AI förutsäger hur VD-personlighet påverkar företagsprestation

Tal är inte alltid billigt. I november 2021 förlorade Teslas aktie en uppskattad 21 miljarder dollar från dess värdering efter att grundaren Elon Musk inbjöd sina 70 miljoner följare att delta i en omröstning om han skulle sälja 10 % av sina egna aktier i företaget – bara ett avsnitt i en lång serie av tydligen vårdslösa sociala medie-kommunikationer från Musk som tros ha bidragit till en aktiekursras på 175 miljarder dollar för Tesla (TSLA ) mot slutet av 2021.

Även om det länge har varit allmänt accepterat att VD-beteende har ett direkt samband med företagsprestation, har det varit svårt att få billionaire-chefer att genomgå standardiserade personlighetstester, vilket har gjort personlighetsbaserad aktieprediktion till en sorts pseudo-vetenskap.

Forskningssektorns ansträngningar att skapa prediktiva modeller i detta avseende har hittills koncentrerats på de fem stora personlighetsdragen, där VD:s läggning utvärderas utifrån öppenhet, samvetsgrannhet, extraversion, samarbetsvilja och neuroticism.

Det är inte lätt att extrahera alla dessa drag på ett empiriskt sundt sätt, enbart baserat på tal och text. En studie från 2020 från Academy of Management kunde bara analysera tre av de fem stora dragen (samvetsgrannhet, neuroticism och extraversion), eftersom öppenhet och samarbetsvilja är svårare att identifiera, särskilt från text.

MBTI-bedömning

Ett nytt samarbete mellan universitet i Tyskland och Italien har tagit en ny ansats för att formulera en prediktiv ram av detta slag, genom att använda offentligt tillgängliga data för att kartlägga 32 högnivåchefer inom ramen för Myers-Briggs typindikator (MBTI).

Du känner förmodligen till MBTI, även om du inte visste dess namn. Baserat på Carl Jungs arbete klassificerar MBTI personligheter i 4-teckensentiteter som ENTJ (extrovert, sensorisk, tänkande, bedömande), och har blivit ett populärt verktyg för själanalys på sociala medier under det senaste decenniet eller så.

De fyra axlarna från vilka drag kan väljas är extraversion kontra introversion (E-I); sensorisk kontra intuition (S-N); tänkande kontra känslighet (T-F); och bedömande kontra uppfattande (J-P).

Författarna till artikeln använde crowdsourcade data för att skapa MBTI-profiler av chefer, och skapade sedan en separat dataset och arkitektur som kunde förutsäga inflytandet av VD-personlighet på aktieprestation, med Elon Musk som central testperson.

Hur exempel på chefer passar in i MBTI-axlarna. Källa: https://arxiv.org/pdf/2201.07670.pdf

Den nya forskningen syftar till att skapa en objektiv metod för aktieprisförutsägelse baserad på de uppskattade personligheterna hos verkställande direktörer (och specifikt på vad de säger offentligt), i enlighet med den så kallade Upper Echelons Theory som föreslogs 1984, som först föreslog en korrelation mellan VD-personlighet och företagsprestation.

Författarna skriver:

‘I en riskregressionsuppgift visar vi att den förutsagda VD-personligheten är signifikant associerad med finansiell risk i form av aktievolatilitet. Kvalitativt sett verkar extroverta, intuitiva och tänkande chefer ådra sig mindre finansiell risk.’

Den andra etappen av projektet, som syftar till att korrelera uttalanden med efterföljande aktieprisvariationer, producerar en algoritm som kan indikera textsegment som sannolikt har en positiv eller negativ effekt.

Shapley Additive Explanations (SHAP) heatmaps tillämpade på textsegment från Elon Musks Q1 2020-årsredovisning. Röd och blå är negativa respektive positiva inkomstindikatorer. Resultaten varierar över dragaxlarna för MBTI-mappningarna, och de mest relevanta resultaten kommer att vara de som överensstämmer med den centrala uppskattade karaktären hos talaren (dvs ‘ENTJ’).

Artikeln heter Top-Down Influence? Predicting CEO Personality and Risk Impact from Speech Transcripts och kommer från tre forskare vid universiteten i Mannheim och Bocconi i Milano.

Definiering av personligheter

Författarna använde tre källor för att samla in data för personlighetsprediktionskomponenten i projektet. För att identifiera och karakterisera cheferna använde de 88 000 årsredovisnings-transkript från Reuters Refinitiv EIKON-databas; och Compustat Execucomp, från Wharton Research Data Services vid University of Pennsylvania, som användes för att programmerat matcha identifierade chefer med ålder och kön-data.

För att få MBTI-personlighetsetiketter använde forskarna Personality Database, en crowdsourcad plattform för användarbidrag till personlighetsbedömningar, där tillräckliga nivåer av data för 32 chefer (inklusive Steve Jobs och Elon Musk) var tillgängliga.

I stället för att definiera varje chef som en typisk MBTI-4-teckensförkortning representerade författarna varje personlighetsprofil som en vektor av fyra kontinuerliga variabler på en skala från 0 till 1, i enlighet med de crowdsourcade uppskattningarna, vilket möjliggjorde en mer exakt mappning mellan de fem stora och MBTI-skalan.

För att validera de crowdsourcade uppskattningarna konstruerades en korrelationsmatris mellan de crowdsourcade MBTI- och de fem stora rösterna för alla personligheter som identifierats i datat. De två systemen visade sig nå en överenskommelse om de användarbidragna utvärderingarna.

(Eftersom åsikterna går isär om huruvida psykologisk utvärdering är subjektiv, betyder denna inom-system-konsensus bara att de två olika skalan konvergerar över sina olika kriterier för personlighetsbedömning; den objektiva värdet av denna överenskommelse beror på i vilken utsträckning du prenumererar på antingen system.)

Författarna testade BERT (bas), RoBERTa (bas) och Support Vector Machine (SVM) med trigram TF–IDF som potentiella modeller. Efter utbildning visade sig RoBERTa ha den bästa prestandan över alla axlar. I bilden nedan ser vi modellernas olika uppskattningar av personlighet för Elon Musk:

Korrelerade resultat för en personlighetsregressionsuppgift för Elon Musk. E-I = extraversion-introversion; T-F = tänkande-känslighet; S-I = sensorisk-intuition; och J-P = bedömande-uppfattande. SVM tränades på TF-IDF-vektorer, medan de andra två modellerna tränades på text.

Författarna noterar att de bästa indikatorerna förekommer för extraversion-introversion, och de sämsta för bedömande-uppfattande, kanske för att de senare är svåra att deducera från text. De förutspår att framtida arbete som inkluderar talindikatorer – såsom röstmodulering och talintervall – kan lägga till nya tolkningsbara dimensioner till datat för dessa indikatorer.

Att koppla personlighet till företagsprestation

För att underlätta riskregressionskomponenten i projektet, i enlighet med Upper Echelons Theory, sammanfogade författarna årsredovisningsdata med databaser från IBES, CRSP och Compustat Execucomp.

För att utveckla användbara index för variation i aktiepriser efter en deklaration från en VD, inkorporerade de olika riskproxies från tidigare arbeten, och inkorporerade också ålder och kön, för att bedöma möjliga störande effekter.

Kriterier för riskbedömning.

Riskavkastningar beräknades baserat på volatilitetsindex efter veckan efter ett tillkännagivande. Eftersom RoBERTa presterade bäst i den tidigare modulen, användes detta exklusivt för riskregressionssteget.

Resultat

I en kommentar till resultaten som erhållits genom att använda en personlighetsmatris som en metod för aktievolatilitetsprognos, skriver författarna:

‘Vi finner att de tre första MBTI-dimensionerna är signifikant associerade med risk efter samtalet. Denna signifikans är [hög] för E–I och T–F. Riktningen av denna association beter sig som förväntat: en VD som kommunicerar på ett introvert och känsligt sätt är associerad med ökad [risk], medan en intuitiv kommunikation är associerad med minskad [risk]. ‘

‘Notabelt är att dessa resultat är robusta mot ålder- och könfixerade effekter.’

Resultat från artiklens standardriskregressions tester, som omfattar 22 000 årsredovisningar över 1 700 chefer under åren 2002-2020. Regressionsanalyserna inkluderar fixerade effekter för tid och industri.

Forskarna avser att utveckla modellen i framtiden så att en enda regressor kan producera alla fyra MBTI-dimensioner, samt inkorporera icke-textdata som talsignaler.

*Myers-Briggs stavning av detta ord är särskild för deras studie.

Publicerad första gången den 20 januari 2022.