Wat is er gebeurd
Cornell Chronicle meldt dat Cornell-onderzoekers Martin Wells en Abir Sarkar een SV-ADF statistisch raamwerk hebben gecreëerd om de dagelijkse aandelenkoersen te onderzoeken en zeepbelachtig gedrag op het niveau van individuele bedrijven te identificeren. Hun analyse had betrekking op aan AI blootgestelde aandelen van 2020 tot en met april 2026 en concludeerde dat de AI-sector als geheel niet als één uniforme zeepbel mag worden behandeld.
Cornell Chronicle meldt dat Martin Wells, een Cornell-professor in de statistische wetenschappen, en promovendus Abir Sarkar een methode hebben ontwikkeld die het Stochastic Volatility-robust Augmented Dickey-Fuller- of SV-ADF-framework wordt genoemd.
De methode maakt gebruik van dagelijkse aandelenkoersen om vast te stellen wanneer zeepbelachtige episoden beginnen en eindigen, terwijl wordt geprobeerd rekening te houden met de gewone volatiliteit. Het doel van de onderzoekers was om tijdelijke prijspieken te onderscheiden van patronen die zij karakteriseren als speculatieve uitbundigheid op individueel aandelenniveau.
Cornell Chronicle meldt dat de onderzoekers van 2020 tot en met april 2026 aan AI blootgestelde aandelen hebben geanalyseerd. De steekproef omvatte grote Amerikaanse technologiebedrijven die de ‘Magnificent Seven’ worden genoemd, halfgeleider- en AI-infrastructuurbedrijven zoals TSMC en Broadcom, en cryptocurrency-activa. Het artikel zegt dat de analyse sterke aanwijzingen heeft gevonden voor overwaardering bij Alphabet, waarvan de aandelenkoers het afgelopen jaar met meer dan 70% was gestegen, vergeleken met een groei van ongeveer 20% voor de NASDAQ Composite.
Deze cijfers en de interpretatie worden gerapporteerd door Cornell Chronicle en worden hier niet onafhankelijk bevestigd. Het artikel zegt dat de onderzoekers in hun analyse ontdekten dat bijna alle halfgeleiderbedrijven in een zeepbel terechtkwamen na de release van ChatGPT in november 2022. Cornell Chronicle meldt ook dat het model tekenen van overwaardering bij Tesla in 2020 en uitbundigheid bij Bitcoin en Ethereum vanaf december 2020 identificeerde. Volgens het rapport stortten die eerdere zeepbellen later in, hoewel er in enkele gevallen vervolgens nieuwe uitbundigheid verscheen.
De bron identificeert niet elk bedrijf in de steekproef, geeft geen data per bedrijf of geeft niet de statistische drempelwaarden weer die worden gebruikt om een episode te classificeren. Cornell Chronicle presenteert het artikel ‘Is There an AI Bubble? Robust Data-stamping for Periods of Exuberance’, zoals gepubliceerd in juli in Frontiers in Mathematical Finance, een tijdschrift van het American Institute of Mathematical Sciences. Het rapport citeert de onderzoekers die zeggen dat hun methode niet alles als een zeepbel classificeert en bedoeld is om te voorkomen dat een hele sector als speculatief wordt behandeld, uitsluitend omdat sommige bedrijven extreme prijsbewegingen ervaren. De bron is een institutionele publicatie van Cornell over het werk van Cornell-onderzoekers; er wordt geen onafhankelijke replicatie, externe peer review-beoordeling verstrekt die verder gaat dan de vermelde publicatie, de reactie van het bedrijf of de onderliggende in het verstrekte materiaal.
Brongegevens: news.cornell.edu ↗
Waarom het ertoe doet
Het onderzoek biedt een meer gedetailleerde manier om te beoordelen of prijsstijgingen rond AI speculatieve uitbundigheid of bredere sectorprestaties weerspiegelen. Cornell Chronicle meldt dat Alphabet sterke bewijzen van overwaardering heeft laten zien, maar de bron bevestigt niet onafhankelijk de bevindingen van de krant, verstrekt niet de onderliggende gegevens of stelt niet vast dat aandelen zullen dalen.
De centrale bijdrage beschreven door Cornell Chronicle is een beperktere analyse-eenheid. In plaats van te vragen of ‘AI’ als categorie zich in een zeepbel bevindt, vragen de onderzoekers zich af of bepaalde bedrijven statistische patronen vertonen die verband houden met een zeepbel. Dat onderscheid is van belang omdat AI-gerelateerde bedrijven zich bezighouden met chipproductie, cloudinfrastructuur, software, zoeken, consumentenproducten en blootstelling aan cryptocurrency. Een sectorbreed label kan verschillen in omzet, bedrijfsmodellen en marktverwachtingen verbergen, terwijl een analyse van individuele aandelen een specifieker startpunt voor onderzoek kan bieden.
De gerapporteerde bevinding van Alphabet is potentieel belangrijk omdat Alphabet een groot, gediversifieerd beursgenoteerd bedrijf is en geen beperkt gerichte AI-startup. Cornell Chronicle zegt dat de aandelenprestaties tijdens de besproken periode substantieel hoger waren dan die van NASDAQ Composite en dat de methode van de onderzoekers sterke aanwijzingen voor overwaardering aan het licht bracht. Een statistische indicatie van zeepbelachtig prijsgedrag is echter niet hetzelfde als het bewijs dat de aandelen van een bedrijf verkeerd geprijsd zijn. Het laat ook niet zien waarom beleggers de aandelen zo hebben geprijsd, en ook niet waarom ze voorspellen wanneer de prijzen zouden kunnen veranderen.
De gerapporteerde historische bevindingen bieden context voor hoe AI-gerelateerd enthousiasme zich via aangrenzende markten kan verspreiden. Cornell Chronicle zegt dat halfgeleiderbedrijven over het algemeen zeepbelgedrag vertoonden na de release van ChatGPT, terwijl Tesla en grote cryptocurrencies in eerdere perioden tekenen van uitbundigheid vertoonden. Indien onafhankelijk gevalideerd, zou een methode op bedrijfsniveau analisten kunnen helpen een breed technologisch enthousiasme te scheiden van geconcentreerde speculatieve episoden. Het zou ook vergelijkingen tussen AI-infrastructuur- en applicatiebedrijven nauwkeuriger kunnen maken dan een enkele kop over een ‘AI-zeepbel’.
De praktische grenzen zijn aanzienlijk. De bron verstrekt niet de volledige methodologie, de monsterconstructie, de betrouwbaarheidsintervallen, de robuustheidscontroles, de code of de volledige resultaten van het artikel. Het bewijst ook niet dat de methode in realtime werkt, onderscheidt niet alle mogelijke oorzaken van ongebruikelijke prijsbewegingen en laat niet zien hoe vaak het valse positieven oplevert.
Cornell Chronicle meldt dat Cornell-onderzoekers van plan zijn het werk met Robert Jarrow uit te breiden, maar het artikel geeft geen resultaten van dat geplande onderzoek. Er wordt gemeld dat geen enkel beursgenoteerd bedrijf de bevindingen heeft aanvaard, en er wordt ook geen onafhankelijke financiële analist geciteerd die deze evalueert.
Interactief mechanisme: hoe het eigenlijk werkt
Ontdek interactief de onderliggende technologie achter deze ontwikkeling.
Which component of an AI application is the machine-learning model itself?
Wat je nu moet bekijken
Let op onafhankelijke replicatie van het SV-ADF-framework, publicatie van de gegevens of code ervan en aanvullende analyses door de onderzoekers. Toekomstig werk kan duidelijk maken hoe de methode presteert bij meer bedrijven en marktomstandigheden, maar het huidige rapport biedt geen investeringsvoorspelling of tijdschema voor eventuele correcties.
Het volgende bruikbare bewijsmateriaal zou reproduceerbare details zijn: het volledige artikel, datadefinities, code of ander materiaal waarmee externe onderzoekers het SV-ADF-framework op dezelfde periode en hetzelfde monster kunnen uitvoeren. Uit het verstrekte materiaal blijkt niet of een dergelijke replicatie heeft plaatsgevonden.
Onafhankelijke tests moeten onderzoeken of de methode tot vergelijkbare conclusies komt wanneer deze wordt toegepast op verschillende AI-gerelateerde bedrijven, verschillende marktperioden en alternatieve maatstaven voor volatiliteit. Kijk of de geplande samenwerking van de onderzoekers een bredere test oplevert voor de schatting van de zeepbel van activaprijzen.
Cornell Chronicle zegt dat Wells en Sarkar van plan zijn het onderzoek uit te breiden met Jarrow, die in het artikel wordt beschreven als een vooraanstaand onderzoeker in het veld. Dat toekomstige werk zou kunnen verduidelijken hoe het raamwerk zich verhoudt tot bestaande methoden voor het detecteren van zeepbellen en of de classificaties op aandelenniveau stabiel blijven als nieuwe informatie de marktprijzen verandert.
Lezers moeten ook letten op het onderscheid tussen het identificeren van een historisch patroon en het voorspellen van een toekomstige achteruitgang. Cornell Chronicle citeert Jarrow die zegt dat het identificeren van aandelen met zeepbellen beleggers kan helpen betere beslissingen te nemen, maar het rapport presenteert geen handelsstrategie, koersdoel of voorspelling voor Alphabet of enig ander bedrijf.
Belangrijke onbekenden zijn onder meer de voorspellende nauwkeurigheid van de methode, hoe classificaties veranderen met bijgewerkte gegevens, en of de gerapporteerde signalen overwaardering weerspiegelen in plaats van legitieme verwachtingen over toekomstige AI-gerelateerde inkomsten.