人工智能预测 CEO 性格如何影响公司业绩

谈话并不总是便宜的。 2021年XNUMX月，特斯拉股票 估计损失了 21 亿美元 创始人埃隆·马斯克 (Elon Musk) 邀请他的 70 万粉丝参与一项民意调查，决定他是否应该出售自己所持公司 10% 的股份——这只是历史上的一集。 长期系列 马斯克明显鲁莽的社交媒体传播被认为导致特斯拉股价在 175 年底暴跌 2021 亿美元。

虽然已经过去很久了 传闻中认为 尽管首席执行官的行为与公司业绩有直接关系，但让亿万富翁高管进行标准化性格测试的可能性不大，这使得基于性格的股票预测实际上成为一种伪科学。

迄今为止，分析研究部门在这方面创建预测模型的努力主要集中在 5大性格特征，其中 CEO 性格的评估依据为 透明度, 自觉性, 外向性*, 宜人及 神经质.

仅基于语音和文本，以经验丰富的方式提取所有这些特征并不容易。 2020年 根据一项研究， 来自管理学院的教授只能分析 5 大特征中的三个（尽责性、神经质和外向性），因为 透明度 和 宜人 更难以识别，尤其是从文本中。

MBTI评估

德国和意大利大学之间的一项新合作采用了一种新颖的方法来制定这种性质的预测框架，即使用公开数据将 32 位高级首席执行官映射到迈尔斯-布里格类型指标框架中（MBTI).

即使您不知道它的名字，您也可能知道 MBTI。 基于 Carl Jung 的工作，MBTI 将人格分为 4 个字符实体，例如 ENTJs (“外向”、“感知”、“思考”、“判断”），并且在过去十年左右的时间里已成为社交媒体上流行的自我分析工具。

可以选择特征的四个轴是： 外向性 与 内向 （EI）； 传感 与 直觉 （序列号）； 思维 与 感觉 （TF）； 和 评审 与 感知 （J.P）。

该论文的作者使用众包数据创建了 CEO 的 MBTI 档案，然后创建了一个单独的数据集和架构，能够成功预测 CEO 性格对股票表现的影响，并使用埃隆·马斯克作为中心测试对象。

CEO 样本如何适应 MBTI 轴。 资料来源：https://arxiv.org/pdf/2201.07670.pdf

这项新研究旨在根据对首席执行官的性格（特别是他们在公开场合的言论）的估计，创建一种客观的股价预测方法。 高层理论 1984 年提出，首次提出 CEO 性格与公司绩效之间的相关性。

作者指出：

“在风险回归任务中，我们证明，与上层理论一致，预测的首席执行官个性与股票回报波动性形式的财务风险显着相关。 从质量上看，外向、直觉和善于思考的首席执行官似乎承担的财务风险较小。

该项目的第二阶段旨在将言论与随后的股价变化联系起来，产生一种算法，可以指示可能产生积极或消极影响的文本片段。

Shapley 加法解释 (夏普）热图应用于埃隆·马斯克 1 年第一季度财报电话会议的文本片段。 红色和蓝色分别是负收益指标和正收益指标。 MBTI 映射的不同特征轴的结果各不相同，最相关的结果将是那些符合说话者的核心估计特征（即“ENTJ”）的结果。

这个 纸 标题为 自上而下的影响？ 从演讲稿预测 CEO 性格和风险影响s，来自曼海姆大学和米兰博科尼大学的三名研究人员。

定义个性

作者使用三个来源来收集该项目的性格预测部分的数据。为了识别和描述首席执行官的特征，他们使用了路透社 Refinitiv EIKON 数据集中的 88,000 份财报电话会议记录；和 计算执行器，来自宾夕法尼亚大学沃顿商学院研究数据服务中心，用于以编程方式将已识别的首席执行官与年龄和性别数据进行匹配。

为了获得 MBTI 人格标签，研究人员使用了人格数据库，这是一个用户贡献的人格评估众包平台，其中提供了 32 位首席执行官（包括史蒂夫·乔布斯和埃隆·马斯克）的充足数据。

作者没有将每位 CEO 定义为典型的 MBTI 4 字符缩写，而是根据众包估计，将每个人格概况表示为 0-1 范围内的四个连续变量的向量，从而允许在大人物之间进行更准确的映射。 5 和 MBTI 量表。

为了验证众包估计，在基于人群的 MBTI 和数据中确定的所有适当人物的 Big 5 投票之间构建了一个相关矩阵。 发现这两个系统在用户贡献的评估方面达成了共识。

（自从 意见不同 就心理评估的主观程度而言，这种系统内共识仅表明两种对比量表在人格评估的不同标准上趋于一致； 本协议的目标价值取决于您订阅任一系统的程度。）

作者测试了 BERT（基地), 罗伯塔 (基地）和支持向量机（SVM） 卦 TF–IDF 作为潜在模型。 训练后，发现 RoBERTa 在所有轴上都表现最佳。 在下图中，我们看到了模特们对埃隆·马斯克的各种性格评估：

埃隆·马斯克的人格回归任务的相关结果。 EI = 外向-内向； TF = 思考-感觉； SI = 感知-直觉； JP = 判断-感知。 SVM 在 TF-IDF 向量上进行训练，而其他两个模型则在文本上进行训练。

作者指出，最好的指标出现在外向-内向方面，而最差的指标出现在判断-感知方面，也许是因为后者很难从文本中推断出来。 他们预测，未来的工作包括语音指标（例如语音调制和语音间隔），可以为这些指标的数据添加新的可解释维度。

将个性与公司绩效联系起来

为了促进该项目的风险回归部分，根据上层理论，作者将财报电话会议数据与 IBES、CRSP 和 Compustat Execucomp 的数据库合并。

为了根据首席执行官的声明制定有用的股价变化指数，他们结合了之前研究中的各种风险代理，并结合了年龄和性别，以评估可能的混杂影响。

风险评估标准。

风险回报是根据公告发布后一周的波动性指数计算的。 由于 RoBERTa 在早期模块中表现最佳，因此专门用于风险回归阶段。

结果演示

在评论使用个性矩阵作为股票波动率预测方法所获得的结果时，作者指出：

“我们发现前三个 MBTI 维度与通话后的风险显着相关。 对于 E-I 和 T-F 来说，这种重要性是[高]的。 这种关联的方向与预期一致：首席执行官以内向和感性的方式进行沟通与增加[风险]相关，而直观的沟通则与降低[风险]相关。

“值得注意的是，这些结果对于年龄和性别固定效应是稳健的。”

该论文的标准风险回归测试结果，涵盖 22,000 年至 1,700 年期间 2002 次、2020 次财报电话会议。 回归包含时间和行业的固定效应。

研究人员打算在未来开发该模型，以便单个回归器可以输出所有四个 MBTI 维度，并合并语音信号等非文本数据。

*迈尔斯-布里格斯对该词的拼写是 特别适合他们的学习.

首次发布于 20 年 2022 月 XNUMX 日。