“学海拾珠”系列之二百零一：上市公司的财报电话会议对股价的影响

金融工程 专题报告 上市公司的财报电话会议对股价的影响 ——“学海拾珠”系列之二百零一 报告日期：2024-08-22 主要观点： 分析师：骆昱杉 执业证书号：S0010522110001邮箱：luoyushan@hazq.com 分析师：严佳炜 执业证书号：S0010520070001邮箱：yanjw@hazq.com 相关报告 1.《数据挖掘的修正与基金的业绩表现——“学海拾珠”系列之二百》 2.《宏观趋势与因子择时——“学海拾珠”系列之一百九十九》 3.《另类情绪指标与股票市场收益之间的关系——“学海拾珠”系列之一百九十八》 4.《基金在风格层面的情绪择时——“学海拾珠”系列之一百九十七》 5.《宏观环境对价值溢价的影响——“学海拾珠”系列之一百九十六》 6.《盈余公告后的机构共识:信息还是拥挤?——“学海拾珠”系列之一百九十�》 7.《言行统一：策略一致性与基金业绩——“学海拾珠”系列之一百九十四》 本篇是“学海拾珠”系列第二百零一篇，文章研究了财报电话会议对股价变动的影响，研究表明从财务电话会议文本中提取的情绪信息相比较于常使用的财务指标更有预测价值。 财报电话会议与股价变动之间的关系 通过设置三种不同的股票价格变动标签以及使用LIWC词典来识别电话会议中的情感特征进行研究。研究发现：情绪积极的财报电话会议记录后股价更可能上涨，消极情绪则相反；分析师在财务电话会议前的评级对财务电话会议后的股价走势预测没有显著影响。 StockGNN模型能准确地预测股价走势 通过使用StockGNN（GNN+Doc2Vec）方法生成语义特征。在大多数情况下，StockGNN方法准确度较高，StockGNN在所有行业的平均准确率上分别比DEmlp、DEsvm、DElogreg高出3%、4.1%和8.9%。 电话会议的情绪信息可以更好预测股价变动 研究发现通过使用多层感知器（MLP）执行分类任务，在大多数 （80%）的情况下，从财务电话会议文本中提取的情绪信息相比较于经常使用的指标（例如，销售额、每股收益）可以为股票价格走势提供更有用的信号。 文献来源 核心内容摘选自SouravMedya,MohammadRasoolinejad,YangYang,BrianUzzi于2022年8月16日在TheWebConference(WWW)上的文章《AnExploratoryStudyofStockPriceMovementsfromEarningsCalls》 风险提示 文献结论基于历史数据与海外文献进行总结；不构成任何投资建议。 敬请参阅末页重要声明及评级说明证券研究报告 正文目录 1引言4 2股价走势6 2.1日度走势6 2.2周度&标准化运动7 3数据7 3.1描述性分析8 3.2标签分布的描述性分析8 4回归分析10 4.1情绪的影响10 4.2会议记录的情绪和分析师推荐12 5盈利电话会议与股价走势预测14 5.1研究方法14 5.2不同标签的结果15 5.3基线指标：每股收益（EPS）和销售额。17 6结论19 风险提示：19 图表目录 图表1文章框架4 图表22019年期间特斯拉的财报电话会议对股价走势的反应5 图表3不同公司（行业板块）的会议记录百分比7图表4VALUEBASEDLABEL平均情感得分8图表5SHOCKBASEDLABEL平均情感得分8图表6电话会议数量及基于冲击标签的会议比例9图表7基于指数标签的季度电话会议比例9图表8不同部门中具有两个标签（0和1）的电话会议的比例10 图表9基于值的标签函数（VALUEBASEDLABELFUNCTION，BLF）的逻辑回归结果11 图表10基于冲击的标签函数（SBL）𝑦𝑠(𝑇𝑑𝑐)对文本特征的逻辑回归结果12 图表11分析师推荐对基于价格的标签函数影响的回归结果13 图表12STOCKGNN的架构图14图表13特定行业（领域）的会议记录数量16图表14𝑦𝐼,�特定行业（领域）的会议记录数量16图表15𝑦�特定行业（领域）的会议记录数量16图表16𝑦�特定行业（领域）的会议记录数量17图表17基于值的标签（𝑦𝑣）结果18图表18IBL（𝑦𝐼,𝐾）结果18图表19基于价值的标签（𝑦𝑠）结果19 1引言 图表1文章框架 资料来源：华安证券研究所整理 财报电话会议是在上市公司发布报告期财务数据后进行的讨论会议，通常是一年的一个季度或一个财政年度。分析师、投资者和记者经常出席财报电话会议，这些会议的录音可以通过相应的公司网站查询。在这个会议上，通常首席执行官和 （或）公司管理层的其他代表介绍他们在上一季度的财务成就，并为下一季度提供指导。管理层通常会讨论公司重要信息的细节，如增长、风险、采购、负债、诉讼、股票回购、股息的增加/减少、高管团队的变化和未来目标。会议通常包括管理层讨 论和分析（MD&A部分），然后是听众和投资者的问答环节。财报电话会议是一个 重大事件，因为在财报电话会议之前、期间和之后股票市场的价格波动性和交易量均表现出较高水平（如WMDonders等2000）。这种波动可能导致投资失败，错 失盈利机会，并给投资者带来巨大损失。大量可用的关于财报和股票市场价格的数据为我们提供了更准确预测股票价格走势的机会。会议记录。此外，还有其他因素，如社交媒体和新闻上的情绪，也会影响股市，并在文献中进行了研究（如ZiniuHu等2018，YumoXuandShayBCohen2018）。然而，在本文中，我们专注于将股票价格走势与财报电话会议的记录联系起来（ZhiqiangMa等2020，YuQinandYiYang2019）。 图表22019年期间特斯拉的财报电话会议对股价走势的反应 资料来源：《AnExploratoryStudyofStockPriceMovementsfromEarningsCalls》，华安证券研究所 图表2显示了特斯拉股票价格变化。2019年财务电话会议会议后的股票价格 变动可能是正的，也可能是负的。由于图中显示的是日效应，因此我们根据股价的单日效应定义了电话会议会议的标签（1和2）。虽然价格变化很重要，但将价格变化与更广泛的市场行为进行比较也很有意义。为了实现这一点，我们比较了未来 �个工作日的股价变化率与相应指数（图表3）。电话会议的标签是根据相对于指数的表现（正超额或负超额）的多数决定的（3）。在本文中，我们进行了广泛的研究，以预测股票价格的运动。我们正式地将股票价格运动定义为三个不同的分类 问题。首先，我们发现分析师在财务电话会议前的评级并不能有效预测股价走势， 会议记录中的情感则发挥了重要作用。这促使我们基于会议记录的语义设计更为严 谨的方法。 另外我们使用一个基于图神经网络的方法。研究表明，财务电话会议在预测股票价格变动上比其他信号更准确。此外，虽然实际收益和销售额与估计值之间的差异会影响股价走势，但这些差异的预测能力低于财务电话会议。 我们的主要贡献可以概括如下： （1）本文研究了股票走势预测问题的财务电话会议，并制定了三个分类问题，看财务电话会议对股票价格日度、周度走势的影响。 （2）为我们创建的约100，000个电话会议的大型数据集提供标签和情感的描述性分析。 （3）本文证明了分析师的评级之前，财务电话会议并没有显着影响股票价格 的变化，而在预测股票价格的变动上会议记录中的情绪发挥了重要作用。 （4）通过实验评估，表明本文提出的基于图神经网络的方法可以根据相对高 质量的财务电话会议会议的记录中预测股票价格走势。 （5）会议记录比实际和估计的销售额和每股收益更有预测力。特别是，会议记录的语义特征在经济中两个增长最快的领域——“技术”和“服务”— —中的平均召回率至少提升了10%和平均精确率提升了33%。 2股价走势 � 本文将股票价格的变动公式转化为二进制标签。设C=[C1，C2，...，Cm]为m个公司的集合，股票价格在一天内都处于不断变化状态，在整个分析过程中使用股票的日收盘价，将公司c在交易日d的收盘价记为𝑆�。对于公司c，这组业绩电 话会议记录表示为𝕋�=[𝑇�,𝑇�,⋯,𝑇�]，其中𝑇�表示第di天的电话会议记录。t 𝑑1 𝑑2 𝑑� 𝑑� 值可能会因财务电话会议的历史而异。 2.1日度走势 我们的目标是衡量财报电话会议记录对相应股票价值的局部影响。因此，我们根据财报电话会议发生前后的股价来定义股价的变动（上涨或下跌）。更具体地说，对于公司c，如果财务电话会议会议发生在d日，则比较d-1和d+1的股票价值，向上和向下的变动分别得到二进制值1和0。d+1和d-1表示财务电话会议的下一个和上一个交易日。形式上，这种基于股票价格变动的标签可以定义如下： 定义1.基于值的标签函数（ValueBasedLabelFunction，VBL）：标签函数 � 𝒚𝒗(𝑻�)∈[𝟎,𝟏]用于记录公司c在d日的表现，具体定义如下： 1,𝑆�>𝑆� �(𝑇𝑐)=[ 𝑑+1 𝑑−1 �� 0,其他 先前的定义并未说明变动的幅度，因此使用另一个标签函数中捕获了向上和向下变化的变化量（冲击）： 定义2.基于冲击的标签函数（ShockBasedLabelFunction，SBL）：标签 � 函数𝒚𝒔(𝑻�)，用于记录公司c在d日的情况，如下： �−� �� 1,𝑑+1𝑑−1≥� 𝑆� � 𝑦𝑠(𝑇𝑐)= 𝑑−1 �� � � 0,𝑆𝑑−1−𝑆𝑑+1≥� �𝑑−1 其中，d+1和d-1分别表示日的下一个和上一个交易日;�是一个临界值（我们将其设置为0.05，即5%） 文中还引入一个预测函数f，其中将从电话会议中获得的信息作为输入，定义的标签（𝑦�和𝑦𝑠）作为输出变量(第�章)。 行业比较：在实证中，需要根据上述标签对同一行业的公司进行分类，每一个 指数都是一个衡量指标，它显示了公司在相应行业的股票价值方面的表现，不同行业的指数见图表3。注意，文章使用相应的行业板块指数来计算基于标签的索引值。 图表3不同公司（行业板块）的会议记录百分比 资料来源：《AnExploratoryStudyofStockPriceMovementsfromEarningsCalls》，华安证券研究所 2.2周度&标准化运动 前边对会议记录标签的定义没有捕捉到更广泛的股票走势，如同一行业的公司，因此文章中进一步使用指数（见图表3）值进行比较，并相应地定义正向和负向移动。此外，以前的标签只考虑电话会议后一天的股价，本文将这种局部性的概念扩展到一周（即，�个工作日），并将其与下�个工作日的指数值进行比较。 设𝐼�为第�天的指数价格，我们对比股票价格和指数价格的涨跌幅。公司c � 在d日进行的电话会议会议（𝑇𝑐），涨幅是根据前一天收盘价计算的，因此，股价 在d+1日的涨跌幅（R）为：𝑅(𝑆� �� �−� )=𝑑+1�。如果𝑅(𝑆�)>𝑅(𝐼�)，则股票在 � 𝑑+1� � 𝑑+1 𝑑+1 � � d+1日向上移动，同时使用1来表示这种向上移动。否则，称之为向下运动，用0表示。根据这个定义，我们构建了一个5维向量𝖻（𝑇𝑐），它包含了第d天之后的下一个�个交易日的二进制标签值；参数κ，它根据𝖻（𝑇𝑐）中的0和1来控制标 签的输出。 定义3.基于指数的标签函数（IndexBasedLabelFunction，IBL）：标签函 数，𝒚𝑰,𝒌(𝑻�)∈[𝟎,𝟏]，用于公司c在d日的𝑻�，定义如下： �� 1,𝖻(𝑇𝑐)has≥�1s 𝑦𝐼,𝑘(𝑇𝑐)=[� � �0,𝖻(𝑇𝑐)has≥�0s 在2.1节中引入了一个预测函数，将从电话会议中获得的信息作为输入，定义 的标签（𝑦𝐼,𝑘）作为输出变量。请注意，这里的κ在3到5之间，因为我们是基于�中0、1的多数来定义最终标签。 日度（价格和冲击）标签是相关的，但