電話會議記錄

在前面的三個文本數據案例中，推特推文反映了普通投資者的情緒，財經博客反映了財經專家的情緒，而財經新聞則體現出記者們的情緒。在這個小節所介紹的文本數據案例中，我們將討論另外一類文本數據中的情緒，也就是公司電話會議記錄中體現的管理層情緒。這個案例來自于ExtractAlpha和AlphaSense這兩家公司的分析師Jha/Blaine（2015）。

財務文件的文本分析在學術研究中已有經年，包括Loughran/McDonald（2011）針對美國公司年報10K和季報10Q的文本分析，以及Henry（2008）針對公司會議記錄進行的文本分析，Kearney/Liu（2014）對此做了一個很好的綜述。當前這個案例所說的財務電話會議記錄（earnings call tanscript），其來源是因為公司股東分散各地，因此經常需要通過電話進行會議，而這些會議過程通常會錄音，形成文字后就是電話會議記錄了。

大多數財務報告（10K和10Q）表現為數值數據以及標準模板陳述的文字，其中很少涉及情緒方面的表達，其中和情緒最為相關的管理層討論和分析，也只占財報中很小一部分。和財報相比，公司的電話會議記錄更具自發性，格式更為隨意，特別是問答部分，在現場實時環境下，管理層必須要做即席的回答。在這個案例中，我們可以捕捉管理層在應對股東提問中所體現的情緒，特別是股東問題本身所蘊含的情緒。在Loughran/McDonald（2011）的研究中，他們就依托于一個針對特定文件中語言使用方式相關的詞典。針對電話會議記錄中的情緒，專注于市場智能研發的AlphaSense就開發了一個針對電話會議記錄的正面和負面詞匯的詞典。這個案例分析的電話會議記錄數據是由湯森路透提供的，最早可以追溯到2005年。Jha/Blaine還對慧甚提供的電話會議記錄數據進行了類似的分析，結果得到了在性質上近似的結論。

作者分析的時段是從2005年到2014年，所覆蓋的股票要求滿足流動性的要求，[22]由此在不同的樣本時段上就得到了1400～1800個的股票樣本。在這個案例的文本情緒分析中，Jha/Blain（2015）把重點放在了會議記錄語調（tone）這個指標上。根據AlphaSense開發的針對電話會議記錄的正面和負面詞匯的詞典，就可以得到語調的定義：

在樣本中語調的數值介于-0.04和0.62之間，中位數是0.25。一個電話會議記錄的語調值是0.25，就意味著這個文件中正面詞語的句子要比負面詞語的句子多出25個句子。在這個樣本中，很少存在語調為負的情況。不同時期的語調分位數是非常穩定的，除了在金融危機發生的時候出現明顯的下跌。圖1.8給出了每月語調第10、25、50、75和90百分位數的變化。

圖1.8 語調百分位數的時間序列

資料來源：Jha/Blaine（2015）。

下面分析語調變化的投資含義。圖1.9所示為各種不同語調變化帶來的累積剩余收益。我們可以看到，在公告日當天不同的語調變化存在著明顯的股票收益率差異，正如所預期的那樣，越正面的語調變化就會存在更大的股票回報。如果我們不知道公司電話會議的具體實踐，或者會議記錄的發布存在著延遲，那么就無法獲取當日的股票收益。另外，在第二天之后，語調變化帶來的收益變化不是很大，除了最為負面的語調變化，后者會出現股票收益在未來兩個月內持續下跌的狀況。

圖1.9 從會議記錄日開始基于語調變化的剩余收益

資料來源：Jha/Blaine（2015）。

接下來我們在投資組合場景下討論語調的影響。作者分別從全體股票樣本、大盤股、中盤股和小盤股的分類出發，分別構造基于語調變化的股票十分位投資組合，然后通過做多最高十分位和做空最低十分位的組合形成多空組合，由此得到表1.7的結果。從中可以看出，由此形成的市場中性組合收益率是適中的，但是對于大盤股和中盤股而言這個組合的投資業績是不多的，當然對于小盤股而言，投資業績就很一般了。就這個結果，作者也指出，對于小盤股而言，電話會議的內容在時間上的變化很大，因此語調的季度自相關系數就很低，這樣語調的變化就更多是噪聲，而不是由于電話會議參與者對公司前景看法的變化導致的。

表1.7 基于語調變化因子的多空組合績效