城大AI偵測企業雙語「策略性偏差」　外地投資者或陷資訊真空風險

香港文匯報訊（記者 莫楠）在即時翻譯與全球互聯的時代，外界普遍以為外地投資者可獲取與本地投資者同等的資訊。然而，香港城市大學會計學系助理教授黃裕庭的最新研究發現，所謂「主場優勢」未必只是文化或地理的自然延伸，企業甚至可能透過「差異化溝通」刻意設計資訊機制，令本地利益相關者在資訊獲取上更具優勢。研究團隊並提出一套嶄新偵測策略，嘗試將這種過去難以觀察、難以量化的現象「拉到陽光下」。

研究靈感源自黃裕庭在跨國零售商店購物後，留意到退貨政策的中英文版本在用語與內容上存在差異，遂引發思考：若消費條款已出現「不同語言、不同訊息」，那麼在牽涉重大利益的財務揭露中，企業是否同樣可能對不同受眾採取不一致的表述？

研究結果顯示，雙語披露中的資訊落差屬系統性問題而非偶發失誤。當本地與外地投資者同時參與市場，資訊不對稱隨之加劇，外地投資者因而面臨結構性劣勢。即使是專業外地分析師，所能取得的披露資訊品質亦較低，其預測準確度亦顯著較弱。研究發現，企業在英文文件中往往淡化較複雜的「關係型資訊」，反而強調會計細節，以迎合外地投資者偏重治理與合規的關注重點。

為釐清上述落差究竟源於策略抉擇還是翻譯失誤，研究團隊進一步進行實地實驗，假扮投資者直接聯繫企業查詢。結果顯示，翻譯落差愈大的企業，對外地投資者查詢的回應率顯著較低，印證企業確有可能透過溝通策略，令外地利益相關者處於相對的資訊真空。研究警告，若欠缺監管要求以確保資訊披露一致性，外資的結構性劣勢或將持續存在。

研究指出，策略性偏差以往多隱身於私人電郵與非正式通話等「非公開渠道」，外界難以追蹤。為破解此困局，團隊建立新的概念框架，轉而比較同一份年報的英文版與中文版，從公開文本中識別與「私下溝通」相呼應的策略差異。惟傳統分析工具往往需把中英文版本先翻譯成第三種「中介」語言再作比對，雙重翻譯過程容易引入雜訊與錯誤，更難把細微文體差異與影響投資者理解企業績效的「實質分歧」清晰區分。

為解決上述局限，研究團隊採用突破性的聯合語言機器學習模型，開發一套新的人工智能方法，能在毋須中轉翻譯的情況下直接比較文件內容。其關鍵在於模型可過濾純粹文體差異，專注辨識對企業績效解讀具實質影響的落差，有效區分訊號與雜訊，確保所偵測差異在經濟層面上具意義。由於不依賴中介語言，相關工具亦有望延伸至法律合約、政府條約等高風險雙語場景，用以識別隱藏的「翻譯落差」。