基于MD&A的文本语言特征指标,对中国上市公司的金融危机预警
Zhishuo Zhang1, Xinran Liu1, Huayong Niu1
1International Business School, Beijing Foreign Studies University, Beijing, China.
PloS one
|September 21, 2023
概括
金融危机早期预警模型从分析管理讨论和分析 (MD&A) 文本可读性和相似性中受益. 这些语言特征与财务数据相结合,提高了上市公司的预测准确度.
科学领域:
- 金融风险管理 金融风险管理
- 计算语言学计算语言学
- 机器学习应用程序 机器学习应用程序
背景情况:
- 中国上市公司不断升级的金融风险需要有效的早期预警系统.
- 传统的财务指标可能无法完全捕捉所有风险因素.
- 管理讨论和分析 (MD&A) 部分提供了丰富的文本数据.
研究的目的:
- 评估MD&A对金融危机的文本语言特征的预测能力.
- 为了比较各种机器学习模型在金融危机预测中的有效性.
- 确定哪些语言特征可以增强早期预警能力.
主要方法:
- 从MD&A报告 (2011-2020) 中提取文本语言特征 (色调,前性,可读性,相似性) 的网络抓取和自然语言处理.
- 这些特征与传统金融指标的整合.
- 对13个用于预测金融危机的机器学习模型进行比较分析.
主要成果:
- MD&A文本可读性和相似性为预测模型提供了有价值的增量信息.
- 文本语调和前性指标不会显著改善预测,可能会增加噪音.
- 像RF,Bagging,CatBoost,GBDT,XGBoost和LightGBM这样的机器学习模型表现出稳定而准确的性能.
结论:
- 文本语言特征,特别是可读性和与MD&A的相似性,增强了金融危机早期预警模型.
- 管理层操纵的特征,如语调和前性陈述,提供有限的预测价值.
- 先进的机器学习算法有效地利用文本数据来改进金融风险评估.
