以Google Bert 模型進行美國半導體產業法說會逐字稿之語意分析

Abstract

"法人說明會(以下簡稱法說會)係企業主動召開，或應券商邀請，對投資大眾說明公司營運績效及營運目標之活動；除一般投資大眾外，法說會也會有許多金融投資產業之分析師參與。過去傳統金融、會計相關文字探勘多以美國10-K 財報、新聞或網路論壇留言作為研究對象，例如Loughran and McDonald (2011)以10-K 作為研究文本，少數針對法說會逐字稿的研究，例如Price, Doran, Peterson and Bliss (2012) 則指出法說會的語氣用詞對公司股票的異常報酬及交易量有預測效果，尤其是分析師與公司方代表的對話內容具有額外的資訊。隨著科技進步，目前已有用於文字探勘之機器學習模型，本研究欲以機器學習進行法說會中分析師對公司問答之文字探勘，並討論其與傳統研究方式結果之差異。 本研究以美國費城半導體指數(以下簡稱費半30)之歷史成分股為研究對象，資料期間為西元2000 年第一季至西元2020 年第三季。本研究將費半30 所有歷史成分股之價格編制價值加權指數，並依漲跌幅(%)區分為Good、Bad 及Neutral 三種市場狀態，而後以Google Bert 模型將法說會逐字稿中分析師之發言進行文件分類，以期使模型能夠準確依公司法說會逐字稿預測半導體產業股價及產業前景。 本次研究結果對於預測費半30 指數及其成分股公司未來一季之股價效果有限，推測原因主要是總體經濟環境影響，此外，神經網路機器學習模型的運作邏輯異於傳統之統計模型，或可不依循過去的研究結果僅將法說會QA 內容做為訓練文本，而改以QA 前公司發表之內容作嘗試。"