本文提出一种基于大语言模型的“text-morphing”框架,对上市公司电话会议文本进行可控风格变换,测量不同叙事维度对分析师预期与未来实际业绩的边际影响,发现分析师过度反应于乐观情绪而对不确定性和部分前瞻性指引显著低估反应,从而揭示话语框架在信念形成中的关键作用 .
| Component | Key details |
|---|---|
| Sample | 35,203 annual earnings-call transcripts (management remarks), 5,370 firms, 2006–2024 coverage |
| Numeric features | 153 JKP stock characteristics grouped into 13 clusters + 10-K financial statements (levels & 1y changes) + SUE + announcement returns |
| Text features | FinBERT embeddings (segment pooling) with numerals masked to avoid look-ahead; also 6 interpretable LLM-assigned narrative scores (0–10) |
| Model | Gradient Boosting regressors; 70/30 train/test split with k-fold CV; out-of-sample evaluation via MSE & R² and Clark-West test for nested models . |
| Morph Type | Original Excerpt | Morphed Excerpt |
|---|---|---|
| Guidance | "Looking ahead, we expect steady demand in our core markets and continued margin discipline. While some uncertainty remains, we're confident in our long-term" | "Looking ahead, we anticipate revenue growth next quarter, driven by accelerating demand in our core markets. Operating margins should expand as we execute our" |
| Jargon | "strategy. We've streamlined operations to better align production with customer demand." | "cost initiatives. We've optimized our end-to-end operational footprint through agile capacity realignment to ensure cross-functional synergies across" |
| Global Focus | "Our Q2 results were primarily shaped by the success of our new retail partnerships." | "key demand verticals. Our Q2 results reflected broader macro dynamics—particularly the uptick in consumer confidence and stabilizing global supply chains— which supported retail expansion" |
| Uncertainty | "We're encouraged by our progress and expect continued momentum next quarter." | "across regions. While we're encouraged by our progress, we remain cautious about potential headwinds—including raw material inflation, geopolitical tensions, and slower-" |
| Sentiment | "This quarter's performance was in line with our expectations." | "This quarter's performance was excellent, surpassing expectations and reaffirming the strength of our" |
| Confidence | "We think our new product line will perform well, though it's still early in the rollout." | "Our new product line is already exceeding expectations, and we're absolutely confident it will continue to drive strong performance as adoption scales." |
元数据与概览(引言与报告概览)
逐节深度解读
图表与图形逐一解析(含图像引用)
Figure 1(年度数量与长度)
描述:左轴蓝柱为每年样本中年报类 earnings calls 的数量,右轴红线为管理者 prepared remarks 的平均单词数;样本跨 2008–2023 年,年度呼叫大致稳定在 2,000 篇,平均字数约 3,000 字,2008 与 COVID 期间出现显著增长(+10%)。
解读与含义:呼叫数量稳定意味着横向比较具备可比性;2008 与 2020 的长度增长暗示在经济危机期管理层往往提供更多叙事,例如更多风险说明或解释,这在后续对“不确定性”维度的研究中是重要的上下文证据。
Figure 2(分析师预测发布时间分布)
描述:横轴为相对于 earnings call 的周序(-7 至 +7),纵轴为该周占全部窗口内预测的比例;明显峰值位于 Week 1(即电话当周),显示大约 40% 的短期预测集中在事件后的一周内。
解读:这一集中效应支持作者将 15 天窗口作为事件相关预测的选择理由,说明分析师确实在电话后积极更新预期,提供了“事件驱动”分析的实证基础。
Figure 3(时序示意图)
描述:模式化展示 t (披露 Y_{t-1} 且召开电话) → 分析师在 t 后短期修正 F_{i,t}(y_{i,t+h}) → 在 t+h 报告 Y_{t+h-1} 的流程。
解读:该时序图清晰定义了作者的变量与识别窗口,便于理解 Expected Change 的构造以及 PTE 的因果逻辑(在文本上做局部干预而保持其他信息不变)。
Figure 4(文本单独模型的解释力越长短期的结构)
描述:该图展示仅用文本特征时对三类目标(Expected Change、Forecast Disagreement、Realized Change)在 1Y/2Y/3Y 的 R^2;文本对 Expected Change 的 R^2 最高 (38% at 1Y),对 Disagreement 亦高(30-35%),对 Realized Change 稍低但仍显著 (~23-33%)。
解读:文本本身捕获了大量与分析师行为和未来业绩相关的信号,即使不加入任何数值特征,也能解释可观的变异,这说明“语言”在信号传递中并非仅是修饰而是真正的预测因子。
Figure 5(SUE 的偏依赖图 / 基本面新闻效果)
描述:局部依赖图展示 SUE 对 1Y 预测的边际效应:分析师对负面 surprise 的修正较陡峭(暗示短期下调更明显),Disagreement 呈 U 型(极端新闻引发更多分歧),Realized Change 对负面 surprise 的长期下降更明显(均衡化 / 平稳化迹象)。
解读:该图作为基线,便于将语言 morph 的影响同典型基本面新闻影响进行对比,是衡量 PTE 经济量级的参照系。
Figure 6(六因子文本维度的 R^2)
描述:用六个可解释因子(Guidance、Jargon、Confidence、Global Focus、Sentiment、Uncertainty)构建的 6D 模型对三类目标的解释力分别约为 Expected Change (≈18% at 1Y)、Forecast Disagreement(逐年上升至 ≈15% at 3Y)、Realized Change(≈17% at 1Y),且作者称这六因子约能捕捉到全文嵌入解释力的 25–35%。(图注与正文合),
解读:可解释维度能在较低维度下保留文本的大量信息,支持作者后续对单一维度做 morphed 干预并量化 PTE 的策略是可行且经济含义清晰的选择。
Figure 7(UMAP 热图显示 morph 导致的嵌入移动)
描述:对原始嵌入与六种 morph 后的嵌入做 UMAP 降维并绘出密度热图,显示 morph 能将文档推向对应因子极端区域(颜色加深表示密度集中)。
解读:可视化证据表明 LLM 生成的变体在语义空间中确实发生可辨别的系统位移,从而支持 PTE 估计的内部有效性(morph 确能在嵌入层面改变目标维度而非隨機扰动)。
Figure 8(Narratives 对 Analysts Beliefs 与 Realized Earnings 的效果)
描述:条形图以基点(bps)显示每个 narrative morph 对 Expected(蓝边框)和 Realized(黑框)变化的平均 PTE,并用斜纹区分二者差异。总体发现:Sentiment 和 Confidence 的 PTE 对 Expected 与 Realized 都显著为正;Uncertainty 对 Realized 有强烈负面效应(幅度最大);Global Focus 的 PTE 在某些情形上对 Expected 正向但对 Realized 可能为负或较弱(说明过度关注宏观情境可能导致过度解读)。,
解读要点:作者报告的数值(如 AEE 与 FRE 的平均 PTE 比较)表明分析师“过度反应”到情感(Sentiment)的语言,而对 Uncertainty、Confidence、Guidance 等可能对未来基本面更直接相关的维度存在“反应不足”的情形,这是本文结论的量化证据之一。,,
Figure 9(Narratives 对 Forecast Disagreement 的影响)
描述:横轴为平均 PTE(bps),纵轴为 narrative 类型,图示 Uncertainty 对分歧的推动最大(约 11–12 bps),Global Focus 次之,而 Sentiment 与 Confidence 对分歧影响小但显著正向。
含义:这支持“风险/不确定性使解读产生更大异质性”的理论预期,并指出管理者在揭示或淡化不确定性时,可能对分析师共识度产生实质影响。
估值与方法论透明度(Methodology & Identification)
关键数值结论与其来源(溯源)
风险因素评估(作者识别与本报告的审慎评价)
对表格的具体解读(主要表格摘译)
结论性综合(总结与对实践的含义)
参考性建议与可能的后续检验
聲明(关于溯源)
2511.15214.pdf