請用此 Handle URI 來引用此文件：
http://tdr.lib.ntu.edu.tw/jspui/handle/123456789/81859完整後設資料紀錄
| DC 欄位 | 值 | 語言 |
|---|---|---|
| dc.contributor.advisor | 莊文議(Wen-I Chuang) | |
| dc.contributor.author | Ya-Ting Yang | en |
| dc.contributor.author | 楊雅婷 | zh_TW |
| dc.date.accessioned | 2022-11-25T03:05:14Z | - |
| dc.date.available | 2026-06-29 | |
| dc.date.copyright | 2021-11-16 | |
| dc.date.issued | 2021 | |
| dc.date.submitted | 2021-07-03 | |
| dc.identifier.citation | 1. A. Vaswani, N. Shazeer, N. Parmar, and J. Uszkoreit,“Attention is all you need,” arXiv Preprint, arXiv:1706.03762, 2017 2. Borochin, P. A., Cicon, J. E., DeLisle, R. J., Price, S. M. (2018). The effects of conference call tones on market perceptions of value uncertainty. Journal of Financial Markets, 40, 75-91. 3. Brockman, P., Li, X., Price, S. M. (2015). Differences in conference call tones: Managers versus analysts. Financial Analysts Journal, 71, 4, 24-42. 4. Brown, S., Hillegeist, S. A., Lo, K. (2004). Conference calls and information asymmetry. Journal of Accounting and Economics, 37, 343–366. 5. D. Bahdanau, K. Cho, and Y. Bengio, “Neural machine translation by jointly learning to align and translate,” arXiv Preprint, arXiv:1409.0473, 2014. 6. Davis, A. K., Ge, W., Matsumoto, D., Zhang, J. L. (2015). The effect of manager-specific optimism on the tone of earnings conference calls. Review of Accounting Studies, 20, 2, 639-673. 7. Huang, Y. L., Kuan, C.M. (2019). Text mining of the FOMC minutes and forecasts of Taiwan Economic Variables. Taiwan Economic Review, 363-391 8. Loughran, T., McDonald, B., 2011. When is a liability not a liability? Textual analysis, dictionaries, and 10-Ks. Journal of Finance 66 (1), 35–65. 9. Luangaram, P., Wongwachara, W. (2017). More than words: A textual analysis of monetary policy communication. Puey Ungphakorn Institute for Economic Research, PIER Discussion Papers, 54. 10. Matsumoto, D., Pronk, M., Roelofsen, E. (2011). What makes conference calls useful? The information content of managers' presentations and analysts' discussion sessions. The Accounting Review, 86, 4, 1383-1414. 11. Mayew, W. J., Sharp, N. Y., Venkatachalam, M. (2013). Using earnings conference calls to identify analysts with superior private information. Review of Accounting Studies, 18, 386-413. 12. Natural Language Processing. Devlin, J., Chang, M.-W., Lee, K., and Toutanova, K. Bert: Pretraining of deep bidirectional transformers for language understanding. 13. Price, S. M., Doran, J. S., Peterson, D. R., Bliss, B. A. (2012). Earnings conference calls and stock returns: The incremental informativeness of textual tone. Journal of Banking and Finance, 36, 992-1011. 14. Saltzman, B., Yung, J. (2018). A machine learning approach to identifying different types of uncertainty. Economics Letters, 171, 58-62 15. Shapiro, A. H., Wilson, D. (2019). Taking the fed at its word: A new approach to estimating central bank objectives using text analysis. Federal Reserve Bank of San Francisco Working Paper, 2, 2019. 16. T. Mikolov, I. Sutskever, K. Chen, G. S. Corrado, and J. Dean, “Distributed representations of words and phrases and their compositionality,” in Proc. Advances Neural Information Processing Systems, 2013, pp. 3111–3119 17. W. Yin, K. Kann, M. Yu, and H. Schütze, “Comparative study of CNN and RNN for natural language processing,” arXiv Preprint, arXiv:1702.01923, 2017. 18. Young, T., Hazarika, D., Poria, S., and Cambria, E. (2017). Recent Trends in Deep Learning Based | |
| dc.identifier.uri | http://tdr.lib.ntu.edu.tw/jspui/handle/123456789/81859 | - |
| dc.description.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。" | zh_TW |
| dc.description.provenance | Made available in DSpace on 2022-11-25T03:05:14Z (GMT). No. of bitstreams: 1 U0001-2906202116381900.pdf: 1490839 bytes, checksum: 8f551307558edd9173c326e73f337694 (MD5) Previous issue date: 2021 | en |
| dc.description.tableofcontents | 口試委員會審定書 ii 目錄 iii 圖目錄 v 表目錄 vi 致謝 vii 中文摘要 viii Abstract ix 第一章、緒論… … … … … … … … … … … … … … … … … … … … . . 1 第一節、研究動機與目的…………………………………………………….. 1 第二節、研究範圍與限制…………………………………………………….. 2 第三節、研究架構……………………………………………………. . 2 第二章、文獻回顧…………………………………… … … … … … … . . 5 第一節、財務領域文本語意分析相關文獻… … … … … … … 5 第二節、自然語言處理模型相關文獻… … …… …… … … … … 9 第三章、研究方法……………………………………………………. . 13 第一節、資料處理…………………………………………………….. 15 第二節、Google Bert 模型fine- tune 流程……………………………… 17 第三節、模型效果驗證方法…………………………………………………….. 18 第四章、研究結果……………………………………………….……………. . 21 第一節、資料處理成效…………………………………………………….. 21 第二節、模型預測效果……………………………………………………. 22 第三節、與使用Loughran and McDonald 字典比較……………….. 25 第五章、結論………………………………………………………………. . 27 第六章、後續研究建議…………………………………………………….. 28 參考文獻…………………………………………………………………….…… 30 | |
| dc.language.iso | zh-TW | |
| dc.subject | 法說會 | zh_TW |
| dc.subject | 語意分析 | zh_TW |
| dc.subject | Earnings Call | en |
| dc.subject | BERT | en |
| dc.subject | Sentiment Analysis | en |
| dc.title | 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 | zh_TW |
| dc.title | Sentiment Analysis on Earnings Call Transcripts of Semiconductor Industry in the U.S. with Google BERT | en |
| dc.date.schoolyear | 109-2 | |
| dc.description.degree | 碩士 | |
| dc.contributor.oralexamcommittee | 盧佳琪(Hsin-Tsai Liu),石百達(Chih-Yang Tseng) | |
| dc.subject.keyword | 語意分析,法說會, | zh_TW |
| dc.subject.keyword | BERT,Sentiment Analysis,Earnings Call, | en |
| dc.relation.page | 32 | |
| dc.identifier.doi | 10.6342/NTU202101195 | |
| dc.rights.note | 同意授權(全球公開) | |
| dc.date.accepted | 2021-07-05 | |
| dc.contributor.author-college | 管理學院 | zh_TW |
| dc.contributor.author-dept | 財務金融學研究所 | zh_TW |
| dc.date.embargo-lift | 2026-06-29 | - |
| 顯示於系所單位： | 財務金融學系 | |
文件中的檔案：
| 檔案 | 大小 | 格式 | |
|---|---|---|---|
| U0001-2906202116381900.pdf 此日期後於網路公開 2026-06-29 | 1.46 MB | Adobe PDF |
系統中的文件，除了特別指名其著作權條款之外，均受到著作權保護，並且保留所有的權利。