Hola todos, mi nombre es N ilofar Varzgani.
Hoy, Soy yendo a ser presentación mi investigación estudiar eso I tener realizado
usando JMP Pro 16, y específicamente dentro JMP Pro 16,
I usado el Textual Explorador plataforma
como Bueno como el Sentimiento Análisis funcionalidad
dentro el Texto Explorador plataforma.
El título de este el estudio es
Textual Análisis de Ganancias Conferencia Llamadas: Diferencias Entre Empresas.
Este estudiar eso Soy laboral en es con mi dos co- autores,
Dr. U hierba y Dr. De nada.
Ellos son no yendo a ser presentación con a mí aquí hoy,
pero ellos voluntad seguramente asistir el presentación sí mismo.
Enfermo comenzar apagado con a pequeño poco de un introducción.
Textual análisis de escrito documentos tiene convertirse un importante analítica herramienta
en contabilidad y finanzas decisión- haciendo.
Varios investigación papeles tener expandido el textual análisis
y tener también mesurado el escrito tono en financiero documentos,
mudado el tono en a cuantitativo puntaje
cual medidas optimismo o pesimismo en el tono de el vocero.
Alguno investigadores tener también conectado este tono
a explicar anormal devoluciones en el financiero mercados.
En mi presentación hoy,
Soy yendo a hablar acerca de cómo nosotros intentar a explorar este conexión
con el usar de el Sentimiento Análisis plataforma dentro JMP Pro 16.
Vamos conseguir comenzó aquí.
Lo siento.
Todo bien.
Vamos hablar a pequeño poco acerca de el motivación detrás este estudiar.
Para muchos años, capital mercado estudios tener investigado
si cuantitativo analítico información informado por empresas semejante como ganancias
y ganancia, o otro contabilidad medidas influencia decisión haciendo.
Reciente estudios tener mostrado eso en suma a estos tipo de cuantitativo información,
cualitativo analítica de el empresas y de el medios de comunicación
influencias i inversor comportamiento.
Este cualitativo información incluye
textos en 10- K informes, ganancias prensa lanzamientos,
conferencia llamar transcripciones, comentario letras a el SEGUNDO,
analistas comentarios, artículos en medios de comunicación, y conversaciones en social medios de comunicación.
Varios estudios tener también mostrado el importancia de ganancias conferencia llamadas
eso inmediatamente seguir el trimestral ganancias lanzamientos de público empresas.
En nuestro estudiar aquí,
eran examinando si el impacto de el ganancias conferencia llamar tonos
varía al otro lado de diferente grupos de empresas.
Vamos hacer a pequeño poco de fondo
en el literatura eso ya cubiertas textual análisis entonces lejos.
Textual análisis tiene estado usado a analizar
a variedad de documentos a través de alternativa aproches,
y uno podría clasificar por categorías estos aproches en tres amplio categorías.
El primero uno es el usar de el Niebla Índice,
cual es básicamente a función de dos variables:
el promedio oración longitud en número de palabras,
y el palabra complejidad,
cual básicamente medidas el porcentaje de palabras con más que dos sílabas en él.
El segundo categoría de técnicas es el longitud de informes,
a pesar de este uno parece como a bastante simplista acercarse,
pero él tiene estado útil porque de el simplista naturaleza.
Allá tener estado a pareja de estudios cual tener usado el longitud de informe
a apoderado como el complejidad de el informe sí mismo.
El tercero acercarse es el usar de a lista de palabras.
Ahora, en términos de el lista de palabras,
allá son a número de palabra liza eso gente tener creado ellos mismos,
semejante como el Enrique lista de palabras o el Loughran y McDonald's lista de palabras.
Pero en nuestro estudiar aquí,
nosotros utilizado el incorporado diccionario eso JMP Pro llega con,
y en suma a eso incorporado diccionario,
nosotros aumentado eso con alguno frases, cual nosotros agregado como términos,
como Bueno como a costumbre lista de detener palabras
basado en el muestra datos eso nosotros eran laboral con.
Vamos hablar a pequeño poco acerca de el datos sí mismo.
Nuestro datos muestra tamaño es aproximadamente 25.000 observaciones,
cual medio eso nosotros tenía cerca a 25.000 ganancias llamar transcripciones
eso nosotros analizado, y el fecha rango para aquellos transcripciones
es de 2007 Primer trimestre a 2020 Cuarto 4.
Nosotros tener intentó a incorporar solo el texto parte de el ganancias transcripción llamar,
quitando cualquier gráficos o cualquier especial personajes
eso podría ser a parte de el ganancias llamar transcripción.
Todo de estos transcripciones eran descargado
de el LexisNexis base de datos en RTF formato.
Justo a dar tú a pequeño poco de un introducción
como a qué el ganancias llamar transcripción básicamente aspecto como.
Él comienza apagado con el título, cual menciones el nombre de el compañía
para cual el ganancias llamar anuncio es ser hecho.
Él tiene el palabra Justo Divulgación Cable en el próximo línea, seguido por el fecha.
Entonces el principal llamar sí mismo es dividido en dos secciones.
Tú tener el presentación sección, cual son el preparado comentarios
de el gerencial equipo, cual es asistir eso llamar, básicamente,
y entonces tú también tener a discusión entre el analistas
OMS son sentado en en el llamar vivir, y ellos preguntar preguntas a el gerentes,
y el gerentes responder a aquellos preguntas.
Entonces el preparado comentarios y el Preguntas y respuestas parte.
Ahora, para este estudiar específicamente,
tenemos solo miró en el preparado comentarios parte de el ganancias transcripciones,
pero más tarde en, como un extensión de este estudiar,
eran planificación a también incorporar el Preguntas y respuestas parte
de el ganancias llamar como Bueno.
En suma a aquellos dos bloques de texto eso son a parte de el transcripción,
mayoría de estos transcripciones también incluir
a lista de todo el participantes OMS son en el llamar,
cual incluye todo de el gerentes de el compañía lado,
como Bueno como todo de el analistas de diferente institucional inversor sitios.
Vamos hablar acerca de el metodología a pequeño poco primero.
Nosotros extraído el transcripción
y el preparado comentarios de el gerentes sección era noble como el DocB magia.
El Pregunta A era noble en el discusión,
y nosotros contado el número de analistas OMS asistió cada llamar.
Ahora, mantener en mente eso porque de el hecho eso no todo llamadas tener a Pregunta A segmento,
el Pregunta A parte podría ser desaparecido para alguno de el filas en nuestro muestra.
Cual es por qué para este conferencia y este estudiar,
tenemos solo enfocado en el DocB magia,
cual es el preparado comentarios parte de el ganancias llamar.
Entonces nosotros también creado columnas cual podría ser usado como identificadores.
A corazón columna para más análisis, el año cuarto,
como Bueno como a calculado columna cual medidas el longitud en términos
de el número de palabras en el preparado comentarios sección.
Ahora, el distribución de longitud es interesante y eran yendo a espectáculo
eso producción en a pequeño poco.
Antes nosotros emocionado en a la T extensión Explorador plataforma,
nosotros cambió el datos tipo para el documento cuerpo a no estructurado texto-
Lo siento, el datos tipo personaje y el modelado tipo a no estructurado texto
entonces eso el Textual Explorador plataforma poder trabajar.
Antes I espectáculo tú el Textual Explorador plataforma,
I justo desear a hablar a pequeño poco acerca de el terminología eso es yendo a ser usado
a lote durante el Texto Explorador plataforma y el producción mostrado.
En textual analítica,
a término o a simbólico es el pequeñísimo pedazo de texto similar a a palabra en a oración.
Tú poder definir términos en muchos maneras, a pesar de el usar de regular expresiones
o el proceso de rotura abajo el texto en términos es llamado tokenización.
Otro importante término eso es yendo a estallido arriba a lote cuando nosotros ver el producción
de el textual plataforma es a frase cual es a corto recopilación de término.
El plataforma tiene opciones a administrar frases
eso poder ser especificado como términos en y de ellos mismos.
Para ejemplo, para nuestro ganancias llamar estudiar,
a frase cual reventó arriba a lote era algo como eficaz impuesto tasa.
A pesar de eficaz, impuesto, y tasa, son tres separado términos,
pero eficaz impuesto tasa ser usado juntos mayoría de el tiempo nosotros convertido eso frase
en a término sí mismo entonces eso nosotros poder analizar cómo muchos veces
eso particular frase como a entero es ser usado en estos conferencia llamadas.
Próximo es el documento.
A documento básicamente se refiere a a recopilación de palabras.
En a JMP datos mesa, el no estructurado texto
en cada fila de el texto columna corresponde a a documento.
Entonces nosotros también tener a cuerpo,
cual es básicamente a recopilación de todo de el documentos.
Ahora, otro importante término cual eran yendo a usar más tarde en durante el producción
es el detener palabras.
Detener palabras son básicamente común palabras
cual tú quería desear a excluir de análisis.
JMP hace venir con es propio lista de detener palabras,
pero allá podría ser específico palabras de alto en el datos muestra eso tú son usando
cual quería aplicar a eso datos colocar solo.
Para a nosotros, nosotros creado a costumbre lista de detener palabras
cual tú poder fácilmente visible en el Texto Explorador plataforma.
Tú poder tener a lista de detener palabras en un sobresalir formato o en a TXT archivo
y entonces subir eso dentro el Explorador de texto plataforma
y usar aquellos como palabras vacías.
Entonces finalmente es el proceso de derivación, cual es básicamente combinatorio palabras
con idéntico principios o tallos, entonces a decir, a básicamente hacer seguro
eso el resultado compila aquellos similar enraizado palabras como uno palabra.
Para ejemplo, saltar, saltó, saltando, todo quería ser tratado como uno soltero palabra
en cambio de tres separado palabras.
Ahora, para nuestro estudiar encima aquí, nosotros decidido a ir con el No derivación opción
porque allá eran alguno asuntos con el derivación eso nosotros observó.
Para ejemplo, alguno palabras como racionar podría ser usado
como a provenir para palabras como aceleración,
cual tiene nada a hacer con eso palabra sí mismo.
Entonces nosotros decidido a ir con el No derivación opción en nuestro caso.
Este deslizar encima aquí, nosotros mirar en el opciones eso nosotros seleccionado
para el Texto Explorador plataforma.
El principal variable de interés es el DocB magia.
Nosotros usar el IDENTIFICACIÓN a IDENTIFICACIÓN cada fila de observación,
y entonces nosotros cambiar el por defecto opciones para cada de estos características.
El máximo palabras por frase, el máximo número de frases,
personajes por palabra, máximo personajes por palabra,
a el unos eso nosotros pensé que sería ser adecuado para nuestro particular datos colocar.
A s tú poder ver, eso nosotros aumentó el máximo rangos
a a lote más alto que qué el valores predeterminados son justo a ser en el seguro lado.
eso eran no desaparecido afuera cualquier importante términos dentro nuestro análisis.
Nuestro inicial producción eso paletas arriba una vez tú correr el Texto Explorador plataforma
da tú a lista de todo de el términos cual eran muy usado
dentro el muestra de datos, como Bueno como el frases.
Nosotros revisado el lista de frases
y seleccionado el frases eso podría ser usado como términos.
Allá eran a total de 30.000 frases
afuera de cual 1.068 frases eran agregado a el término lista.
En suma a eso, nosotros también creado nuestro costumbre lista de detener palabras.
W e encontró él más fácil a básicamente importar
todo el términos de nuestro muestra de JMP en Sobresalir, clasificar aquellos palabras,
y entonces básicamente eliminar todo o contar todo de aquellos palabras como parada palabras
cual tener cierto características, para ejemplo, ellos tenía símbolos o comas
o dólar señales en a ellos, o números cual eran ser tratado como texto
o común nombres, para ejemplo, John, Miguel, David, Y do.
W e agregado todo de aquellos a nuestro detener palabra lista
y nosotros subido eso en el Textual Explorador plataforma.
Vamos mirar en alguno de nuestro producción.
El primero análisis eso nosotros hizo era
en el variable longitud de el preparado comentarios.
T él suposición encima aquí es
si el preparado comentarios sección de el gestión es más extenso,
él básicamente programas eso ellos tener más a explicar a el inversores,
y eso es por qué el complejidad o el tono de aquellos informes podría ser diferente
para el otro informes, cual son más corto en longitud
dónde el gerentes no tener a hacer a lote de explicando.
A s tú poder ver con el distribución producción en el izquierda,
el longitud de nuestro muestra datos colocar encima aquí es levemente asimétrico
con diminuto cola hacia el bien mano lado,
cual medio eso allá eran alguno informes cual eran más extenso que el otros.
El significar de longitud es alrededor 3.027 palabras y el mediana es alrededor 2,9 66 palabras.
Tú poder ver el significar y el mediana son no también lejos lejos de cada otro,
cual probablemente medio eso nosotros poder asumir él a ser simétrico como opuesto a asimétrico
como el histograma encima aquí denota.
El diferencia entre el significar y el mediana es no también mucho.
Nosotros hizo mirar en el mediana longitud de el informes versus encima el años,
y un s tú poder ver en 2007, el ganancias llamadas eran mucho más extenso
que el años después eso,
y t gallina nosotros hizo ver a leve bulto en 2020 como Bueno.
Si tú mirar en cuarto inteligente longitud de el informes,
tú lo harás también aviso eso Cuarto trimestre generalmente tiene el más largo informes
porque el gestión es explicando el funciones y el operaciones
de el compañía para el entero año y ellos son compilando resultados
de el anterior tres cuarteles como Bueno.
En términos de el símbolos cual tenía el más largo promedio longitud,
nosotros tenía Bostón Propiedades como informes el más largo promedio longitud,
al promedio aproximadamente cerca a 6.000 palabras,
cual es doble el promedio longitud de el entero datos colocar en general.
Próximo nosotros tener es básicamente el palabra nube.
Ahora, justo a comparar derivación opción versus no derivación opción,
en el pantalla, tú ver ambos el palabra nube con el derivación opción,
cual es en el bien mano lado, y el uno sin el derivación opción.
Nosotros privilegiado el No derivación opción porque él vamos a nosotros ver el palabras
cual espectáculo arriba en mayoría de estos ganancias llamadas más a menudo que el otro palabras,
mientras el derivación opción podría fin arriba con a palabra nube
cual es no muy explicativo.
Como tú poder ver, crecimiento, nuevo, ganancia, aumentar.
Estos son el palabras cual estallido arriba el mayoría,
cual básicamente señal eso gerentes son principalmente optimista y positivo
en su tonos en su preparado comentarios sección de su informes.
Entonces I también tener a captura de pantalla de el Sentimiento Análisis plataforma
cual básicamente de nuevo cuenta tú el distribución de el en general tono,
positivo o negativo.
A s tú poder ver de este histograma encima aquí,
el en general tono de estos preparado comentarios es principalmente muy positivo,
con solo muy pocos ganancias llamar transcripción cual caer
en el negativo sentimiento parte de este distribución,
cual de nuevo señales eso gerentes tender a ser más positivo y más optimista
cuando hablando acerca de el operaciones de el compañía entonces eso ellos poder señal
el hecho eso el futuro es yendo a ser brillante y es yendo a ser mejor,
y eso definitivamente afecta cómo el inversores reaccionar a este tono.
Próximo, nosotros también decidido a mirar en el en general sentimiento de el llamadas,
como Bueno como el positivo significar y el negativo significar de el sentimientos.
Como tú poder ver el positivo sentimiento, principalmente es alrededor a valor de 60,
mientras el negativo sentimiento,
nosotros ver a bulto alrededor el negativo sentimiento de menos 40
entonces ninguno de estos ganancias llamadas eran también negativo,
incluso si el compañía actuación era en realidad malo para eso trimestre en particular.
B porque ellos desear a señal a más brillante futuro,
y no enfocar también mucho en el historia.
Si tú mirar en el en general sentimiento versus el años,
tú lo harás aviso eso el en general sentimiento
era mucho más bajo durante el financiero crisis de 2007- 2008,
y entonces él golpeado enormemente en 2009- 2010 y en general, él tiene estado relativamente estable
excepto para 2020 cuando el pandemia golpear.
Si tú romper él abajo cuarto inteligente, tú poder ver eso el abajo centro gráfico
encima aquí programas eso alguno cuarteles, específicamente el cuatro cuarto,
podría ver a gota en el tono de el en general sentimiento en el entero datos.
Si tú mirar en el longitud versus el año, de nuevo, tú lo harás aviso eso el longitud era
mucho más alto en 2007, él abandonó en 2008, de nuevo escogido arriba a cima en 2009,
y en general, el longitud tiene reducido encima tiempo hasta 2020 sí mismo.
Él podría ser a seguro suposición a haz eso
cuando veces son difícil y el empresas tener más a explicar,
el ganancias llamar tender a convertirse más extenso y el preparado comentarios son más extenso.
Sin embargo, si tú mirar en longitud versus el en general sentimiento,
tú lo harás aviso eso allá parece a ser a leve positivo relación
entre longitud y en general sentimiento,
pero es definitivamente no a simple relación como a lineal hacia arriba tendencia.
En cambio, el datos es bastante heterocedástico.
Aquí I tener a lista de empresas cual presentado arriba con el más alto
en general sentimiento encima el años versus el empresas cual presentado arriba
con el más bajo en general sentimiento encima el años.
I también poner el industrias en cual ellos pertenecer
justo como un interesante pedazo de información eso nosotros observó.
Para ejemplo, a lote de el positivo sentimiento llamadas
eran el unos de el tecnología servicios área o financiero servicios,
mientras el más bajo sentimiento era en el desperdiciar gestión
o médico tecnología industrias.
En términos de el futuro investigación eso nosotros plan a hacer en este tema,
nosotros desear a examinar el tono de estos ganancias llamar,
y hacer a cruz análisis con variables
como gerencial estratégico incentivos con divulgaciones,
el impacto el tono tiene en analistas y inversores,
como Bueno como alguno variables cual son específico a el firme,
semejante como el tamaño, su complejidad, su edad, Y do.
W e también plan a explorar el término selección para edificio datos minería modelos
usando el Explorador de texto plataforma dentro JMP Pro.
Agradecer tú entonces mucho para asistir este presentación y con un poco de suerte
nosotros poder respuesta cualquier preguntas eso tú puede tener acerca de nuestro presentación hoy.
Agradecer tú .
