Hallo alle, Mein Name Ist N ilofar Varzgani.
Heute, Ich bin gehen Zu Sei präsentiert meine Forschung Studie Das I haben durchgeführt
Verwendung JMP Pro 16, Und speziell innerhalb JMP Pro 16,
I gebraucht Die Textuell Forscher Plattform
als Also als Die Gefühl Analyse Funktionalität
innerhalb Die Text Forscher Plattform.
Der Titel von Das Studie ist
Textuell Analyse von Gewinn Konferenz Anrufe: Unterschiede Zwischen Firmen.
Das Studie Das Ich bin Arbeiten An Ist mit Mein zwei co- Autoren
Dr. U Gras Und Dr. Gern geschehen.
Sie sind nicht gehen Zu Sei präsentiert mit Mich Hier Heute,
Aber Sie Wille sicherlich teilnehmen Die Präsentation selbst.
Krank Start aus mit a wenig bisschen von ein Einführung.
Textuell Analyse von geschrieben Unterlagen hat werden ein wichtig Analysen Werkzeug
In Buchhaltung Und Finanzen Entscheidung- Herstellung.
Mehrere Forschung Papiere haben erweitert Die textuell Analyse
Und haben Auch gemessen Die geschrieben Ton In finanzielle Unterlagen,
Umwandlung Die Ton hinein a quantitativ Punktzahl
welche Maßnahmen Optimismus oder Pessimismus In Die Ton von Die Lautsprecher.
Manche Forscher haben Auch verbunden Das Ton
Zu erklären abnormal Rückgaben In Die finanzielle Märkte.
In Mein Präsentation Heute,
Ich bin gehen Zu sprechen um Wie Wir versuchen Zu erkunden Das Verbindung
mit Die verwenden von Die Gefühl Analyse Plattform innerhalb JMP Pro 16.
Lass uns erhalten begann Hier.
Entschuldigung.
Alle Rechts.
Lass uns sprechen a wenig bisschen um Die Motivation hinter Das Studie.
Für viele Jahre Hauptstadt Markt Studien haben recherchiert
ob quantitativ analytisch Information berichtete von Firmen solch als Gewinne
Und Einnahmen, oder andere Buchhaltung Maßnahmen beeinflussen Entscheidung Herstellung.
Jüngste Studien haben gezeigt Das In Zusatz Zu diese Typ von quantitativ Information,
qualitativ Analysen aus Die Firmen Und aus Die Medien
Einflüsse i Investor Verhalten.
Das qualitativ Information beinhaltet
Texte In 10- K Berichte, Gewinne drücken Veröffentlichungen
Konferenz Anruf Transkripte, Kommentar Buchstaben Zu Die SEC
Analysten Bemerkungen, Artikel In Medien, Und Gespräche In soziale Medien.
Mehrere Studien haben Auch gezeigt Bedeutung von Gewinne Konferenz Anrufe
Das sofort folgen Die vierteljährlich Gewinne Veröffentlichungen von öffentlich Unternehmen.
In unser Studie Hier,
war Untersuchung ob Die Auswirkungen von Die Gewinne Konferenz Anruf Töne
variiert über anders Gruppen von Unternehmen.
Lass uns Tun a wenig bisschen von Hintergrund
An Die Literatur Das bereits Cover textuell Analyse Also weit.
Textuell Analyse hat gewesen gebraucht Zu analysieren
a Vielfalt von Unterlagen durch Alternative Ansätze
Und eins könnte kategorisieren diese Ansätze hinein drei breit Kategorien.
Der Erste eins Ist Die verwenden von Die Nebel Index,
welche Ist grundsätzlich a Funktion von zwei Variablen:
Die Durchschnitt Satz Länge In Nummer von Wörter
Und Die Wort Komplexität,
welche grundsätzlich Maßnahmen Die Prozentsatz von Wörter mit mehr als zwei Silben In Es.
Der zweite Kategorie von Techniken Ist Die Länge von Berichte,
Obwohl Das eins scheint wie a eher simplistisch Ansatz,
Aber Es hat gewesen nützlich Weil von Die simplistisch Natur.
Dort haben gewesen a Paar von Studien welche haben gebraucht Die Länge von Bericht
Zu Proxy als Die Komplexität von Die Bericht selbst.
Der dritte Ansatz Ist Die verwenden von a Wortliste.
Jetzt, In Bedingungen von Die Wortliste,
Dort Sind a Nummer von Wort Listen Das Menschen haben erstellt selbst,
solch als Die Henry Wortliste oder Die Loughran Und MC Donalds Wortliste.
Aber In unser Studie Hier,
Wir verwendet Die eingebaut Wörterbuch Das JMP Pro kommt mit,
Und In Zusatz Zu Das eingebaut Wörterbuch,
Wir erweitert Das mit manche Phrasen, welche Wir hinzugefügt als Bedingungen,
als Also als a Brauch Liste von stoppen Wörter
basierend An Die Probe Daten Das Wir war Arbeiten mit.
Lass uns sprechen a wenig bisschen um Die Daten selbst.
Unser Daten Probe Größe Ist etwa 25.000 Beobachtungen,
welche bedeutet Das Wir hatte schließen Zu 25.000 Gewinne Anruf Transkripte
Das Wir analysiert, Und Die Datum Reichweite für diese Transkripte
Ist aus 2007 1. Quartal bis 2020 Quartal 4.
Wir haben versucht Zu einbeziehen nur Die Text Portion von Die Gewinne Transkript Anruf,
Entfernen beliebig Grafik oder beliebig besonders Charaktere
Das könnte Sei a Teil von Die Gewinne Anruf Transkript.
Alle von diese Transkripte war heruntergeladen
aus Die LexisNexis Datenbank In RTF Format.
Nur Zu geben Du a wenig bisschen von ein Einleitung
als Zu Was Die Gewinne Anruf Transkript grundsätzlich Aussehen wie.
Es beginnt aus mit Die Titel, welche Erwähnungen Die Name von Die Unternehmen
für welche Die Gewinne Anruf Bekanntmachung Ist Sein gemacht.
Es hat Die Wort Gerecht Offenlegung Draht In Die nächste Linie, folgte von Die Datum.
Dann Die hauptsächlich Anruf selbst Ist geteilt hinein zwei Abschnitte.
Du haben Die Präsentation Abschnitt, welche Sind Die vorbereitet Bemerkungen
von Die Managerial Team, welche Ist Teilnahme Das Anruf, grundsätzlich,
Und Dann Du Auch haben a Diskussion zwischen Die Analysten
WHO Sind sitzen An Die Anruf live, Und Sie fragen Fragen Zu Die Manager
Und Die Manager antworten Zu diese Fragen.
Also die vorbereitet Bemerkungen Und Die Fragen und Antworten Portion.
Jetzt, für Das Studie speziell,
wir haben nur sah bei Die vorbereitet Bemerkungen Portion von Die Gewinne Transkripte,
Aber später An, als ein Verlängerung von Das Studie,
war Planung Zu Auch einbeziehen Die Fragen und Antworten Portion
von Die Gewinne Anruf als Also.
In Zusatz Zu diese zwei Blöcke von Text Das Sind a Teil von Die Transkript
am meisten von diese Transkripte Auch enthalten
a Liste von alle Die Teilnehmer WHO Sind An Die Anruf,
welche beinhaltet alle von Die Manager aus Die Unternehmen Seite,
als Also als alle von Die Analysten aus anders institutionell Investor Websites.
Lass uns sprechen um Die Methodik a wenig bisschen Erste.
Wir extrahiert Die Transkript
Und Die vorbereitet Bemerkungen von Die Manager Abschnitt War betitelt als Die DocB Magie.
Der Frage A War betitelt bei Die Diskussion,
Und Wir gezählt Die Nummer von Analysten WHO besuchte jede Anruf.
Jetzt, halten In Geist Das Weil von Die Tatsache Das nicht alle Anrufe haben a Frage A Segment,
Die Frage A Teil könnte Sei fehlen für manche von Die Zeilen In unser Probe.
Welche Ist Warum für Das Konferenz Und Das Studie,
wir haben nur fokussiert An Die DocB Magie,
welche Ist Die vorbereitet Bemerkungen Portion von Die Gewinne Anruf.
Dann Wir Auch erstellt Spalten welche könnte Sei gebraucht als Kennungen.
A Ticker Spalte für weiter Analyse, Die Jahr Quartal,
als Also als a berechnet Spalte welche Maßnahmen Die Länge In Bedingungen
von Die Nummer von Wörter In Die vorbereitet Bemerkungen Abschnitt.
Jetzt, Die Verteilung von Länge Ist interessant Und war gehen Zu zeigen
Das Ausgabe In a wenig bisschen.
Vor Wir verschoben An Zu das T ext Forscher Plattform,
Wir geändert Die Daten Typ für Die dokumentieren Körper Zu unstrukturiert Text-
Entschuldigung, Die Daten Typ Charakter Und Die Modellieren Typ Zu unstrukturiert Text
Also Das Die Textuell Forscher Plattform dürfen arbeiten.
Vor I zeigen Du Die Textuell Forscher Plattform,
I Nur wollen Zu sprechen a wenig bisschen um Die Terminologie Das Ist gehen Zu Sei gebraucht
a viel während Die Text Forscher Plattform Und Die Ausgabe gezeigt.
In textuell Analytik
a Begriff oder a Token Ist Die kleinste Stück von Text ähnlich Zu a Wort In a Satz.
Du dürfen definieren Bedingungen In viele Wege, Obwohl Die verwenden von regulär Ausdrücke
oder die Verfahren von brech runter Die Text hinein Bedingungen Ist angerufen Tokenisierung.
Ein anderer wichtig Begriff Das Ist gehen Zu Pop hoch a viel Wann Wir sehen Die Ausgabe
von Die textuell Plattform Ist a Phrase welche Ist a kurz Sammlung von Begriff.
Der Plattform hat Optionen Zu verwalten Phrasen
Das dürfen Sei spezifiziert als Bedingungen In Und von selbst.
Für Beispiel, für unser Gewinne Anruf Studie,
a Phrase welche geplatzt hoch a viel War etwas wie wirksam Steuer Rate.
Obwohl wirksam, Steuer, Und Rate, Sind drei separate Bedingungen,
Aber wirksam Steuer Rate Sein gebraucht zusammen am meisten von Die Zeit Wir konvertiert Das Phrase
hinein a Begriff selbst Also Das Wir dürfen analysieren Wie viele mal
Das besondere Phrase als a ganz Ist Sein gebraucht In diese Konferenz Anrufe.
Nächste Ist Die dokumentieren.
A dokumentieren grundsätzlich bezieht sich Zu a Sammlung von Wörter.
In a JMP Daten Tisch, Die unstrukturiert Text
In jede Reihe von Die Text Spalte entspricht Zu a dokumentieren.
Dann Wir Auch haben a Korpus,
welche Ist grundsätzlich a Sammlung von alle von Die Unterlagen.
Jetzt, ein anderer wichtig Begriff welche war gehen Zu verwenden später An während Die Ausgabe
Ist Die stoppen Wörter.
Stoppen Wörter Sind grundsätzlich gemeinsam Wörter
welche Du würde wollen Zu ausschließen aus Analyse.
JMP tut kommen mit es ist eigen Liste von stoppen Wörter
Aber Dort könnte Sei spezifisch Stoppwörter In Die Daten Probe Das Du Sind Verwendung
welche würde anwenden Zu Das Daten Satz nur.
Für uns, Wir erstellt a Brauch Liste von stoppen Wörter
welche Du dürfen leicht anzeigen In Die Text Forscher Plattform.
Du dürfen haben a Liste von stoppen Wörter In ein Excel Format oder In a txt Datei
Und Dann hochladen Das innerhalb Die Text Explorer Plattform
Und verwenden diese als Stoppwörter.
Dann Endlich Ist Die Verfahren von Wurzelstockung, welche Ist grundsätzlich Kombination Wörter
mit identisch Anfänge oder Stängel, Also Zu sagen, Zu grundsätzlich machen Sicher
Das Die Ergebnis kompiliert diese ähnlich verwurzelt Wörter als eins Wort.
Für Beispiel: springen, sprang, springend alle würde Sei behandelt als eins einzel Wort
stattdessen von drei separate Wörter.
Jetzt, für unser Studie über Hier, Wir entschieden Zu gehen mit Die NEIN Stängeln Option
Weil Dort war manche Probleme mit Die Stängeln Das Wir bemerkt.
Für Beispiel, manche Wörter wie Ration könnte Sei gebraucht
als a Stängel für Wörter wie Beschleunigung,
welche hat Nichts Zu Tun mit Das Wort selbst.
Also Wir entschieden Zu gehen mit Die NEIN Stängeln Option In unser Fall.
Das gleiten über Hier, Wir sehen bei Die Optionen Das Wir ausgewählt
für Die Text Forscher Plattform.
Der hauptsächlich Variable von Interesse Ist Die DocB Magie.
Wir verwenden Die AUSWEIS Zu AUSWEIS jede Reihe von Beobachtung,
Und Dann Wir ändern Die Standard Optionen für jede von diese Merkmale.
Der maximal Wörter pro Phrase, Die maximal Nummer von Phrasen,
Charaktere pro Wort, maximal Charaktere pro Wort,
Zu Die eins Das Wir dachte Sei geeignet für unser besondere Daten Satz.
A s Du dürfen sehen, Das Wir erhöht Die maximal Bereiche
Zu a viel höher als Was Die Standardeinstellungen Sind Nur Zu Sei An Die sicher Seite.
Das war nicht fehlen aus beliebig wichtig Bedingungen innerhalb unser Analyse.
Unser anfänglich Ausgabe Das Pops hoch einmal Du laufen Die Text Forscher Plattform
gibt Du a Liste von alle von Die Bedingungen welche war hoch gebraucht
innerhalb Die Probe von Daten, als Also als Die Phrasen.
Wir geprüft Die Liste von Phrasen
Und ausgewählt Die Phrasen Das könnte Sei gebraucht als Bedingungen.
Dort war a gesamt von 30.000 Phrasen
aus von welche 1.068 Phrasen war hinzugefügt Zu Die Begriff Liste.
In Zusatz Zu Das, Wir Auch erstellt unser Brauch Liste von stoppen Wörter.
W e gefunden Es Einfacher Zu grundsätzlich Import
alle Die Bedingungen aus unser Probe aus JMP hinein Excel, Sortieren diese Wörter
Und Dann grundsätzlich entfernen alles oder zählen alle von diese Wörter als Stopp Wörter
welche haben bestimmt Eigenschaften für Beispiel, Sie hatte Symbole oder Kommas
oder Dollar Schilder In ihnen, oder Zahlen welche war Sein behandelt als Text
oder gemeinsam Namen für Beispiel, John, Michael, David, Und C.
W e hinzugefügt alle von diese Zu unser stoppen Wort Liste
Und Wir hochgeladen Das hinein Die Textuell Forscher Plattform.
Lass uns sehen bei manche von unser Ausgabe.
Der Erste Analyse Das Wir tat War
An Die Variable Länge von Die vorbereitet Anmerkungen.
T Er Annahme über Hier Ist
Wenn Die vorbereitet Bemerkungen Abschnitt von Die Management Ist länger
Es grundsätzlich Shows Das Sie haben mehr Zu erklären Zu Die Investoren
Und Das Ist Warum Die Komplexität oder Die Ton von diese Berichte könnte Sei anders
für Die andere Berichte, welche Sind kürzer In Länge
Wo Die Manager nicht haben Zu Tun a viel von Erklärung.
A s Du dürfen sehen mit Die Verteilung Ausgabe An Die links,
Die Länge von unser Probe Daten Satz über Hier Ist leicht asymmetrisch
mit winzig Schwanz in Richtung Die Rechts Hand Seite,
welche bedeutet Das Dort war manche Berichte welche war länger als Die andere.
Der bedeuten von Länge Ist um 3.027 Wörter Und Die mittlere Ist um 2,9 66 Wörter.
Du dürfen sehen Die bedeuten Und Die mittlere Sind nicht zu weit weg aus jede andere,
welche wahrscheinlich bedeutet Das Wir dürfen annehmen Es Zu Sei symmetrisch als ablehnend Zu asymmetrisch
wie Die Histogramm über Hier bezeichnet.
Der Unterschied zwischen Die bedeuten Und Die mittlere Ist nicht zu viel.
Wir tat sehen bei Die mittlere Länge von Die Berichte gegen über Die Jahre
und ein s Du dürfen sehen In 2007, Die Gewinne Anrufe war viel länger
als Die Jahre nach Das,
und t Henne Wir tat sehen a leicht stoßen In 2020 als Also.
Wenn Du sehen bei Quartal weise Länge von Die Berichte,
Du wirst Auch beachten Das 4. Quartal allgemein hat Die längste Berichte
Weil Die Management Ist erklären Die Funktionen Und Die Operationen
von Die Unternehmen für Die ganz Jahr Und sie sind Kompilieren Ergebnisse
aus Die vorherige drei Viertel als Also.
In Bedingungen von Die Ticker welche hatte Die längste Durchschnitt Länge,
Wir hatte Boston Eigenschaften als Berichterstattung Die längste Durchschnitt Länge,
am Durchschnitt etwa schließen Zu 6.000 Wörter
welche Ist doppelt Die Durchschnitt Länge von Die ganz Daten Satz In allgemein.
Nächste Wir haben Ist grundsätzlich Die Wort Wolke.
Jetzt, Nur Zu vergleichen Stängeln Option gegen nicht Stängeln Option,
An Die Bildschirm, Du sehen beide Die Wort Wolke mit Die Stängeln Option,
welche Ist An Die Rechts Hand Seite, Und Die eins ohne Die Stängeln Option.
Wir bevorzugt Die NEIN Stängeln Option Weil Es lass uns uns sehen Die Wörter
welche zeigen hoch In am meisten von diese Gewinne Anrufe mehr oft als Die andere Wörter
wohingegen Die Stängeln Option könnte Ende hoch mit a Wort Wolke
welche Ist nicht sehr erläuternd.
Als Du dürfen sehen, Wachstum, neu, Einnahmen, Zunahme.
Diese Sind Die Wörter welche Pop hoch Die am meisten,
welche grundsätzlich Signal Das Manager Sind meistens optimistisch Und positiv
In ihre Töne In ihre vorbereitet Bemerkungen Abschnitt von ihre Berichte.
Dann I Auch haben a Screenshot von Die Gefühl Analyse Plattform
welche grundsätzlich wieder erzählt Du Die Verteilung von Die gesamt Ton,
positiv oder Negativ.
A s Du dürfen sehen aus Das Histogramm über Hier,
Die gesamt Ton von diese vorbereitet Bemerkungen Ist meistens sehr positiv,
mit nur sehr wenige Gewinne Anruf Transkript welche fallen
In Die Negativ Gefühl Portion von Das Verteilung,
welche wieder Signale Das Manager neigen Zu Sei mehr positiv Und mehr optimistisch
Wann reden um Die Operationen von Die Unternehmen Also Das Sie dürfen Signal
Die Tatsache Das Die Zukunft Ist gehen Zu Sei hell Und es ist gehen Zu Sei besser,
Und Das definitiv Auswirkungen Wie Die Investoren reagieren Zu Das Ton.
Nächste, Wir Auch entschieden Zu sehen bei Die gesamt Gefühl von Die Anrufe,
als Also als Die positiv bedeuten Und Die Negativ bedeuten von Die Gefühle.
Als Du dürfen sehen Die positiv Gefühl, meistens es ist um a Wert von 60,
wohingegen Die Negativ Gefühl,
Wir sehen a stoßen um Die Negativ Gefühl von minus 40
Also keiner von diese Gewinne Anrufe war zu Negativ,
sogar Wenn Die Unternehmen Leistung War Wirklich schlecht für Das bestimmtes Quartal.
B weil Sie wollen Zu Signal a heller Zukunft,
Und nicht Fokus zu viel An Die Geschichte.
Wenn Du sehen bei Die gesamt Gefühl gegen Die Jahre
Du wirst beachten Das Die gesamt Gefühl
War viel untere während Die finanzielle Krise von 2007- 2008,
Und Dann Es angestoßen enorm In 2009- 2010 Und gesamt, Es hat gewesen relativ stetig
außer für 2020 Wann Die Pandemie Schlag.
Wenn Du brechen Es runter Quartal weise, Du dürfen sehen Das Die unten Center Graph
über Hier Shows Das manche Viertel, speziell Die vierte Quartal,
könnte sehen a fallen In Die Ton von Die gesamt Gefühl In Die ganz Daten.
Wenn Du sehen bei Die Länge gegen Die Jahr, wieder, Du wirst beachten Das Die Länge War
viel höher In 2007, Es fallen gelassen In 2008, wieder ausgewählt hoch a Gipfel In 2009,
Und gesamt, Die Länge hat reduziert über Zeit bis 2020 selbst.
Es könnte Sei a sicher Annahme Zu machen
Wann mal Sind hart Und Die Unternehmen haben mehr Zu erklären,
Die Gewinne Anruf neigen Zu werden länger Und Die vorbereitet Bemerkungen Sind länger.
Jedoch, Wenn Du sehen bei Länge gegen Die gesamt Gefühl,
Du wirst beachten Das Dort scheint Zu Sei a leicht positiv Beziehung
zwischen Länge Und gesamt Gefühl,
Aber es ist definitiv nicht a einfach Beziehung wie a linear nach oben Trend.
Stattdessen, Die Daten Ist ganz heteroskedastisch.
Hier I haben a Liste von Unternehmen welche zeigte hoch mit Die höchste
gesamt Gefühl über Die Jahre gegen Die Unternehmen welche zeigte hoch
mit Die am niedrigsten gesamt Gefühl über Die Jahre.
I Auch setzen Die Branchen In welche Sie gehören
Nur als ein interessant Stück von Information Das Wir bemerkt.
Für Beispiel, a viel von Die positiv Gefühl Anrufe
war Die eins aus Die Technologie Dienstleistungen Bereich oder finanzielle Dienstleistungen,
wohingegen Die am niedrigsten Gefühl War In Die Abfall Management
oder medizinische Technologie Branchen.
In Bedingungen von Die Zukunft Forschung Das Wir planen Zu Tun An Das Thema,
Wir wollen Zu prüfen Die Ton von diese Gewinne Anruf,
Und Tun a kreuzen Analyse mit Variablen
wie Managerial strategisch Anreize mit Offenlegungen
Die Auswirkungen Die Ton hat An Analysten Und Investoren
als Also als manche Variablen welche Sind spezifisch Zu Die Firma,
solch als Die Größe, ihre Komplexität, ihre Alter, Und C.
W e Auch planen Zu erkunden Die Begriff Auswahl für Gebäude Daten Bergbau Modelle
Verwendung Die Text Explorer Plattform innerhalb JMP Pro.
Dank Du Also viel für Teilnahme Das Präsentation Und hoffentlich
Wir dürfen Antwort beliebig Fragen Das Du Mai haben um unser Präsentation Heute.
Dank Du .
