JACKY CHAU在会计学顶刊Journal of Accounting Research发表了一篇题为“Accounting Information Usage and Trading by Retail Investors: Evidence from Integrated Trading Platform”的独作文章。主要讨论了在提供便捷会计信息的集成交易平台上，自主零售投资者（尤其是依赖大语言模型处理的摘要与分析）进行交易，其交易信息含量不逊于机构投资者，尤其在财报披露期表现更优，凸显便利信息环境（特别是LLM驱动的信息加工）对提升散户投资效率的价值。
摘要
该注册报告调查了自主散户投资者在综合交易平台上的信息选择和交易决策，该平台提供及时便捷的会计信息访问。分析显示，这些投资者获取的信息马赛克，其中很大一部分不是针对特定公司的信息。在获取会计披露时，散户投资者对提供摘要或专家分析的媒体文章比原始文件更感兴趣。与使用 Bulge Bracket 平台的机构交易相比，这个综合交易平台上的零售交易比另一个提供很少信息服务的零售交易平台更信息化，同时在信息量上没有表现出显著差异。特别是，当有会计披露时，贸易信息量更为明显。证据表明，自主散户投资者可以从交易环境中受益，该环境提供了丰富而便捷的信息，尤其是及时的会计披露。
该研究聚焦于自主零售投资者在一个集成化交易平台上的信息获取行为与交易决策。该平台的核心价值在于提供了便捷、及时获取会计信息的通道。研究发现，这些投资者倾向于构建一个信息拼图（Mosaic），其中很大比例的信息并非聚焦于单一公司。特别值得注意的是，在获取会计披露信息时，零售投资者表现出对媒体摘要文章或专家解析的显著偏好，而非直接查阅原始的监管申报文件本身。
研究的关键结论在于交易的有效性对比。分析显示，相较于那些信息服务体系匮乏的零售交易平台，使用该集成平台的零售投资者进行的交易表现出更高的信息含量。更有启发性的发现是，其交易的信息含量与使用顶级机构交易平台（Bulge Bracket Platforms）的机构投资者相比，并未呈现显著差异。这种交易的信息优势在会计信息披露期间尤为突出。这一系列证据有力地表明，为自主零售投资者营造一个能够便利获取丰富信息（特别是及时的会计披露）的交易环境，能够显著提升其投资效率。
在这个过程中，大语言模型（LLM）扮演了潜在的、至关重要的赋能角色。 研究发现投资者对信息摘要和专家分析的强烈需求，恰恰是大语言模型最擅长的应用场景。LLM能够高效地处理海量的、结构复杂的原始会计文件（如财报、公告），快速提取核心内容，生成易于理解的概要，甚至模拟金融分析师视角进行关键指标解读、趋势分析和风险提示。这极大地降低了非专业投资者消化专业会计信息的门槛和认知负担。集成平台通过整合或内嵌LLM驱动的智能摘要与分析工具，实质上为零售投资者提供了“专家级”的信息预处理服务，使其能够更快速、更准确地把握会计披露的实质内涵，从而做出更具信息优势的交易决策。
因此，该研究不仅揭示了便利信息环境对提升散户投资效能的价值，更在深层次上暗示了大语言模型作为先进的信息处理与提炼工具，正在重塑零售投资者获取和理解关键财务信息的方式。LLM驱动的摘要与分析，成为连接复杂原始披露与投资者有效决策之间的高效桥梁，是集成平台赋能散户、弥合信息鸿沟的关键技术支撑，最终促成了研究中观察到的零售交易信息含量媲美机构的现象，尤其是在依赖深度信息解读的会计披露窗口期。
文献来源：
Chau J. Accounting Information Usage and Trading by Retail Investors: Evidence from Integrated Trading Platform[J]. Journal of Accounting Research, 2025.