“Onze studie onderzoekt de algemene sfeer of het sentiment dat de CEO-toespraak uitstraalt”

Wat is onderzocht in het paper?

Het artikel onderzoekt of stemkenmerken van CEO’s bij S&P 500-bedrijven, aandelenkoersen kunnen voorspellen enkele dagen tot maanden vooruit. De auteurs analyseren korte segmenten van de toespraak en de Q&A-sessie van de CEO, met behulp van twee deep learning-modellen: TRILLsson en W2V2. Deze leveren een kenmerkenset op, zoals hoe dominant of opgewonden de CEO klinkt. Ze onderzoeken hoe deze signalen samenhangen met opvolgende koersbewegingen en vergelijken dit met voorspellingen op basis van traditionele macro-economische modellen.

Wat zijn de belangrijkste bevindingen?

Het belangrijkste resultaat is dat het W2V2-model aandelenkoersen beter voorspelt dan toeval (54–59%), terwijl TRILLsson geen voorspellende waarde toont. W2V2 gebruikt een complexe, moeilijk te interpreteren methode en een eenvoudigere methode die emoties analyseert. Bij de introductietoespraak van de CEO werkt alleen de complexe benadering goed; bij de Q&A-sessie leveren beide methodes treffende voorspellingen. In het emotiegerichte model hangen opwinding en dominantie positief samen met koersstijgingen, valentie met koersdalingen. Ten slotte, versterkt alleen de complexe methode de voorspellende kracht wanneer stemkenmerken worden toegevoegd aan een macro-economisch model.

Wat zijn de implicaties?

  • Welk deep learning-model, en voor modellen met meerdere methodes, welke methode van zo’n model wordt toegepast is cruciaal voor de kracht van voorspellingen.
  • Welke segmenten bij de introductietoespraak of de Q&A-sessie worden gebruikt om stemkenmerken op te pikken beïnvloedt de bevindingen.
  • Modellen die zowel macro-economische variabelen gebruiken als de complexe, multidimensionale methode geven betere voorspellingen dan alleen modellen met financiële gegevens. Dit onderstreept het belang van verder onderzoek naar de rol van stemkenmerken in het voorspellen van aandelenbewegingen.