Bonjour tout le monde, mon nom est N ilofar Varzgani.
Aujourd'hui, Je suis en allant à être présentation mes recherches étude que I avoir mené
en utilisant JMP Pro 16, et spécifiquement dans JMP Pro 16,
I utilisé le Textuel Explorateur plate-forme
comme Bien comme le Sentiment Analyse fonctionnalité
dans le Texte Explorateur plate-forme.
Le titre de ce l'étude est
Textuel Analyse de Gains Conférence Appels : Différences Entre Entreprises.
Ce étude que Je suis fonctionnement sur est avec mon deux co- auteurs,
Dr. U gras et Dr. Je vous en prie.
Ils sont pas en allant à être présentation avec moi ici aujourd'hui,
mais ils volonté sûrement assister à le présentation elle-même.
Je vais commencer désactivé avec a petit peu de un introduction.
Textuel analyse de écrit documents a devenir un important analytique outil
dans comptabilité et finance décision- fabrication.
Plusieurs recherche papiers avoir étendu le textuel analyse
et avoir aussi mesuré le écrit tonifier dans financier documents,
conversion le tonifier dans a quantitatif score
lequel mesures optimisme ou pessimisme dans le tonifier de le conférencier.
Quelques chercheurs avoir aussi connecté ce tonifier
à expliquer anormal retours dans le financier marchés.
Dans mon présentation aujourd'hui,
Je suis en allant à parler à propos comment nous essayer à explorer ce connexion
avec le utiliser de le Sentiment Analyse plate-forme dans JMP Pro 16.
Allons-y obtenir commencé ici.
Désolé.
Tous droite.
Allons-y parler a petit peu à propos le motivation derrière ce étude.
Pour beaucoup années, capital marché études avoir recherches
si quantitatif analytique information rapporté par entreprises tel comme gains
et revenu, ou autre comptabilité mesures influence décision fabrication.
Récent études avoir montré que dans ajout à ces taper de quantitatif information,
qualitatif analytique depuis le entreprises et depuis le médias
influences i investisseur comportement.
Ce qualitatif information comprend
textes dans 10- K rapports, gains presse sorties,
conférence appel transcriptions, commentaire courrier à le SECONDE,
analystes remarques, articles dans médias, et conversations dans sociale médias.
Plusieurs études avoir aussi montré importance de gains conférence appels
que immédiatement suivre le trimestriel gains sorties de publique entreprises.
Dans notre étude ici,
étaient examiner si le impact de le gains conférence appel tons
varie à travers différent groupes de entreprises.
Allons-y faire a petit peu de arrière-plan
sur le littérature que déjà couvertures textuel analyse donc loin.
Textuel analyse a a été utilisé à analyser
a variété de documents à travers alternative approches,
et un pourrait classer par catégories ces approches dans trois large catégories.
Le d'abord un est le utiliser de le Brouillard Indice,
lequel est essentiellement a fonction de deux variables :
le moyenne phrase longueur dans nombre de mots,
et le mot complexité,
lequel essentiellement mesures le pourcentage de mots avec plus que deux syllabes dans il.
Le deuxième catégorie de techniques est le longueur de rapports,
bien que ce un semble comme a plutôt simpliste approche,
mais il a a été utile parce que de le simpliste nature.
Là avoir a été a couple de études lequel avoir utilisé le longueur de rapport
à procuration comme le complexité de le rapport elle-même.
Le troisième approche est le utiliser de a liste de mots.
Maintenant, dans termes de le liste de mots,
là sont a nombre de mot listes que personnes avoir créé eux-mêmes,
tel comme le Henri liste de mots ou le Loughran et McDonald's liste de mots.
Mais dans notre étude ici,
nous utilisé le intégré dictionnaire que JMP Pro vient avec,
et dans ajout à que intégré dictionnaire,
nous augmenté que avec quelques phrases, lequel nous ajouté comme termes,
comme Bien comme a coutume liste de arrêt mots
basé sur le échantillon données que nous étaient fonctionnement avec.
Allons-y parler a petit peu à propos le données elle-même.
Notre données échantillon taille est environ 25 000 observations,
lequel moyens que nous avait fermer à 25 000 gains appel transcriptions
que nous analysé, et le date gamme pour ceux transcriptions
est depuis 2007 Trimestre 1 à 2020 Quart 4.
Nous avoir essayé à intégrer seulement le texte partie de le gains transcription appel,
enlever n'importe lequel graphique ou n'importe lequel spécial personnages
que pourrait être a partie de le gains appel transcription.
Tous de ces transcriptions étaient téléchargé
depuis le LexisNexis base de données dans RTF format.
Juste à donner toi a petit peu de un intro
comme à quoi le gains appel transcription essentiellement regard comme.
Il débuts désactivé avec le titre, lequel mentions le nom de le entreprise
pour lequel le gains appel annonce est être fait.
Il a le mot Équitable Divulgation Fil dans le suivant doubler, suivi par le date.
Alors le principal appel lui-même est divisé dans deux sections.
Toi avoir le présentation section, lequel sont le préparé remarques
de le gestionnaire équipe, lequel est assister que appel, essentiellement,
et alors toi aussi avoir a discussion entre le analystes
OMS sont assis dans sur le appel en direct, et ils demander questions à le gestionnaires,
et le gestionnaires répondre à ceux questions.
Donc le préparé remarques et le Questions et réponses partie.
Maintenant, pour ce étude spécifiquement,
nous avons seulement regardait à le préparé remarques partie de le gains transcriptions,
mais plus tard sur, comme un extension de ce étude,
étaient planification à aussi intégrer le Questions et réponses partie
de le gains appel comme Bien.
Dans ajout à ceux deux blocs de texte que sont a partie de le transcription,
la plupart de ces transcriptions aussi inclure
a liste de tous le participants OMS sont sur le appel,
lequel comprend tous de le gestionnaires depuis le entreprise côté,
comme Bien comme tous de le analystes depuis différent institutionnel investisseur sites.
Allons-y parler à propos le méthodologie a petit peu d'abord.
Nous extrait le transcription
et le préparé remarques de le gestionnaires section était titré comme le DocB magie.
Le Qn A était titré à le discussion,
et nous dénombré le nombre de analystes OMS ont assisté chaque appel.
Maintenant, garder dans esprit que parce que de le fait que pas tous appels avoir a Qn A segment,
le Qn A partie pourrait être manquant pour quelques de le rangées dans notre échantillon.
Lequel est pourquoi pour ce conférence et ce étude,
nous avons seulement concentré sur le DocB magie,
lequel est le préparé remarques partie de le gains appel.
Alors nous aussi créé colonnes lequel pourrait être utilisé comme identifiants.
A téléscripteur colonne pour plus loin analyse, le année quart,
comme Bien comme a calculé colonne lequel mesures le longueur dans termes
de le nombre de mots dans le préparé remarques section.
Maintenant, le distribution de longueur est intéressant et étaient en allant à montrer
que sortir dans a petit peu.
Avant nous déplacé sur à le T ext Explorateur plate-forme,
nous modifié le données taper pour le document corps à non structuré texte-
Désolé, le données taper personnage et le modélisation taper à non structuré texte
donc que le Textuel Explorateur plate-forme peut travail.
Avant I montrer toi le Textuel Explorateur plate-forme,
I juste vouloir à parler a petit peu à propos le terminologie que est en allant à être utilisé
a parcelle pendant le Texte Explorateur plate-forme et le sortir montré.
Dans textuel analytique,
a terme ou a jeton est le plus petit morceau de texte similaire à a mot dans a phrase.
Toi peut définir termes dans beaucoup façons, bien que le utiliser de régulier expressions
ou le processus de rupture vers le bas le texte dans termes est appelé tokenisation.
Un autre important terme que est en allant à populaire en haut a parcelle quand nous voir le sortir
de le textuel plate-forme est a phrase lequel est a court collection de terme.
Le plate-forme a options à gérer phrases
que peut être spécifié comme termes dans et de eux-mêmes.
Pour exemple, pour notre gains appel étude,
a phrase lequel éclaté en haut a parcelle était quelque chose comme efficace impôt taux.
Bien que efficace, impôt, et taux, sont trois séparé termes,
mais efficace impôt taux être utilisé ensemble la plupart de le temps nous converti que phrase
dans a terme lui-même donc que nous peut analyser comment beaucoup fois
que particulier phrase comme a entier est être utilisé dans ces conférence appels.
Suivant est le document.
A document essentiellement se réfère à a collection de mots.
Dans a JMP données tableau, le non structuré texte
dans chaque rangée de le texte colonne correspond à a document.
Alors nous aussi avoir a corpus,
lequel est essentiellement a collection de tous de le documents.
Maintenant, un autre important terme lequel étaient en allant à utiliser plus tard sur pendant le sortir
est le arrêt mots.
Arrêt mots sont essentiellement commun mots
lequel toi serait vouloir à exclure depuis analyse.
JMP fait viens avec c'est propre liste de arrêt mots,
mais là pourrait être spécifique mots vides dans le données échantillon que toi sont en utilisant
lequel serait appliquer à que données ensemble seulement.
Pour nous, nous créé a coutume liste de arrêt mots
lequel toi peut facilement visible dans le Texte Explorateur plate-forme.
Toi peut avoir a liste de arrêt mots dans un exceller format ou dans a SMS déposer
et alors télécharger que dans le Explorateur de texte plate-forme
et utiliser ceux comme mots vides.
Alors enfin est le processus de enracinement, lequel est essentiellement combiner mots
avec identique débuts ou tiges, donc à dire, à essentiellement faire bien sûr
que le résultat compile ceux similaire enraciné mots comme un mot.
Pour exemple, sauter, a sauté, sautant, tous serait être traité comme un célibataire mot
plutôt de trois séparé mots.
Maintenant, pour notre étude sur ici, nous décidé à aller avec le Non racinisation option
parce que là étaient quelques problèmes avec le racinisation que nous remarqué.
Pour exemple, quelques mots comme ration pourrait être utilisé
comme a tige pour mots comme accélération,
lequel a rien à faire avec que mot elle-même.
Donc nous décidé à aller avec le Non racinisation option dans notre cas.
Ce glisser sur ici, nous regarder à le options que nous choisi
pour le Texte Explorateur plate-forme.
Le principal variable de intérêt est le DocB magie.
Nous utiliser le IDENTIFIANT à IDENTIFIANT chaque rangée de observation,
et alors nous changement le défaut options pour chaque de ces caractéristiques.
Le maximum mots par phrase, le maximum nombre de phrases,
personnages par mot, maximum personnages par mot,
à le ceux que nous je pensais être approprié pour notre particulier données ensemble.
A s toi peut voir, que nous augmenté le maximum gammes
à a parcelle plus haut que quoi le valeurs par défaut sont juste à être sur le sûr côté.
que étaient pas manquant dehors n'importe lequel important termes dans notre analyse.
Notre initial sortir que pops en haut une fois toi courir le Texte Explorateur plate-forme
donne toi a liste de tous de le termes lequel étaient très utilisé
dans le échantillon de données, comme Bien comme le phrases.
Nous examiné le liste de phrases
et choisi le phrases que pourrait être utilisé comme termes.
Là étaient a total de 30 000 phrases
dehors de lequel 1 068 phrases étaient ajouté à le terme liste.
Dans ajout à que, nous aussi créé notre coutume liste de arrêt mots.
W e trouvé il Plus facile à essentiellement importer
tous le termes depuis notre échantillon depuis JMP dans Exceller, trier ceux mots,
et alors essentiellement retirer tout ou compter tous de ceux mots comme arrêt mots
lequel avoir certain caractéristiques, pour exemple, ils avait symboles ou virgules
ou dollar panneaux dans eux, ou Nombres lequel étaient être traité comme texte
ou commun noms, pour exemple, John, Michael, David, et c.
W e ajouté tous de ceux à notre arrêt mot liste
et nous téléchargé que dans le Textuel Explorateur plate-forme.
Allons-y regarder à quelques de notre sortir.
Le d'abord analyse que nous a fait était
sur le variable longueur de le préparé remarques.
T il hypothèse sur ici est
si le préparé remarques section de le gestion est plus long,
il essentiellement spectacles que ils avoir plus à expliquer à le investisseurs,
et que est pourquoi le complexité ou le tonifier de ceux rapports pourrait être différent
pour le autre rapports, lequel sont plus court dans longueur
où le gestionnaires ne le faites pas avoir à faire a parcelle de explication.
A s toi peut voir avec le distribution sortir sur le gauche,
le longueur de notre échantillon données ensemble sur ici est légèrement asymétrique
avec minuscule queue vers le droite main côté,
lequel moyens que là étaient quelques rapports lequel étaient plus long que le autres.
Le signifier de longueur est autour 3 027 mots et le médian est autour 2,9 66 mots.
Toi peut voir le signifier et le médian sont pas aussi loin loin depuis chaque autre,
lequel probablement moyens que nous peut supposer il à être symétrique comme opposé à asymétrique
comme le histogramme sur ici désigne.
Le différence entre le signifier et le médian est pas aussi beaucoup.
Nous a fait regarder à le médian longueur de le rapports contre sur le années,
et un s toi peut voir dans 2007, le gains appels étaient beaucoup plus long
que le années après que,
et t poule nous a fait voir a léger bosse dans 2020 comme Bien.
Si toi regarder à quart sage longueur de le rapports,
vous allez aussi avis que Q4 en général a le le plus long rapports
parce que le gestion est explication le fonctions et le opérations
de le entreprise pour le entier année et ils sont compilation résultats
depuis le précédent trois quartiers comme Bien.
Dans termes de le téléscripteurs lequel avait le le plus long moyenne longueur,
nous avait Boston Propriétés comme reportage le le plus long moyenne longueur,
à moyenne environ fermer à 6 000 mots,
lequel est double le moyenne longueur de le entier données ensemble dans général.
Suivant nous avoir est essentiellement le mot nuage.
Maintenant, juste à comparer racinisation option contre non racinisation option,
sur le écran, toi voir les deux le mot nuage avec le racinisation option,
lequel est sur le droite main côté, et le un sans le racinisation option.
Nous préféré le Non racinisation option parce que il laissez nous voir le mots
lequel montrer en haut dans la plupart de ces gains appels plus souvent que le autre mots,
alors que le racinisation option pourrait fin en haut avec a mot nuage
lequel est pas très explicatif.
Comme toi peut voir, croissance, nouveau, revenu, augmenter.
Ces sont le mots lequel populaire en haut le la plupart,
lequel essentiellement signal que gestionnaires sont surtout optimiste et positif
dans leur tons dans leur préparé remarques section de leur rapports.
Alors I aussi avoir a capture d'écran de le Sentiment Analyse plate-forme
lequel essentiellement encore raconte toi le distribution de le dans l'ensemble tonifier,
positif ou négatif.
A s toi peut voir depuis ce histogramme sur ici,
le dans l'ensemble tonifier de ces préparé remarques est surtout très positif,
avec seulement très peu gains appel transcription lequel automne
dans le négatif sentiment partie de ce distribution,
lequel encore signaux que gestionnaires tendre à être plus positif et plus optimiste
quand parler à propos le opérations de le entreprise donc que ils peut signal
le fait que le avenir est en allant à être brillant et c'est en allant à être mieux,
et que certainement affecte comment le investisseurs réagir à ce tonifier.
Suivant, nous aussi décidé à regarder à le dans l'ensemble sentiment de le appels,
comme Bien comme le positif signifier et le négatif signifier de le sentiments.
Comme toi peut voir le positif sentiment, surtout c'est autour a valeur de 60,
alors que le négatif sentiment,
nous voir a bosse autour le négatif sentiment de moins 40
donc aucun de ces gains appels étaient aussi négatif,
même si le entreprise performance était vraiment mauvais pour que un trimestre particulier.
B parce que ils vouloir à signal a plus lumineux avenir,
et pas se concentrer aussi beaucoup sur le histoire.
Si toi regarder à le dans l'ensemble sentiment contre le années,
vous allez avis que le dans l'ensemble sentiment
était beaucoup inférieur pendant le financier crise de 2007- 2008,
et alors il heurté extrêmement dans 2009- 2010 et dans l'ensemble, il a a été relativement constant
sauf pour 2020 quand le pandémie frapper.
Si toi casser il vers le bas quart sage, toi peut voir que le bas centre graphique
sur ici spectacles que quelques quartiers, spécifiquement le quatrième quart,
pourrait voir a baisse dans le tonifier de le dans l'ensemble sentiment dans le entier données.
Si toi regarder à le longueur contre le année, encore, vous allez avis que le longueur était
beaucoup plus haut dans 2007, il abandonné dans 2008, encore choisi en haut a culminer dans 2009,
et dans l'ensemble, le longueur a réduit sur temps jusqu'à 2020 elle-même.
Il pourrait être a sûr hypothèse à faire ça
quand fois sont difficile et le entreprises avoir plus à expliquer,
le gains appel tendre à devenir plus long et le préparé remarques sont plus long.
Cependant, si toi regarder à longueur contre le dans l'ensemble sentiment,
vous allez avis que là semble à être a léger positif relation
entre longueur et dans l'ensemble sentiment,
mais c'est certainement pas a simple relation comme a linéaire vers le haut s'orienter.
Plutôt, le données est assez hétéroscédastique.
Ici I avoir a liste de entreprises lequel montré en haut avec le plus haut
dans l'ensemble sentiment sur le années contre le entreprises lequel montré en haut
avec le le plus bas dans l'ensemble sentiment sur le années.
I aussi mettre le industries dans lequel ils appartenir
juste comme un intéressant morceau de information que nous remarqué.
Pour exemple, a parcelle de le positif sentiment appels
étaient le ceux depuis le technologie services zone ou financier services,
alors que le le plus bas sentiment était dans le déchets gestion
ou médical technologie industries.
Dans termes de le avenir recherche que nous plan à faire sur ce sujet,
nous vouloir à examiner le tonifier de ces gains appel,
et faire a croix analyse avec variables
comme gestionnaire stratégique incitations avec divulgations,
le impact le tonifier a sur analystes et investisseurs,
comme Bien comme quelques variables lequel sont spécifique à le ferme,
tel comme le taille, leur complexité, leur âge, et c.
W e aussi plan à explorer le terme sélection pour bâtiment données exploitation minière modèles
en utilisant le Explorateur de texte plate-forme dans JMP Pro.
Remercier toi donc beaucoup pour assister ce présentation et avec un peu de chance
nous peut répondre n'importe lequel questions que toi peut avoir à propos notre présentation aujourd'hui.
Remercier toi .
