投资者重视管理者的前瞻性吗?——基于年报文本分析的经验证据
【摘要】本文以上市公司2007—2018年年度财务报告中管理层讨论与分析部分为对象,研究了信息披露的前瞻性对公司现金持有价值的影响。结果发现,前瞻性信息披露水平与公司现金持有价值呈正相关关系,即投资者愿意为前瞻性更高的管理者手中持有的现金赋予更高的价值。这一结论在一系列稳健性检验中均成立。进一步,本文发现信息披露的前瞻性对现金持有价值的影响在该信息更有用或真实性更高时更显著。本文的发现有助于揭示信息披露的前瞻性对投资者决策的影响,肯定了投资者对公司文本信息披露的重视。研究结论对管理者和监管机构而言均具有一定现实意义。
【关键词】前瞻性信息披露;管理层讨论与分析;现金持有价值;
数据资产信息披露与分析师盈余预测关系研究——基于文本分析的经验证据
【摘要】在大智移云时代,由于数据已成为市场竞争的关键要素,企业对数据资产的运用日益普遍。本文通过运用Word2Vec神经网络模型构建文本词典以挖掘年报中的文本信息,对企业数据资产信息披露影响分析师盈余预测进行了实证研究,发现:1)个股年度报告中的数据资产信息披露频率越高,预测该个股次年每股收益（EPS）的分析师报告越多,且对每股收益的预测偏误越低,说明分析师对数据资产信息有所关注,且数据资产信息披露能够显著改善分析师预测的准确度;2)数据资产信息披露能够通过提供前瞻性信息和改善个股信息透明度来提高分析师预测的准确度;3)个股年度报告的可读性较高,或者市场处于牛市状态时,数据资产信息披露频率的增加,更能够提高分析师预测的准确度。研究结论对完善企业信息披露行为、促进分析师更好地发挥信息中介作用具有重要意义。
【关键词】数据资产;信息披露;分析师盈余预测;文本分析;
社会危机背景下的联结行动说服策略研究——基于社交媒体中的用户生成内容文本分析
【摘要】近年来的社会危机事件表明,社交媒体平台已成为传播信息、开展联结行动的主流社会报道工具。基于决策与推理的双系统说服模型—启发式与系统式处理,本文通过微博平台定量地探讨了联结行动中积极分子的用户生成内容（UGC）与公众参与间的复杂关系。借鉴道德判断和认知加工文献,视道德呼吁内容为启发式线索,功利呼吁内容为系统式线索,考察其重要性,并从情绪唤醒的角度研究了社会危机中常见的两种消极离散情感:焦虑和悲伤。利用两个不同社会危机期间（2016年魏则西事件和2018年泰国沉船事件）的数据集,结合机器学习算法与负二项回归模型,发现两类呼吁性内容均可刺激普通用户作为扩散者参与联结行动。同时,嵌入在UGC中的悲伤情绪增加了道德呼吁的重要性,而焦虑情绪则促进了功利呼吁的正向影响。实证结果对联结行动的行动者、危机管理者和应急救援部门都具有重要的现实意义。
【关键词】社会危机;联结行动;HSM模型;道德呼吁;功利呼吁;
招股书模糊信息对IPO首日收益的影响研究
【摘要】将招股书模糊信息视作发行人传递给投资者的模糊信号,通过建立理论模型分析模糊信息如何影响IPO首日收益。并以2010—2012年在A股上市的494家公司为样本进行实证检验,构建衡量文本信息模糊程度的词库列表,利用文本分析方法将招股书中的模糊信息进行量化。实证检验结果与理论模型的结论是一致的。研究结果表明:招股书模糊信息增加了信息不对称程度,从而导致更高的IPO抑价水平;招股书模糊信息与IPO首日收益显著正相关,与发行价向上调整幅度显著负相关。进一步研究发现,模糊信息在一定程度上揭示了公司基本面所蕴含的不确定性,验证了模糊信息作为IPO事前不确定性的代理变量是可靠的。
【关键词】IPO首日收益;模糊信息;不确定性;招股说明书;文本分析;
招股书模糊信息对IPO首日收益的影响研究
【摘要】将招股书模糊信息视作发行人传递给投资者的模糊信号,通过建立理论模型分析模糊信息如何影响IPO首日收益。并以2010—2012年在A股上市的494家公司为样本进行实证检验,构建衡量文本信息模糊程度的词库列表,利用文本分析方法将招股书中的模糊信息进行量化。实证检验结果与理论模型的结论是一致的。研究结果表明:招股书模糊信息增加了信息不对称程度,从而导致更高的IPO抑价水平;招股书模糊信息与IPO首日收益显著正相关,与发行价向上调整幅度显著负相关。进一步研究发现,模糊信息在一定程度上揭示了公司基本面所蕴含的不确定性,验证了模糊信息作为IPO事前不确定性的代理变量是可靠的。
【关键词】IPO首日收益;模糊信息;不确定性;招股说明书;文本分析;
基于IDSSL的文本情感分析研究
【摘要】随着社交媒体的不断普及,网络上出现了大量用户创造的文本信息。这类文本所包含的用户的观点、意见和态度等情感信息,对于互联网用户有着重要的作用,已受到越来越多的重视,并已提出大量有监督的文本情感分析方法来利用这些数据。但文本情感分析中存在大量无标记样本,如何利用大量无标记样本和少量有标记样本进行学习的问题,已成为了文本情感分析领域亟待解决的问题之一。为此,本文提出一种改进的半监督文本情感分析方法 IDSSL（Improved Disagreement-based Semi-Supervised Learning）。该方法以基于分歧的半监督方法为框架,首先利用Random Subspace的方式构建多个初始分类器,然后以"多数帮助少数"的方式利用无标记样本训练分类器。最后,在情感分析经典数据集上进行了实验,结果证明了本文提出的方法的有效性,而且取得了比其它半监督学习方法都好的实验结果。
【关键词】文本情感分析;半监督学习;多分类器;Random Subspace;
机器学习下混合分数Vasicek模型的校准
【摘要】基于机器学习中的回归方法,结合零息票债券的价格,研究风险中性测度下混合分数Vasicek模型的参数估计与预测问题。首先利用混合分数布朗运动的随机积分理论,得到混合分数Vasicek利率模型下零息票债券的定价模型。然后,利用对数零息票债券价值的正态性以及高斯过程的机器学习回归法,给出了由零息票价格求得混合分数Vasicek模型未知参数的估计量,并给出了预测方法。最后,采用蒙特卡洛模拟说明了方法的可行性和可靠性。
【关键词】混合分数Vasicek过程;机器学习;零息票债券;极大似然估计;贝叶斯估计;
基于机器学习的企业定价算法研究
【摘要】本文根据经济微观仿真模型ASPEN的定价机理 ,提出了一种自动学习算法。该算法借鉴分类器系统中的规则及消息系统和信任分配系统 ,模拟了企业通过渐进学习得到最大利润下的价格的过程。文中以一个简单经济模型中的两个企业代理人的价值竞争为例 ,将算法的定价与理论计算法的结果进行了比较 ,比较结果表明该算法很好地实现了企业定价的自动学习
【关键词】企业定价;机器学习;自动学习算法;
更多资源请关注公众号获取
↓ ↓ ↓ ↓ ↓ ↓
