Andersons Blickwinkel

KI Vorhersage: Wie die Persönlichkeit eines CEO die Unternehmensleistung beeinflusst

mm
Unite.AI zu deinen bevorzugten Quellen auf Google hinzufügen

Manchmal ist Reden nicht billig. Im November 2021 verlor die Tesla (TSLA ) -Aktie nach einer Umfrage von Elon Musk, an der seine 70 Millionen Follower teilnahmen, um zu entscheiden, ob er 10 Prozent seiner eigenen Anteile an dem Unternehmen verkaufen sollte, etwa 21 Milliarden Dollar an Wert. Dies war nur ein Beispiel in einer langen Reihe scheinbar unüberlegter sozialer Medien-Kommunikationen von Musk, die zu einem Wertverlust von 175 Milliarden Dollar für Tesla gegen Ende 2021 beigetragen haben.

Obwohl es seit langem allgemein anerkannt ist, dass das Verhalten eines CEO eine direkte Beziehung zur Unternehmensleistung hat, hat die Unwahrscheinlichkeit, dass Milliardäre CEOs standardisierte Persönlichkeitstests durchführen, die Vorhersage von Aktienkursen auf der Grundlage von Persönlichkeitsmerkmalen effektiv zu einer Pseudo-Wissenschaft gemacht.

Die analytische Forschungsbranche hat sich bisher auf die Big 5-Persönlichkeitsmerkmale konzentriert, bei denen die Disposition eines CEO in Bezug auf Offenheit, Gewissenhaftigkeit, Extraversion*, Verträglichkeit und Neurotizismus bewertet wird.

Es ist nicht leicht, all diese Merkmale allein auf der Grundlage von Sprache und Text empirisch zu extrahieren. Eine Studie von 2020 der Academy of Management konnte nur drei der Big 5-Merkmale (Gewissenhaftigkeit, Neurotizismus und Extraversion) analysieren, da Offenheit und Verträglichkeit schwieriger zu identifizieren sind, insbesondere in Texten.

MBTI-Bewertung

Eine neue Zusammenarbeit zwischen Universitäten in Deutschland und Italien hat einen neuen Ansatz für die Formulierung eines Vorhersagemodells dieser Art entwickelt, indem sie öffentlich verfügbare Daten verwendet, um 32 Spitzen-CEOs in das Myers-Briggs-Typen-Indikator-Modell (MBTI) einzubinden.

Sie kennen wahrscheinlich MBTI, auch wenn Sie den Namen nicht kennen. Basierend auf der Arbeit von Carl Jung klassifiziert MBTI Persönlichkeiten in 4-zeichen-Entitäten wie ENTJ (‘Extravert’, ‘wahrnehmend’, ‘denkend’, ‘urteilend’) und ist zu einem beliebten Werkzeug für die Selbstanalyse in sozialen Medien in den letzten zehn Jahren oder so geworden.

Die vier Achsen, aus denen Merkmale ausgewählt werden können, sind: Extraversion vs. Introversion (E-I); Wahrnehmung vs. Intuition (S-N); Denken vs. Fühlen (T-F); und Urteilen vs. Wahrnehmung (J-P).

Die Autoren des Papiers haben Crowdsourced-Daten verwendet, um MBTI-Profile von CEOs zu erstellen, und dann ein separates Dataset und eine Architektur erstellt, die erfolgreich die Auswirkungen der Persönlichkeit eines CEOs auf die Aktienkursleistung vorhersagen konnte, wobei Elon Musk als zentrales Testobjekt verwendet wurde.

Wie einige CEOs in die MBTI-Achsen passen. Quelle: https://arxiv.org/pdf/2201.07670.pdf

Wie einige CEOs in die MBTI-Achsen passen. Quelle: https://arxiv.org/pdf/2201.07670.pdf

Die neue Forschung zielt darauf ab, eine objektive Methode zur Vorhersage von Aktienkursen auf der Grundlage der geschätzten Persönlichkeiten von CEOs (und insbesondere auf der Grundlage dessen, was sie öffentlich sagen) zu entwickeln, im Einklang mit der Upper Echelons Theory von 1984, die erstmals eine Korrelation zwischen der Persönlichkeit eines CEOs und der Unternehmensleistung in Betracht zog.

Die Autoren erklären:

‘In einer Risikoregressionsaufgabe zeigen wir, dass – im Einklang mit der Upper Echelons Theory – die vorhergesagte Persönlichkeit eines CEOs signifikant mit dem finanziellen Risiko in Form von Aktienkursschwankungen verbunden ist. Qualitativ gesehen scheinen extravertierte, intuitive und denkende CEOs weniger finanzielles Risiko einzugehen.’

Die zweite Phase des Projekts, die darauf abzielt, Äußerungen mit nachfolgenden Aktienkursänderungen in Beziehung zu setzen, produziert einen Algorithmus, der Textsegmente identifizieren kann, die wahrscheinlich eine positive oder negative Auswirkung haben.

Shapley-Additive-Erklärungen (SHAP)-Heatmap, die auf Textsegmente von Elon Musks Q1-2020-Ergebnissitzung angewendet werden. Rot und Blau sind negative und positive Ertragsindikatoren. Die Ergebnisse variieren über die Merkmalsachsen für die MBTI-Zuordnungen, und die relevantesten Ergebnisse sind die, die mit dem Kerncharakter des Sprechers (d. h. 'ENTJ') übereinstimmen.

Shapley-Additive-Erklärungen (SHAP)-Heatmap, die auf Textsegmente von Elon Musks Q1-2020-Ergebnissitzung angewendet werden. Rot und Blau sind negative und positive Ertragsindikatoren. Die Ergebnisse variieren über die Merkmalsachsen für die MBTI-Zuordnungen, und die relevantesten Ergebnisse sind die, die mit dem Kerncharakter des Sprechers (d. h. ‘ENTJ’) übereinstimmen.

Das Papier trägt den Titel Top-Down-Einfluss? Vorhersage der Persönlichkeit eines CEOs und des Risikoeinflusses aus Sprachtranskripten und stammt von drei Forschern der Universitäten Mannheim und Bocconi in Mailand.

Definierung von Persönlichkeiten

Die Autoren haben drei Quellen verwendet, um Daten für die Persönlichkeitsvorhersage-Komponente des Projekts zu sammeln. Um die CEOs zu identifizieren und zu charakterisieren, verwendeten sie die 88.000 Gewinnmitteilungstranskripte aus dem Reuters-Refinitiv-EIKON-Datensatz; und Compustat Execucomp, von Wharton Research Data Services an der University of Pennsylvania, das verwendet wurde, um identifizierte CEOs mit Alter und Geschlecht zu verknüpfen.

Um MBTI-Persönlichkeitslabels zu erhalten, verwendeten die Forscher die Personality Database, eine Crowdsourced-Plattform von benutzerdefinierten Persönlichkeitsbewertungen, bei der ausreichend Daten für 32 CEOs (einschließlich Steve Jobs und Elon Musk) verfügbar waren.

Anstatt jeden CEO als typische MBTI-4-Zeichen-Abkürzung zu definieren, stellten die Autoren jedes Persönlichkeitsprofil als Vektor von vier kontinuierlichen Variablen auf einer Skala von 0-1 dar, im Einklang mit den Crowdsourced-Schätzungen, was eine genauere Zuordnung zwischen den Big 5- und MBTI-Skalen ermöglicht.

Um die Crowdsourced-Schätzungen zu validieren, wurde eine Korrelationsmatrix zwischen den crowd-basierten MBTI- und Big 5-Stimmen für alle im Datensatz identifizierten Persönlichkeiten konstruiert. Die beiden Systeme wurden als konsistent in Bezug auf die benutzerdefinierten Bewertungen gefunden.

(Da Meinungen über das Ausmaß, in dem psychologische Bewertung subjektiv ist, unterschiedlich sind, bedeutet diese intra-systemische Übereinstimmung nur, dass die beiden kontrastierenden Skalen über ihre unterschiedlichen Kriterien für die Persönlichkeitsbewertung übereinstimmen; der objektive Wert dieser Übereinstimmung hängt vom Ausmaß ab, in dem Sie einem dieser Systeme zustimmen.)

Die Autoren testeten BERT (Base), RoBERTa (Base) und Support Vector Machine (SVM) mit trigram TF–IDF als potenzielle Modelle. Nach dem Training wurde RoBERTa als bestes Modell über alle Achsen hinweg gefunden. Im folgenden Bild sehen wir die verschiedenen Schätzungen der Persönlichkeit für Elon Musk:

Korrelierte Ergebnisse für eine Persönlichkeitsregressionsaufgabe für Elon Musk. E-I = Extraversion-Introversion; T-F = Denken-Fühlen; S-I = Wahrnehmung-Intuition; und J-P = Urteilen-Wahrnehmung. SVM wurde auf TF-IDF-Vektoren trainiert, während die anderen beiden Modelle auf Text trainiert wurden.

Korrelierte Ergebnisse für eine Persönlichkeitsregressionsaufgabe für Elon Musk. E-I = Extraversion-Introversion; T-F = Denken-Fühlen; S-I = Wahrnehmung-Intuition; und J-P = Urteilen-Wahrnehmung. SVM wurde auf TF-IDF-Vektoren trainiert, während die anderen beiden Modelle auf Text trainiert wurden.

Die Autoren bemerken, dass die besten Indikatoren für Extraversion-Introversion auftreten und die schlechtesten für Urteilen-Wahrnehmung, vielleicht weil letztere schwer aus Texten abzuleiten sind. Sie prognostizieren, dass zukünftige Arbeiten, die Sprachindikatoren wie Stimmodulation und Sprechintervalle einbeziehen, neue interpretierbare Dimensionen für diese Indikatoren hinzufügen könnten.

Verknüpfung von Persönlichkeit und Unternehmensleistung

Um die Risikoregressionskomponente des Projekts zu ermöglichen, im Einklang mit der Upper Echelons Theory, verknüpfte die Autoren dann die Gewinnmitteilungsdaten mit Datenbanken von IBES, CRSP und Compustat Execucomp.

Um nützliche Indizes für die Variation von Aktienkursen nach einer Erklärung eines CEOs zu entwickeln, integrierten sie verschiedene Risikoproxys aus vorherigen Arbeiten und nahmen auch Alter und Geschlecht auf, um mögliche Störungen zu bewerten.

Kriterien für die Risikobewertung.

Kriterien für die Risikobewertung.

Risikorenditen wurden auf der Grundlage von Volatilitätsindizes nach einer Woche nach einer Ankündigung berechnet. Da RoBERTa in der vorherigen Phase am besten abschnitt, wurde es ausschließlich für die Risikoregressionsphase verwendet.

Ergebnisse

In Bezug auf die Ergebnisse, die durch die Verwendung einer Persönlichkeitsmatrix als Methode zur Vorhersage von Aktienkursschwankungen erzielt wurden, erklären die Autoren:

‘Wir finden, dass die ersten drei MBTI-Dimensionen signifikant mit dem Risiko nach dem Anruf verbunden sind. Diese Signifikanz ist [hoch] für E–I und T–F. Die Richtung dieser Assoziation verhält sich wie erwartet: Ein CEO, der auf introvertierte und empathische Weise kommuniziert, ist mit erhöhtem [Risiko] verbunden, während eine intuitive Kommunikation mit verringertem [Risiko] verbunden ist.

‘Bemerkenswerterweise sind diese Ergebnisse robust gegen Alter- und Geschlechts-Effekte.’

Ergebnisse der Standard-Risikoregressions-Tests, die 22.000 Gewinnmitteilungen über 1.700 Unternehmen im Zeitraum 2002-2020 umfassen. Die Regressionsanalysen beinhalten feste Effekte für Zeit und Branche.

Ergebnisse der Standard-Risikoregressions-Tests, die 22.000 Gewinnmitteilungen über 1.700 Unternehmen im Zeitraum 2002-2020 umfassen. Die Regressionsanalysen beinhalten feste Effekte für Zeit und Branche.

Die Forscher planen, das Modell in Zukunft so weiterzuentwickeln, dass ein einzelner Regressor alle vier MBTI-Dimensionen ausgeben kann, sowie nicht-textbasierte Daten wie Sprachsignale einbeziehen.

 

*Die Schreibweise von Myers-Briggs für dieses Wort ist spezifisch für ihre Studie.

Erstveröffentlichung: 20. Januar 2022.

Autor im Bereich maschinelles Lernen, Fachspezialist für menschliche Bildsynthese. Ehemaliger Leiter der Forschungsinhalte bei Metaphysic.ai, bis zu seiner Auflösung in DNEG's Brahma.ai.
Website: martinanderson.ai
Kontakt: martin@martinanderson.ai