城大團隊開發AI工具 減外地投資者信息差

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，香港城市大學最新研究發現，企業在英文文件中往往淡化關係型資訊、強調會計細節，以迎合外地投資者偏重治理合規的取向，甚至可能透過「差異化溝通」設計資訊機制，令本地利益相關者在資訊獲取上更具優勢，外地專業分析師的預測準確度亦因而顯著較弱。

研究團隊開發人工智能（AI）工具，辨識資訊分歧，有望延伸至法律合約、政府條約等高風險雙語場景，降低外地投資者的信息差。

研究靈感源自城大會計學系助理教授黃裕庭的一次購物經歷。他在跨國零售商店留意到退貨政策的中英文版本在用語與內容上存在差異，遂引發其思考相似情況會否出現在牽涉重大利益的財務披露中。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，所獲披露資訊的品質亦較低，預測準確度顯著偏弱。

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，若欠缺監管要求確保資訊披露一致性，外資的結構性劣勢或將持續存在。

有望延伸至高風險雙語場景

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，團隊建立全新概念框架，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。然而，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，更難以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，開發出一套新的AI方法，能在無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。