方式传达复杂的财务故事。尽管目前生成式人工智能仍处于初级阶段，其输出结果还不一致，但未来的模型无疑将产生更加令人印象深刻的结果。

　　在下一节中，我们将通过一个简单的例子来说明金融分析师如何利用人工智能工具为不同的受众提供个性化视觉内容，根据不同的报告内容和受众的专业水平，对视觉内容进行定制化设计。例如，更专业的投资者可能更倾向于强调风险指标的视觉呈现，而众筹的受众则可能对情感共鸣的图像反应更好。定制化的视觉内容有助于提高沟通效果和财务成果。

　　08 具有视觉强化和表现力的人工智能生成图像

　　一个使用ChatGPT-4o（DALL-E）和GE 2023年10-K报告中MD&A部分文本的简单例子，说明了人工智能工具如何用于创建如之前描述的表现力和强化措施的具有特定视觉特征的图像。

　　我们要求ChatGPT生成两张图像，这两张图像都强化了以下摘自GE 2023年10-K报告“MD&A重要趋势和发展”部分的文本：“我们在2023年的业绩反映了对商业航空旅行的强劲需求以及服务业务的持续强劲表现，贡献今年航空航天收入的70%以上。我们商用发动机和服务业务的一个关键驱动因素是全球商业航班数量，与2022年相比，全球商业航班数量在2023年的增长率的区间为16%到19%。由于经济状况、航空公司竞争和政府法规的不同，各地区的航空交通增长趋势也有所不同。与行业预测一致，我们预计2024年航班的增长率将放缓至中个位数。我们经常与我们的航空公司、飞机制造商和维护、修理及大修客户就商业航空旅行前景、新飞机生产、机队退役和售后市场服务，包括维修访问和备件需求，进行对话。”第一张图像是基于Ronen等人（2023）先前介绍并描述的七种视觉特征构建的，以反映更高的表现力价值；第二张图像是为了反映较低的表现力价值而构建的。生成的图像显示在图9和图10中。

　　图9：基于 GE 文本并具有高度表现力的 ChatGPT 生成图像

　　图10：基于 GE 文本并具有低表现力的 ChatGPT 生成图像

　　第一张图像的综合表现力指标为2.36，而第二张图像则为0.62。值得注意的是，表现力指标较高的图像可能被解读为比表现力指标较低的图像更具视觉吸引力（对大多数人而言）。

　　09 定制图像：人工智能示例

　　下面的简单示例说明了如何根据特定报告和不同利益相关者的需求来定制视觉内容。ChatGPT被要求生成三张图像（图11、12和13），根据指定三个不同的受众群体，以强化一家玩具公司全球扩张的概念。

　　虽然为个人投资者和专业投资者定制的图像（分别为图11和图12）都突出了全球扩张、制造以及增长，但视觉基调和焦点似乎有所不同；面向个人投资者的图像呈现出生动、易懂的视觉效果，而面向专业投资者的图像则更为低调、专业且数据驱动型。后者包括对基础设施的关注。图11是非专业投资者设计的，视觉上有所不同，采用了极其欢快、色彩丰富且吸引人的元素，如玩偶，来展示公司的产品和全球影响力。图12中的图表显示了上升趋势，似乎被设计得更加活泼，以捕捉公司对众筹投资者的兴奋感和潜力。

　　虽然这些图像确实针对不同的受众进行了定制，但两个子部分中的视觉效果的局限性显而易见。从视觉上看，这些图像仍然粗糙且卡通化，并包含奇怪的文字元素。此外，当前的人工智能工具在视觉表现方面面临许多挑战，包括不一致性、解释抽象提示的能力的局限性以及在不同执行中由同一提示生成的图像具有高度变异性。尽管如此，这里为展示生成的图像展示了生成式人工智能在视觉沟通和讲故事方面的潜力，特别是在未来。关于人工智能的研究正在全力进行。未来几代人工智能很可能会克服上述限制。

　　图11：ChatGPT生成的针对个人投资者的图像

　　图12：ChatGPT生成的针对专业投资者的图像

　　图13：ChatGPT生成的针对众筹投资者的图像

　　10 讨论与总结

　　古代洞穴居民在他们阴暗住所的墙壁上绘制图案；他们在向我们传达信息。随着时间的推移，画家和雕塑家通过他们的艺术绘画、素描和雕塑低声细语或大声呼喊内心的想法。当然，达芬奇、毕加索和其他艺术史上的巨匠相信他们通过杰作与我们这些凡人进行沟通。如今的高管们认为他们可以通过各种图像与我们交流，这又有什么奇怪的呢？

　　本文解释并展示了图像如何传达信息。图像创作者，如古代洞穴居民和艺术家，相信他们正在向观众传递信息。如果高管们不相信通过在年报、ESG披露、招股说明书、专利申请、会议电话记录等文件中创建和嵌入图像能够增强其利益相关者读者（投资者、贷款人、众筹者、评级机构等）吸收有价值信息的能力，以做出明智的决策，他们就不会有意投入资源来这样做。

　　确实，通过使用机器学习技术，我们已经证明图像可以通过潜在地加强传达给决策者的文本信息或增加文档读者可获得的信息集来影响商业利益相关者的决策。在众筹的情景下，图像通过提供增量信息对文本材料中提供的内容产生情感和认知渠道的双重影响，从而有助于资金的增加。此外，我们还表明，年报中的图像与分析师预测误差及其分散程度的减少有关；图像还对风险衡量和其他绩效指标产生了显著影响。

　　还有很多需要确定的问题：选择包含在年报和其他相关演示文稿中的图像的实际过程是什么？将市场参与者暴露于人工智能生成的图像中可能产生的道德和实际影响是什么？目前看来，向公众展示使用人工智能生成的图像似乎没有严重的法律障碍，但未来会怎样呢？问题层出不穷，必须给出答案。

　　尽管存在这些未解决的问题，但可以合理地认为，图像可以增强金融分析师与其受众有效沟通的能力。分析师可以在他们的财务分析报告中包含图像，以更好地传达他们对公司财务健康状况的印象和对其未来繁荣发展的预测。为了帮助分析师更好地与他们的利益相关者沟通，迫切需要进一步研究图像的作用及其对投资管理的影响。

　　在未来的工作中，我们打算将我们的方法应用于各种报告和用户。例如，我们正在研究纳入图像对首次公开募股招股说明书在市场微观结构变量、ESG报告中的评级、业绩电话会议中的股票市场指标等方面的影响。我们还计划进一步调查公司高管如何决定包含哪些图像以及他们是否设计图像以匹配报告中的书面内容。在金融分析师的报告和其他向决策者展示的演示文稿中包含人工智能生成的图像的法律方面也是需要考虑的重要因素。有很多工作要做，而且这项工作正在进行中。我们正在努力！

　　结束

　　Financial Analysts Journal（简称”FAJ”）是CFA协会（CFA Institute）主办的全球知名的投资管理领域专业期刊，该刊为季刊，每期发表论文4-8篇，在社会科学引文索引（SSCI）位列二区。

　　2021年底，CFA北京协会获得了CFA Institute期刊编辑部正式授权，邀请了一批协会内外的专家和志愿者作为推荐人/审校人，启动了FAJ研究成果推广项目。

　　【项目使命】本项目定位于将期刊的优秀研究成果，尤其是对中国投资实践具有启发意义的研究成果，以中文推荐和综述的形式发布在包括不限于“北京金融分析师协会”公众号的公共平台。项目的推荐人均为在金融投资实践和学术研究方面具有一定经验和成果的专业人士，因而能够较好的将来自国际市场的学术研究成果进行中国本土化转化，揭示出对我国金融市场的学习借鉴意义，吸收国际前沿学术成果，使之融入我国金融业的高质量发展和双向对外开放历史进程。

　　截至2025年6月，本项目已经发布研究成果57期，涉及资产配置理论前沿、ESG投资理论与实践、市场微观结构、组合构建策略、行为金融等多个领域，据不完全统计，这些研究成果的全媒体累计阅读量超过160万人次，公众号累计分享次数超5500次，包括中国人民银行主管的《金融时报》新媒体平台、财新网、新浪、凤凰等传统门户、清华金融评论、学说等学术类新媒体平台、中国保险资管业协会等行业组织公众号，都对本项目的研究成果多次关注和转载。

　　2024年6月5日，CFA北京协会FAJ中文推介项目作为“协会成功故事”被CFA Institute官方网站Connexions报道，分享给全球160余家CFA地方协会。