《财经论丛杂志》发表论文赏析
作者:孙洁, 李能飞, 赵梦茹
单位:天津财经大学会计学院,天津 300222
摘要:本文运用文本挖掘和自然语言处理技术,对2011—2021年沪深A股上市公司的媒体负面报道进行文本分析,构建了媒体负面报道数量、报道标题/内容文本语调和情感倾向三个维度的变量。基于概念漂移视角,采用集成分类器XGBoost构建了公司财务困境动态预警模型。实证结果表明:在公司特征变量的基础上,融入媒体负面报道变量后,财务困境动态预警模型的总体分类性能增强,模型的第一类错误率明显降低。考虑稀有事件偏差和内生性后,媒体负面报道数量、文本语调和情感倾向与公司是否发生财务困境仍然显著相关。本文的研究结论表明媒体负面报道包含公司财务困境预警的增量信息,媒体负面报道在公司财务困境预警过程中发挥了重要的外部公司治理作用。
关键词:媒体负面报道,财务困境预警,概念漂移,文本分析,机器学习
基金资助:国家自然科学基金面上项目(72271174;71771162);2022年天津市研究生科研创新项目(2022BKY227)
2023年9期其他文献查阅:
人工智能对中国制造业创新的影响研究——来自工业机器人应用的证据
中国含糖饮料征税的收入分配效应评估——来自微观个体模拟分析的证据
数字普惠金融对已婚女性劳动参与的影响——基于子女不同受教育阶段的讨论
个人投资者异常关注与分析师预测行为——基于财经社交媒体的经验证据
心理契约破坏会诱使管理者职务侵占吗?——基于认知情绪的双路径分析