Предмет. Анализ тональности годовых отчетов компаний. Цели. Разработка методики интеграции анализа неструктурированной текстовой информации в традиционный финансовый анализ с использованием технологий искусственного интеллекта. Методология. На основе обзора гипотез и методов контент-анализа и анализа тональности корпоративных документов разработана последовательность интеграции анализа тональности в традиционную методику финансового анализа. Использованы технологии NLP для предобработки текстов, включая токенизацию, лемматизацию и удаление стоп-слов с использованием разработанного автором специализированного словаря тональности для энергетической отрасли (766 терминов). Для этого использовались инструменты автоматизированного сбора и анализа данных на основе загруженных файлов отчетности в форматах Excel и Word с сайтов ФНС России и Интерфакса, в том числе AI Claude Sonnet 4, Google Colab, SerpAPI. Проведен сравнительный анализ результатов традиционного финансового анализа, тональности корпоративной отчетности и внешних медиа-источников. Результаты. На примере ПАО «ЛЭСК» представлены преимущества и недостатки интеграции анализа тональности текстовой части годовой отчетности в традиционную методику финансового анализа. Выявлены значительные расхождения, с одной стороны, между объективными финансовыми показателями и умеренно позитивной тональностью корпоративной отчетности, а с другой стороны, между тональностью корпоративной отчетности и отрицательной тональностью внешних источников. Это указывает на проблемы с эффективностью коммуникаций с внешними стейкхолдерами. Выводы. Включение анализа тональности в традиционную методику финансового анализа расширяет доступный аналитику контекст анализа и позволяет судить о наличии или отсутствии потенциальных проблем корпоративного управления, репутационных рисков и эффективности корпоративных коммуникаций. Результаты требуют валидации на более широкой выборке предприятий.
Stone P.J., Dunphy D.C., Smith M.S., Ogilvie D.M. The General Inquirer: A Computer Approach to Content Analysis. Cambridge, MA, MIT Press, 1966, 651 p.
Loughran T., McDonald B. When Is a Liability Not a Liability? Textual Analysis, Dictionaries, and 10-Ks. The Journal of Finance, 2011, vol. 66, iss. 1, pp. 35–65. DOI: 10.1111/j.1540-6261.2010.01625.x
Hart R.P., Childers J.P., Lind C.J. Political Tone: How Leaders Talk and Why. Chicago, University of Chicago Press, 2013, 280 p.
Athanasakou V., Hussainey K. The perceived credibility of forward-looking performance disclosures. Accounting and Business Research, 2014, vol. 44, iss. 3, pp. 227–259. DOI: 10.1080/00014788.2013.867403
Pöferlein M. Sentiment Analysis of German Texts in Finance: Improving and Testing the BPW Dictionary. Journal of Banking and Financial Economics, 2021, vol. 16, iss. 2, pp. 5–24. DOI: 10.7172/2353-6845.jbfe.2021.2.1
Kothari S.P., Xu Li, Short J.E. The effect of disclosures by management, analysts, and business press on cost of capital, return volatility, and analyst forecasts: a study using content analysis. The Accounting Review, 2009, vol. 84, iss. 5, pp. 1639–1670. DOI: 10.2308/accr.2009.84.5.1639
Shabestari M.A., Romero J.A. Textual analysis and future performance: evidence from Item 1A and Item 7. Journal of Accounting, Auditing & Finance, 2024, vol. 39, iss. 3, pp. 931–948. DOI: 10.1177/0148558X221107849
Henry E. Are Investors Influenced By How Earnings Press Releases Are Written? Journal of Business Communication, 2008, vol. 45, iss. 4, pp. 363–407. DOI: 10.2139/ssrn.933100
Ahmed Y., Elshandidy T. The effect of bidder conservatism on M&A decisions: Text-based evidence from US 10-K filings. International Review of Financial Analysis, 2016, vol. 46, pp. 176–190. DOI: 10.1016/j.irfa.2016.05.006
Федорова Е.А., Демин И.С., Хрустова Л.Е. и др. Влияние тональности писем CEO на финансовые показатели компании // Российский журнал менеджмента. 2017. № 4. С. 441–462. DOI: 10.21638/11701/spbu18.2017.403 EDN: YKWOYJ
Azimi M., Agrawal A. Is positive sentiment in corporate annual reports informative? Evidence from deep learning. The Review of Asset Pricing Studies, 2021, vol. 11, iss. 4, vol. 762–805. DOI: 10.1093/rapstu/raab005
Feng Li. Do stock market investors understand the risk sentiment of corporate annual reports? SSRN Electronic Journal, 2006, April. DOI: 10.2139/ssrn.898181
Gandhi P., Loughran T., McDonald B. Using annual report sentiment as a proxy for financial distress in U.S. banks. Journal of Behavioral Finance, 2019, vol. 20, iss. 4, pp. 424–436. DOI: 10.1080/15427560.2019.1553176
Кондукова Э.В. Цифровые технологии в практике финансового анализа // Вестник Самарского государственного экономического университета. 2024. № 12. С. 68–78. EDN: QKNTOD
