文本分析技術(shù)文獻綜述

王瀟敏

[摘要]文章運用文獻綜述的方法，篩選多篇文章，對文本分析技術(shù)的不同種類與方法進行介紹，并對不同方法在文獻中的運用進行梳理，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)是指通過文本信息進行挖掘檢索，把從文本中抽取出的特征詞進行量化來表示文本內(nèi)容，它是一種基于大數(shù)據(jù)時代的新興技術(shù)，并廣泛用于經(jīng)濟與會計的研究領(lǐng)域。文章將介紹不同的文本分析方法在經(jīng)濟與會計研究方面的應(yīng)用。

2可讀性分析

用可讀性進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)和文本長度來表示，早期的研究大多都是基于小樣本的研究。比如[1]Lewis，Parker1986年只用了跨越四個年度的九個公司作為樣本，用不同度量方法來研究財務(wù)報表的可讀性。

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)于年度報表可讀性與公司業(yè)績的關(guān)系的文章。這篇文章后被大量引用，他主要就是用年度報表的迷霧指數(shù)和包含的單詞個數(shù)來度量文本的可讀性。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)與年度報表的單詞總數(shù)與個人的股票持有量相關(guān)。[4]Lehavy，Li，Merkley于2011年通過分析發(fā)現(xiàn)年度報表的迷霧指數(shù)越高那么分析師的偏差越小，盈利預(yù)測越準確。

3文本語調(diào)分析

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

Loughran，McDonld和Yun于2009就運用目標詞批匹配法考慮“道德”這個詞與“企業(yè)責任”“社會責任”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列表法進行研究的文獻更多一些。在經(jīng)濟與會計研究領(lǐng)域共有四種詞語列表被廣泛應(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，國內(nèi)的研究主要有[6]謝德仁、林樂同樣用詞袋法分別在2014年和2015年發(fā)表了通過研究業(yè)績說明會中管理層語調(diào)分析與市場反應(yīng)和公司未來業(yè)績的關(guān)系。[7]包燕娜通過詞袋法研究了管理層語調(diào)離差對分析師預(yù)測的影響程度。[8]Tetlock于2007年用Harvard詞匯列表把華爾街日報中了解市場部分與股票市場水平相聯(lián)系，他發(fā)現(xiàn)華爾街日報中該部分悲觀情緒與隨后的股票回報率呈負相關(guān)與股票市場的波動性呈正相關(guān)。繼Tetlock之后大量的研究都用Harvard詞匯列表進行研究。在度量文本語調(diào)的研究中，現(xiàn)在越來越多的研究更偏愛用積極與消極用語單詞列表法。但是L M指出Harvard詞匯列表和積極與消極用語單詞列表法的弊端，比如Harvard詞匯列表中75%的消極詞匯在經(jīng)濟類文章中并沒有消極含義。[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、好爭論的、強模式的、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法去度量文本語調(diào)。[10]Garcia于2013年利用LM的消極與積極詞匯列表來度量1905—2005年紐約時報的經(jīng)濟模塊，結(jié)果表明新聞內(nèi)容所傳遞的情緒在預(yù)測未來股票回報特別是在經(jīng)濟蕭條時期的股票回報有著至關(guān)重要的作用。

相信隨著計算機技術(shù)的發(fā)展和數(shù)據(jù)大爆炸的到來文本分析技術(shù)會運用得越來越廣泛，技術(shù)也會越來越成熟。

參考文獻：

[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，林樂管理層語調(diào)能預(yù)示公司未來業(yè)績嗎[J].會計研究，2015（2）：20-27.

[7]包燕娜管理層語調(diào)離差策略及其對分析師預(yù)測樂觀度的影響[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