王瀟敏

[摘要]文章運(yùn)用文獻(xiàn)綜述的方法，篩選多篇文章，對(duì)文本分析技術(shù)的不同種類與方法進(jìn)行介紹，并對(duì)不同方法在文獻(xiàn)中的運(yùn)用進(jìn)行梳理，區(qū)分不同方法的特征。

[關(guān)鍵詞]文本分析； 情感分析； 詞袋；可讀性

[DOI]1013939/jcnkizgsc201801022

1引言

文本分析技術(shù)是指通過(guò)文本信息進(jìn)行挖掘檢索，把從文本中抽取出的特征詞進(jìn)行量化來(lái)表示文本內(nèi)容，它是一種基于大數(shù)據(jù)時(shí)代的新興技術(shù)，并廣泛用于經(jīng)濟(jì)與會(huì)計(jì)的研究領(lǐng)域。文章將介紹不同的文本分析方法在經(jīng)濟(jì)與會(huì)計(jì)研究方面的應(yīng)用。

2可讀性分析

用可讀性進(jìn)行文本分析是比較常用的方法，文本可讀性通常用迷霧指數(shù)，F(xiàn)lesch指數(shù) Flesch-Kincaid指數(shù)和文本長(zhǎng)度來(lái)表示，早期的研究大多都是基于小樣本的研究。比如[1]Lewis，Parker1986年只用了跨越四個(gè)年度的九個(gè)公司作為樣本，用不同度量方法來(lái)研究財(cái)務(wù)報(bào)表的可讀性。

第一篇用大樣本量研究有關(guān)于文本可讀性的文章是[2]Li 2008年發(fā)表的關(guān)于年度報(bào)表可讀性與公司業(yè)績(jī)的關(guān)系的文章。這篇文章后被大量引用，他主要就是用年度報(bào)表的迷霧指數(shù)和包含的單詞個(gè)數(shù)來(lái)度量文本的可讀性。繼Li之后有關(guān)于用可讀性衡量文本信息的文章層出不窮。[3]Lawrence于2013年發(fā)現(xiàn)迷霧指數(shù)與年度報(bào)表的單詞總數(shù)與個(gè)人的股票持有量相關(guān)。[4]Lehavy，Li，Merkley于2011年通過(guò)分析發(fā)現(xiàn)年度報(bào)表的迷霧指數(shù)越高那么分析師的偏差越小，盈利預(yù)測(cè)越準(zhǔn)確。

3文本語(yǔ)調(diào)分析

另一種常用的文本分析方法為“詞袋法”，詞袋法在文獻(xiàn)中運(yùn)用比較多的是通過(guò)將表達(dá)不同情感的詞進(jìn)行歸類形成詞語(yǔ)列表，比如分別將含有消極、積極、不確定等感情色彩的詞進(jìn)行歸類列表。比較簡(jiǎn)單地用詞袋法進(jìn)行文本分析的方法是目標(biāo)詞匹配法。

Loughran，McDonld和Yun于2009就運(yùn)用目標(biāo)詞批匹配法考慮“道德”這個(gè)詞與“企業(yè)責(zé)任”“社會(huì)責(zé)任”一起出現(xiàn)的頻率與企業(yè)的股票狀況、公司治理現(xiàn)狀和是否可能遭到起訴是否有聯(lián)系。[5]相比關(guān)鍵詞匹配法用詞袋法中的詞語(yǔ)列表法進(jìn)行研究的文獻(xiàn)更多一些。在經(jīng)濟(jì)與會(huì)計(jì)研究領(lǐng)域共有四種詞語(yǔ)列表被廣泛應(yīng)用，例Henry（2008），Harvards GI，Diction，Loughran和McDonald。最早期的研究就主要集中于消極詞匯的單詞列表，國(guó)內(nèi)的研究主要有[6]謝德仁、林樂(lè)同樣用詞袋法分別在2014年和2015年發(fā)表了通過(guò)研究業(yè)績(jī)說(shuō)明會(huì)中管理層語(yǔ)調(diào)分析與市場(chǎng)反應(yīng)和公司未來(lái)業(yè)績(jī)的關(guān)系。[7]包燕娜通過(guò)詞袋法研究了管理層語(yǔ)調(diào)離差對(duì)分析師預(yù)測(cè)的影響程度。[8]Tetlock于2007年用Harvard詞匯列表把華爾街日?qǐng)?bào)中了解市場(chǎng)部分與股票市場(chǎng)水平相聯(lián)系，他發(fā)現(xiàn)華爾街日?qǐng)?bào)中該部分悲觀情緒與隨后的股票回報(bào)率呈負(fù)相關(guān)與股票市場(chǎng)的波動(dòng)性呈正相關(guān)。繼Tetlock之后大量的研究都用Harvard詞匯列表進(jìn)行研究。在度量文本語(yǔ)調(diào)的研究中，現(xiàn)在越來(lái)越多的研究更偏愛(ài)用積極與消極用語(yǔ)單詞列表法。但是L M指出Harvard詞匯列表和積極與消極用語(yǔ)單詞列表法的弊端，比如Harvard詞匯列表中75%的消極詞匯在經(jīng)濟(jì)類文章中并沒(méi)有消極含義。[9]Loughran，McDonld于2011創(chuàng)造了六種不同的單詞列表包括積極的、消極的、不確定的、好爭(zhēng)論的、強(qiáng)模式的、弱模式的。LM詞匯列表相比于上述其他三種更成熟與完整，大量的文章或新聞都用LM法去度量文本語(yǔ)調(diào)。[10]Garcia于2013年利用LM的消極與積極詞匯列表來(lái)度量1905—2005年紐約時(shí)報(bào)的經(jīng)濟(jì)模塊，結(jié)果表明新聞內(nèi)容所傳遞的情緒在預(yù)測(cè)未來(lái)股票回報(bào)特別是在經(jīng)濟(jì)蕭條時(shí)期的股票回報(bào)有著至關(guān)重要的作用。

相信隨著計(jì)算機(jī)技術(shù)的發(fā)展和數(shù)據(jù)大爆炸的到來(lái)文本分析技術(shù)會(huì)運(yùn)用得越來(lái)越廣泛，技術(shù)也會(huì)越來(lái)越成熟。

參考文獻(xiàn)：

[1]Lewis，NR，LDParker，GDPound and PSutcliffe.Accounting Report Readability： The Use of Readability Techniques[J].Accounting and Business Research，1986（16）： 199-213

[2]LI，F(xiàn)Annual Report Readability，Current Earnings，and Earnings Persistence[J].Journal of Accounting and Economics，2008（45）： 221-247.

[3]Lawrence，AIndividual Investors and Financial Disclosure[J].Journal of Accounting & Economics，2013（56）： 130-147.

[4]Lehavy R，F(xiàn)LI and KMerkleyThe Effect of Annual Report Readability on Analyst following and the Properties of their Earnings Forecasts[J].The Accounting Review，2011（86）： 1087-1115.

[5]Loughran T，BMcdonald and HYunA Wolf in Sheeps Clothing：The Use of EthicsRelated Terms in 10-K Reports[J].Journal of Business Ethics，2009（89）： 39-49.

[6]謝德仁，林樂(lè)管理層語(yǔ)調(diào)能預(yù)示公司未來(lái)業(yè)績(jī)嗎[J].會(huì)計(jì)研究，2015（2）：20-27.

[7]包燕娜管理層語(yǔ)調(diào)離差策略及其對(duì)分析師預(yù)測(cè)樂(lè)觀度的影響[D].杭州：浙江工商大學(xué)，2016.

[8]Tetlock，PCGiving Content to Investor Sentiment： The Role of Media in the Stock Market[J].Journal of Finance，2007（62）： 1139-1168

[9]Loughran，T，and BMcdonaldWhen is a Liability not a Liability？ Textual analysis，Dictionaries，and 10‐Ks[J].Journal of Finance，2011（66）： 35-65

[10]Garcia，DSentiment during Recessions[J].Journal of Finance，2013（68）： 1267-1300endprint