[논문 리뷰] TEXT ANALYSIS IN FINANCIAL DISCLOSURES

Sridhar Ravula|arXiv (Cornell University)|2020. 01. 01.

Stock Market Forecasting Methods인용 수 1

한 줄 요약

이 논문은 10-K 및 10-Q 양식의 비정형 텍스트 데이터에서 통찰을 추출하기 위한 자연어 처리(NLP) 기법을 강조하며 재무 공시의 텍스트 분석을 검토한다. 전통적인 수치적 비율을 넘어서 재무 분석을 향상시키기 위해 언어적 특성, 기업 수준의 특성, 고급 NLP 모델에 대한 광범위한 방법론적 혁신을 주장하며, 감성 지표에 대한 과도한 의존을 비판한다.

ABSTRACT

Financial disclosure analysis and Knowledge extraction is an important financial analysis problem. Prevailing methods depend predominantly on quantitative ratios and techniques, which suffer from limitations like window dressing and past focus. Most of the information in a firm's financial disclosures is in unstructured text and contains valuable information about its health. Humans and machines fail to analyze it satisfactorily due to the enormous volume and unstructured nature, respectively. Researchers have started analyzing text content in disclosures recently. This paper covers the previous work in unstructured data analysis in Finance and Accounting. It also explores the state of art methods in computational linguistics and reviews the current methodologies in Natural Language Processing (NLP). Specifically, it focuses on research related to text source, linguistic attributes, firm attributes, and mathematical models employed in the text analysis approach. This work contributes to disclosure analysis methods by highlighting the limitations of the current focus on sentiment metrics and highlighting broader future research areas

연구 동기 및 목표

• 창작적 회계 지표의 한계를 해결하기 위해 창의적 회계 지표의 단점인 창의적 장식(Window dressing) 및 과거 중심적 접근 방식을 다루기.
• 비정형 텍스트 데이터가 미래 지향적이고 질적 정보를 포착할 잠재력이 아직 충분히 활용되지 않았음을 규명하기.
• 텍스트 기반 재무 연구에서 감성 분석에 대한 현재의 과도한 의존을 비판하고 방법론적 격차를 강조하기.
• 재무 공시 분석에 적용 가능한 최신 NLP 및 기계학습 기법을 조사하기.
• 감성 점수를 넘어서 언어적 특성, 기업 특성, 고급 계산 모델을 통합하는 미래 연구 방향을 제안하기.

제안 방법

• EDGAR 데이터베이스에서 제공하는 10-K 및 10-Q 양식과 같은 텍스트 자료에 초점을 맞춘 재무 및 회계 분야의 비정형 데이터 분석 관련 이전 연구를 체계적으로 검토한다.
• 재무 공시에서의 어조, 공식성, 복잡성, 향후 지향적 언어 사용과 같은 언어적 특성 분석을 수행한다.
• 실행자 연령, 보고서 가독성, 세그먼트 공시 복잡성 등의 기업 수준 특성(예: 실행자 연령)을 텍스트 분석 모델의 예측 변수로 고려한다.
• bag-of-words, TF-IDF, 그리고 워드 임베딩 및 트랜스포머 기반 모델과 같은 현대적 NLP 기법을 포함한 계산 모델 평가를 수행한다.
• 은행채무 예측 또는 주가 반응과 같은 재무 결과에 텍스트 특성을 연결하기 위해 사용되는 수학적 및 통계적 모델을 검토한다.
• 텍스트 마이닝 및 기계학습을 활용한 실증 연구의 통합된 결과를 바탕으로 기업 성과, 리스크, 시장 반응을 평가한다.

실험 결과

연구 질문

• RQ1 재무 공시의 언어적 특성(예: 어조, 복잡성, 향후 지향적 문장)이 기업의 재무 건강 상태와 향후 성과와 어떻게 상관관계가 있는가?
• RQ2 감성 기반 지표가 비정형 재무 공시에서 의미 있는 재무 리스크를 포착하지 못하는 정도는 어느 정도이며, 더 넓은 언어적 및 구조적 특성과 비교해 볼 때 어떤가?
• RQ3 현재 NLP 모델이 비정형 재무 공시에서 유의미한 통찰을 추출하는 데 겪는 한계는 무엇인가? 특히 조기 경고 신호를 탐지하는 데서의 한계를 중심으로 분석한다.
• RQ4 실행자 연령, 보고서 가독성, 세그먼트 공시 품질 등의 기업 수준 특성이 텍스트 기반 재무 분석에 어떻게 기여할 수 있는가?
• RQ5 감성 점수를 넘어서 텍스트 분석을 발전시키기 위한 가장 유망한 방법론적 방향은 무엇인가?

주요 결과

• 기존의 회계 지표는 창의적 장식과 과거 중심적 편향으로 인해 향후 기업 성과 예측 능력이 제한된다.
• 재무 공시의 텍스트 분석은 정량적 비율에 반영되지 않은 미래 지향적이고 질적 신호를 포착할 수 있는 보완적인 정보 원천을 제공한다.
• 텍스트 분석에서 감성 지표에 대한 과도한 의존은 공식성, 복잡성, 회피 어휘 사용과 같은 세밀한 언어적 특성을 간과할 수 있으며, 이러한 특성은 재무 위기의 강력한 예측 지표이다.
• 연구 결과에 따르면 가독성, 어조, 향후 지향적 문장 사용과 같은 텍스트 특성은 재무 지표를 통제한 후에도 투자자 반응과 시장 가격에 중대한 영향을 미친다.
• 실행자 연령과 보고서 가독성과 같은 기업 수준의 특성은 공시 품질과 관련이 있으며, NLP 특성과 조합될 경우 예측 모델의 성능을 향상시킬 수 있다.
• 의미적 맥락과 문법적 구조를 포괄하는 고급 NLP 기법, 특히 의미적 맥락을 고려한 모델은 단순한 bag-of-words나 감성 기반 접근 방식보다 파산 예측 및 시장 이면 현상 예측에서 뛰어난 성능을 보인다.