电话会议记录
在前面的三个文本数据案例中，推特推文反映了普通投资者的情绪，财经博客反映了财经专家的情绪，而财经新闻则体现出记者们的情绪。在这个小节所介绍的文本数据案例中，我们将讨论另外一类文本数据中的情绪，也就是公司电话会议记录中体现的管理层情绪。这个案例来自于ExtractAlpha和AlphaSense这两家公司的分析师Jha/Blaine（2015）。
财务文件的文本分析在学术研究中已有经年，包括Loughran/McDonald（2011）针对美国公司年报10K和季报10Q的文本分析，以及Henry（2008）针对公司会议记录进行的文本分析，Kearney/Liu（2014）对此做了一个很好的综述。当前这个案例所说的财务电话会议记录（earnings call tanscript），其来源是因为公司股东分散各地，因此经常需要通过电话进行会议，而这些会议过程通常会录音，形成文字后就是电话会议记录了。
大多数财务报告（10K和10Q）表现为数值数据以及标准模板陈述的文字，其中很少涉及情绪方面的表达，其中和情绪最为相关的管理层讨论和分析，也只占财报中很小一部分。和财报相比，公司的电话会议记录更具自发性，格式更为随意，特别是问答部分，在现场实时环境下，管理层必须要做即席的回答。在这个案例中，我们可以捕捉管理层在应对股东提问中所体现的情绪，特别是股东问题本身所蕴含的情绪。在Loughran/McDonald（2011）的研究中，他们就依托于一个针对特定文件中语言使用方式相关的词典。针对电话会议记录中的情绪，专注于市场智能研发的AlphaSense就开发了一个针对电话会议记录的正面和负面词汇的词典。这个案例分析的电话会议记录数据是由汤森路透提供的，最早可以追溯到2005年。Jha/Blaine还对慧甚提供的电话会议记录数据进行了类似的分析，结果得到了在性质上近似的结论。
作者分析的时段是从2005年到2014年，所覆盖的股票要求满足流动性的要求，[22]由此在不同的样本时段上就得到了1400～1800个的股票样本。在这个案例的文本情绪分析中，Jha/Blain（2015）把重点放在了会议记录语调（tone）这个指标上。根据AlphaSense开发的针对电话会议记录的正面和负面词汇的词典，就可以得到语调的定义：
在样本中语调的数值介于-0.04和0.62之间，中位数是0.25。一个电话会议记录的语调值是0.25，就意味着这个文件中正面词语的句子要比负面词语的句子多出25个句子。在这个样本中，很少存在语调为负的情况。不同时期的语调分位数是非常稳定的，除了在金融危机发生的时候出现明显的下跌。图1.8给出了每月语调第10、25、50、75和90百分位数的变化。
图1.8 语调百分位数的时间序列
资料来源：Jha/Blaine（2015）。
下面分析语调变化的投资含义。图1.9所示为各种不同语调变化带来的累积剩余收益。我们可以看到，在公告日当天不同的语调变化存在着明显的股票收益率差异，正如所预期的那样，越正面的语调变化就会存在更大的股票回报。如果我们不知道公司电话会议的具体实践，或者会议记录的发布存在着延迟，那么就无法获取当日的股票收益。另外，在第二天之后，语调变化带来的收益变化不是很大，除了最为负面的语调变化，后者会出现股票收益在未来两个月内持续下跌的状况。
图1.9 从会议记录日开始基于语调变化的剩余收益
资料来源：Jha/Blaine（2015）。
接下来我们在投资组合场景下讨论语调的影响。作者分别从全体股票样本、大盘股、中盘股和小盘股的分类出发，分别构造基于语调变化的股票十分位投资组合，然后通过做多最高十分位和做空最低十分位的组合形成多空组合，由此得到表1.7的结果。从中可以看出，由此形成的市场中性组合收益率是适中的，但是对于大盘股和中盘股而言这个组合的投资业绩是不多的，当然对于小盘股而言，投资业绩就很一般了。就这个结果，作者也指出，对于小盘股而言，电话会议的内容在时间上的变化很大，因此语调的季度自相关系数就很低，这样语调的变化就更多是噪声，而不是由于电话会议参与者对公司前景看法的变化导致的。
表1.7 基于语调变化因子的多空组合绩效
