V prostředí sociálních sítí hraje interakce a popularita tvůrců jednotlivých příspěvků vysokou roli. Influenceři mají často statisíce sledujících a jejich příspěvky/postoje/hodnocení ovlivňují jak obecný komunikační prostor, tak se stávají i účinným marketingovým nástrojem. Je nutné si uvědomit, že i popularita na sociálních sítích se dá koupit, existují firmy, které dokáží zajistit sledování příspěvků (followers), oblíbenost (srdíčka, zvonečky, likes) i přeposílání a šíření příspěvků dále za nízké náklady. Popularita tak nemusí být skutečná, nebo alespoň u zrodu popularity se dá využít „umělých“ účtů k vytvoření trendu a přilákání skutečných uživatelů sociálních sítí. Budování popularity pomocí umělých účtů je navíc podporováno třídou softwaru, který napodobuje lidskou komunikaci, běžně označovanou jako "boti" (roboti). 

Četné studie ukazují, že (ro)boti mohou být zneužiti jako zbraň k manipulaci voleb, zesilování zadaných narativů, dezinformování a ovlivňování veřejnosti (Bessi a Ferrara, 2016; Ferrara, 2017; Broniatowski a kol., 2018; Stella et al., 2018). Moderní (ro)boti disponují “inteligencí” potřebnou k automatickému zapojení do přirozených konverzací (Assenmacher et al., 2020). Široká dostupnost a snížené náklady na nástroje umělé inteligence, jakož i snadná implementace (Brundage et al., 2018; Weidinger et al., 2022), vede k vysoké míře přijetí botů na sociálních sítích (Yang and Menczer, 2023). Využití botů a falešných účtů v podnikovém a finančním sektoru je zatím málo sledované, ačkoliv si stále větší množství firem uvědomuje sílu sociálních médií a začíná je v rostoucí míře využívat jak k propagaci produktů, tak i k šíření firemních zpráv a informací mezi investory. Firmy jsou ochotny platit za svoji popularitu přes nové sledující a často zaplatit až 20 000 dolarů za jediný tweet/post influencera, aby propagovaly svůj obraz na sociálních sítích (Confessore et al., 2018). 

V našem výzkumu jsme se zaměřili na aktivitu a vliv botů kolem pravidelných čtvrtletních oznámení o příjmech významných veřejně obchodovaných společností v USA. Naše data pocházejí z oficiálních X (Twitter) firemních účtů společností z indexu S&P 500. Použili jsme dostupné prostředí API nabízené platformou X, abychom získali všechny původní tweety a identifikovali uživatele s “likes” a “retweets”. [1]

Poznamenejme, že v dubnu 2013 Komise pro cenné papíry a burzy (SEC) povolila firmám kótovaným v USA zveřejňovat informace prostřednictvím sociálních médií (SEC, 2013). Jako začátek vzorku proto používáme 1. duben 2013 a sběr dat ukončíme 31. prosince 2022. Výsledný vzorek obsahuje 23 451 unikátních tweetů od 294 firem z indexu S&P 500 s oficiálními účty X. Pro dobrou představu, Obrázek 1 ukazuje, že firemní účty X zaznamenávají vždy celkový nárůst aktivity v souvislosti se čtvrtletními oznámeními o příjmech.

Obrázek 1. Počet tweetů společnosti kolem oznámení čtvrtletních výsledků hospodaření.

Obrázek obsahuje celkový počet týdenních tweetů společnosti kolem čtvrtletních oznámení (QE). Čísla v závorkách určují týden intervalem ve dnech. Dny se znaménkem mínus označují dny před QE a dny se znaménkem plus odpovídají dni po QE. Například (-7; 0) označuje týden před QE, (0; 7) představuje týden po zisku atd.

Pro detailní výsledky a analýzu dopadů aktivity botů na budoucí chování investorů a analytiků, včetně jednotlivých detailních výpočtů odkazujeme na náš původní článek. Zde bychom jen chtěli shrnout významné výsledky. 

Především se ukazuje, že boti jako takoví hrají mezi investory rozdělující roli a polarizují je, podobně jako se děje v jiných oblastech veřejného prostoru. Například zvýšení aktivity botů o 1 % obvykle vede ke zvýšení směrodatné odchylky výnosů o 0,73 % a zvýšení abnormálního objemu o 3,57 %. Aktivita botů hraje roli jak v týdnu před oznámením výsledků, tak v týdnu poté, přičemž aktivita botů zvyšuje volatilitu a objem v obou obdobích. Navíc jsme zjistili, že vliv aktivity botů na volatilitu přetrvává po delší časové horizonty včetně následného oznámení zisků.

Ukazuje se, že aktivitou botů jsou ovlivněni nejen investoři, ale i analytici. Když se aktivita robotů zvýší, manipuluje s popularitou a dosahem tweetu. Analytici se při svých odhadech potenciálu veřejně obchodovaných firem spoléhají na tuto (zmanipulovanou) popularitu. V důsledku toho se rozptyl analytiků, další ukazatel nesouhlasu investorů, v příštím čtvrtletí výrazně zvýší po předchozí vysoké aktivitě botů. 

Zajímavá otázka je, kdo stojí za aktivitou botů kolem oznámení o příjmech (kdo nakoupil roboty?). Abychom tuto otázku vyřešili, rozdělili jsme oznámení o výsledcích hospodaření podle překvapení ve výsledcích. Pozorujeme, že aktivita botů významně souvisí s překvapením trhu oproti očekávanému zisku společnosti. Konkrétně k většině aktivity botů dochází, když je překvapení v podobě zisků malé a výdělky jsou v souladu s očekáváním analytiků. Jen připomínáme, že před oznámením výsledků jejich skutečné hodnoty zná pouze vrcholový management. Naše zjištění proto naznačují, že manažeři jsou nejpravděpodobnějšími podezřelými za nákupem aktivity botů. Domníváme se, že vedení může koupit boty pro své tweety na X, aby zdůraznilo (zesílilo) informace, které jsou obsaženy v oznámeních, zejména pokud jsou v souladu s očekáváním analytiků.

Náš výzkum ukazuje, že aktivita botů je spojena s manažerskou krátkozrakostí (upnutím se na krátký časový horizont). Zjistili jsme, že manažeři s větší pravděpodobností prodají akcie ve čtvrtletí hned po výsledcích podporovaných vysokou aktivitou botů. Například 1% zvýšení použití botů v průměru vede k 0,33% nárůstu insider prodejů. Tento výsledek naznačuje, že vrcholoví manažeři využívají výhod vyvolaných aktivitou robotů. Pokud ale dále analyzujeme výkonnost firmy po těchto prodejích, vidíme že použití robotů mělo za cíl krátkodobě vylepšit vnímání společnosti. Pozorujeme, že firmy s vysokou aktivitou botů zaostávají za trhem o 1,5 % během šesti měsíců po prodeji zasvěcených osob. Naopak firmy s nízkou aktivitou botů překonávají trh o 1,4 % i poté, co je došlo k prodejům akcií držených managementem. To naznačuje, že X boti pomáhají manažerům dosáhnout jejich krátkodobých cílů. 

Obrázek 2. Dlouhodobá výkonnost firem po prodeji top manažerů a aktivita robotů.

Tento obrázek ukazuje, jak je výkonnost firmy po prodeji top manažerů souvisí a aktivitou na úrovni robotů během předchozích oznámení výsledků hospodaření. Vykreslujeme proti sobě výnosy akcií společností držených v daném období (buy-and-hold strategie). Šedou barva odpovídá průměrným výnosům 20% společností s vysokou aktivitou botů a černá barva zachycuje 20 % společností s nízkou či neexistující aktivitou botů. Záporné hodnoty znamenají horší výkon po prodeji zasvěcenými osobami.

Celkově je dopad robotů na akciový trh značný. Zatímco náš výzkum je omezen na čtvrtletní zisky kvůli omezením dat, korporace i jednotlivci je mohou kvůli jejich dostupnosti a ceně využívat po delší dobu, případně k jiným úkolům. Náš vzorek je navíc omezen na společností z indexu S&P 500. V důsledku toho může být efekt výraznější u menších společností, které jsou méně pokryty analytiky. 

            Vzhledem k tomu, že  se v roce 2X022 stal soukromou společností, mnoho dostupných nástrojů pro studium nebo analýzu aktivity botů již není k dispozici. Například akademické API pro stahování   X dat bylo ukončeno a v důsledku toho byli akademici efektivně vytlačeni z výzkumu X a botů -- současné možnosti získání dat podobného rozsahu jsou neúměrně drahé (cena za objem dat potřebných k podobnému výzkumu by překročila sto tisíc USD). A konečně, hlavní nástroje pro detekci botů spočívají na výzvách, jako je CAPTCHA se vzhledem k neutuchajícímu vývoji technologií a AI stávají méně spolehlivými. V důsledku toho se může zvýšit závažnost vlivu botů i na prezentaci výsledků společností, akvizic atp. například na platformě X. Celkově naše výsledky podtrhují důležitost budoucího výzkumu a diskuse o řešení této závažné problematiky.

^{[1] Vzorek omezujeme na tweety s alespoň 100 retweety/reposty nebo 100 oblíbenými položkami. Bod zlomu 100 byl zvolen proto, že se jedná o minimální velikost, kterou lze koupit na typickém webu nabízejícím služby botů (např. https://venium.com/twitter/buy-twitter-retweets/). Pokud má společnost několik oficiálních účtů, např. @Amazon a @AmazonNews, použijeme hlavní oficiální účet, který společnost zobrazuje na svých webových stránkách.}

Jan Hanousek

Prof. RNDr. Jan Hanousek, CSc., DSc., je profesorem podnikových financí (corporate finance) na Mendelově univerzitě v Brně. Jeho výzkumné zájmy zahrnují korporátní finance, aplikované finance, aplikované veřejné finance a ekonomii/ekonometrii, zatímco jeho výuka zahrnuje různá témata z korporátních financí, statistiky, ekonometrie a aplikovaných oblastí financí a ekonomie. Profesor Hanousek publikoval v Journal of Economic Literature, Journal of Corporate Finance, Journal of Financial and Quantitative Analysis, Journal of Economic Perspectives, Review of International Economics, European Economic Review, Economics of Transition, Journal of Comparative Economics a v dalších odborných časopisech. H index profesora Hanouska je na úrovni 17 ve WoS a 19 ve Scopus. Celkový počet jeho publikací se pohybuje kolem 110, celkový počet citací k roku 2023 přesáhl 1 400 ve WoS a 1 800 ve Scopus. Vyučoval na univerzitě v Pensylvánii, byl hostujícím profesorem a výzkumným pracovníkem na různých prestižních univerzitách, včetně Princetonské univerzity a Michiganské univerzity. Získal CSc. v oboru matematická statistika na Univerzitě Karlově a vysokoškolské studium v ​​teorii pravděpodobnosti z MFF UK.

^{Zdroje:
Assenmacher, D., Clever, L., Frischlich, L., Quandt, T., Trautmann, H., & Grimme, C. (2020). Demystifying social bots: On the intelligence of automated social media actors. Social Media+ Society, 6(3), 2056305120939264.
Bessi, A., & Ferrara, E. (2016). Social bots distort the 2016 US Presidential election online discussion. First Monday, 21(11-7).
Broniatowski, D. A., Jamison, A. M., Qi, S., AlKulaib, L., Chen, T., Benton, A., ... & Dredze, M. (2018). Weaponized health communication: Twitter bots and Russian trolls amplify the vaccine debate. American Journal of Public Health, 108(10), 1378-1384.
Brundage, M., Avin, S., Clark, J., Toner, H., Eckersley, P., Garfinkel, B., ... & Amodei, D. (2018). The malicious use of artificial intelligence: Forecasting, prevention, and mitigation. arXiv preprint arXiv:1802.07228.
Confessore, N.,Dance, G. J.X., Harris, R., and Hansen, M. (2018). The Follower Factory. The New York Times. Available at https://www.nytimes.com/interactive/2018/01/27/technology/social-media-bots.html
SEC, 2013, Report of Investigation Pursuant to Section 21(a) of the Securities Exchange Act of 1934: Netflix, Inc., and Reed Hastings, Press Release No. 69279 www.sec.gov/litigation/investreport/34-69279.pdf.
Stella, M., Ferrara, E., & De Domenico, M. (2018). Bots increase exposure to negative and inflammatory content in online social systems. Proceedings of the National Academy of Sciences, 115(49), 12435-12440.
Weidinger, L., Uesato, J., Rauh, M., Griffin, C., Huang, P. S., Mellor, J., ... & Gabriel, I. (2022, June). Taxonomy of risks posed by language models. In Proceedings of the 2022 ACM Conference on Fairness, Accountability, and Transparency (pp. 214-229).
Yang, K. C., & Menczer, F. (2023). Anatomy of an AI-powered malicious social botnet. arXiv preprint arXiv:2307.16336.}