主要观点
- 财报电话会议与股价变动的关系: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。
关键数据和研究结论
- 数据来源:包括财务电话会议会议记录、每股收益(EPS)和销售估计、分析师的建议,共收集了来自6,300家不同的公司的152,483份会议记录。
- 情绪分析:使用LIWC词典识别电话会议中的情感特征,发现积极情绪与股价上涨相关,消极、悲伤和焦虑情绪与股价下跌相关。
- 标签定义:定义了三种标签函数:基于值的标签函数(VBL)、基于冲击的标签函数(SBL)和基于指数的标签函数(IBL)。
- 回归分析:情绪对股价变动有显著的预测作用,且在控制了公司实际销售额、预计销售额、实际每股收益和预计每股收益后,两者仍然显著。
- StockGNN模型:实验结果表明,StockGNN方法在预测股价走势方面优于基线方法,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%。
- 基线指标比较:会议记录的语义特征比实际和估计的销售额和每股收益更有预测力,特别是在“技术”和“服务”行业。
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。