Влияние информации в пресс-релизах на финансовые показатели российских компаний

Примечание. Приведенные в таблице данные соответствуют количеству лемматизированных, уникальных слов (в русском словаре, как и в иноязычных, негативных слов больше, чем позитивных).

Составление авторского словаря прогнозных заявлений

В англоязычной литературе для анализа прогнозных заявлений в финансовых публикациях методом «мешок слов» составлялся список слов. Так, в работе [Hussainey et al., 2003] просматривались годовые отчеты и помечались нужные слова, к которым впоследствии были добавлены синонимы. Итоговый список состоял почти из двадцати прогнозных слов. Впоследствии список был доработан в [Abed et al., 2016]. Авторы добавили наречия, прилагательные и существительные, описывающие перспективы, увеличив список до 36 позиций. В [Li, 2010] прогнозные заявления определяются как предложения, содержащие хотя бы одно прогнозное слово из списка семнадцати глаголов, составленного в [Matsumoto et al., 2011]. Авторы использовали слова из категории прогнозных слов в программе Linguistic Inquiry and Word Count (LIWC), к которым были добавлены слова, отобранные экспертным путем; итоговый список состоял из 34 слов.

В исследовании [Muslu et al., 2015] при составлении словаря использовали три подхода: (1) словосочетания или слова, непосредственно описывающие будущее (например, «в следующем году»); (2) глаголы, подразумевающие будущее время (например, «планирует»); (3) временные отсылки к будущему (например, «в 2021 году»). Кроме того, авторы выборочно просмотрели сто отчетов и экспертным путем добавили часть слов. Западные исследователи составляют свои списки преимущественно на основе готовых общеупотребимых слов прогнозного характера, экспертным путем добавляя в них термины из финансовых публикаций. Стоит отметить, что небольшое итоговое количество слов прогнозного характера связано с тем, что в английском языке будущее время образуется через глаголы will и shall. В русском языке будущее время передается двумя способами: (1) смысловым глаголом несовершенного вида в неопределенной форме и вспомогательным глаголом «быть»; (2) смысловым глаголом совершенного вида, имеющим те же окончания, что и глаголы несовершенного вида настоящего времени, поэтому определить, что глагол стоит в форме будущего времени, без экспертного отбора не представляется возможным. Эта особенность русского языка также не позволяет использовать лемматизацию текста, иначе слово «будет» трансформируется при обработке в «быть», что также соответствует словоформе прошедшего времени «был», поэтому применение лемматизации приведет к ошибочному подсчету вхождений. Соответственно, при составлении нашего списка русских слов прогнозного характера необходимо учесть слова совершенного вида и все возможные словоформы.

Составление нашего списка слов состоит из нескольких этапов.

1. Перевод вышеупомянутых англоязычных списков на русский язык.

2. Добавление слов из заявлений -- отказов от ответственности за включение прогноза. Пример из пресс-релиза «Детского мира» за I квартал 2019 года:

Некоторая информация, содержащаяся в документе, может содержать перспективные оценки и другие заявления прогнозного характера в отношении будущих событий и будущей финансовой деятельности «Детского мира». Вы можете определить, носит ли заявление прогнозный характер, на основании таких слов, как «ожидают», «полагают», «оценивают», «намереваются», «будут», «могли бы», «могут», включая отрицательные формы, а также на основании иных аналогичных выражений.

3. Выделение в пресс-релизах части текста, относящегося к перспективному анализу, через поиск слова «прогноз» и отсечение текста до него, так как заявления о будущих показателях располагаются преимущественно в конце текста.

4. Экспертная обработка полученных частей пресс-релизов -- добавление в список встречающихся слов прогнозного характера.

5. Составление всех возможных словоформ из полученных терминов с помощью pymorphy2 -- морфологического анализатора русских слов в Python, использующего словари из OpenCorpora.

6. Удаление словоформ глаголов прошедшего и настоящего времени.

Финальный список состоит из 373 слов. Такое большое количество связано с учетом глаголов совершенного вида, а также всех словоформ для существительных, прилагательных и глаголов. Для проверки составленного списка русских слов российские пресс-релизы, выпущенные на английском языке, дополнительно оцененивались с помощью словаря [Caserio et al., 2019].

Регрессионная модель

Проверка гипотез осуществлялась путем оценки эконометрических моделей панельных регрессий, где в качестве зависимых переменных выступают показатели рентабельности активов и доходности акций за последующие три месяца после публикации пресс-релиза. В качестве объясняющих переменных выступают контрольные переменные и переменные тональности текста:

(1)

где Y_it -- будущая рентабельность активов или цена акций в зависимости от тестируемых гипотез (описание используемых в формуле переменных представлено в табл. 2).

В качестве независимых финансовых переменных (FinControls_q) взяты следующие регрессоры, с помощью которых строились работы [Boudt, Thewissen, 2019; Davis et al., 2012; Davis, Tama-Sweet, 2012; Huang et al., 2014]: логарифм рыночной капитализации (lnMC) как прокси-переменная размера компании, отношение балансовой стоимости капитала к рыночной (BTM) как проксипеременная возможностей для роста, ошибка прогноза аналитика (FE) -- разница между прогнозным и реальным значениями выручки в текущем квартале, логарифм выручки (Revenue), финансовый рычаг (Leverage). В исследовании будет применяться также фиктивная переменная, отражающая отрасль фирмы.

В качестве сентиментальных (Text_it) переменных в нашем исследовании будут использоваться следующие.

1. Переменная общей тональности текста (Sentimentj_t). Общая тональность пресс-релизов определяется с помощью каждого словаря отдельно как разница между позитивными и негативными словами в соответствии с формулой:

(2)

Переменная будет рассчитываться по словарям LM и NRC для англоязычного текста и по разработанному словарю EcSentiThemeLex -- для текста на русском языке.

2. Переменная сложности текста. В качестве прокси-переменной сложности информации в исследованиях используется длина текста, а также Fog Index, который рассчитывается исходя из длины предложений и доли слов, состоящих более чем из трех слогов. Несмотря на популярность этого метода, в [Loughran, McDonald, 2014] критикуется релевантность индекса для анализа корпоративных публикаций: существует много общеупотребимых и легко понятных финансовых слов, например «корпорация», которые по методике расчета будут отнесены к сложным. В работе [Bonsall et al., 2015] предлагается в качестве альтернативы использование Bog Index, который нетривиально оценивает понятность текста. Этот показатель построен специально для оценки простоты языка и состоит из нескольких составляющих:

Вод Index = Sentence Вод + Word Вод - Pep, (3)

где SentenceBog отражает среднюю длину предложений в тексте; WordBog анализирует использование сложных и нежелательных конструкций (пассивный залог, пропущенное сказуемое, клише, абстрактные слова и выражения), а также употребление сложных слов, где сложность определяется не как в Fog Index подсчетом слогов, а на основе списка из 200 тыс. слов, ранжированных по узнаваемости среди читателей и частоте используемости; Pep улавливает простые речевые конструкции, которые помогут читателю лучше понять текст. Расчет индекса сложности осуществляется через программу StyleWriter software автоматически при загрузке в нее английского текста. Чем ниже показатель индекса, тем текст более прост для прочтения.

3. Слова, отражающие будущие перспективы компании, на русском и английском языках, которые будут нормироваться на количество слов в тексте.

4. Количество слов на русском и английском языках.

Анализ данных

В табл. 2 представлен итоговый список финансовых и текстовых параметров, которые будут применены в дальнейшем анализе.

Объектом нашего исследования являются публичные российские компании. Отбор фирм совпадает с процедурой, ранее использовавшейся в аналогичных работах по текстовому анализу нефинансовой информации в России, а именно: (1) первоначальный список организаций формируется на основе базы данных RUSLANA по топ-100 компаниям, торгующимся на Московской бирже и имеющим наибольшую капитализацию; (2) каждая компания проверяется на наличие в открытых источниках публикаций анонсов о доходах как на русском, так и на английском языках за каждый квартал в году; (3) каждая компания проверяется на предмет публикации пресс-релизов и необходимых финансовых ежеквартальных показателей на всем промежутке 2015-2019 годов. В результате финальная выборка состоит из 35 российских компаний из восьми отраслей. Пресс-релизы публикуются менеджерами на сайтах компаний в разделах Investor Relations или же непосредственно в лентах новостей фирм в разделе «Пресс-релизы». Все финансовые показатели российских компаний были выгружены из базы данных Capital IQ, в случае пропущенных переменных дополнительно использовалась база данных СПАРК.

В табл. 3 представлены дескриптивные статистики используемых переменных. Можно отметить, что в среднем по всем трем словарям оценки тональности текста пресс-релизы представляют скорее положительную характеристику компании, чем отрицательную. Тексты на русском языке более длинные, чем на английском.

Таблица 2. Описание используемых в анализе переменных

Таблица 3. Дескриптивные статистики используемых переменных

На рис. 1 представлена динамика позитивных и негативных слов. Можно отметить, что в среднем отечественные пресс-релизы скорее позитивны, чем негативны, и эта тенденция усиливается с годами.

На рис. 2 представлены наиболее часто используемые в пресс- релизах позитивные и негативные слова. Слова в англоязычной и русскоязычной версиях практически совпадают, что может указывать на высокое качество разработанного в ходе исследования инструментария.

Рис. 1. Динамика количества позитивных и негативных слов в пресс-релизах на русском языке (левая шкала -- среднее значение категорий тональности, правая -- средняя длина слов), 2015-2019 годы

Рис. 2. Наиболее частотные для пресс-релизов позитивные и негативные слова (русский язык)

На рис. 3 представлены наиболее употребляемые в пресс- релизах слова прогнозного характера. К ним мы можем отнести такие, как «будет», will и т. д.

Для тестирования значимости тональности были оценены панельные регрессии, где зависимая переменная -- рентабельность активов в следующем квартале. Для выбора правильной спецификации модели был применен тест Хаусмана, принята нулевая гипотеза о том, что модель со случайным индивидуальным эффектом можно считать предпочтительнее модели с фиксированным эффектом (детерминированным индивидуальным эффектом). Тест Бреуша-Пагана не выявил гетероскедастичности в поведении случайных остатков моделей. В табл. 4 представлены основные результаты оценки гипотез, где в качестве зависимой переменной оценивалась эффективность деятельности компании в следующем квартале.

Рис. 3. Наиболее употребляемые в пресс-релизах слова прогнозного характера (на русском и английском языках)

Рассмотрим основные результаты исследования. Начнем с анализа контрольных переменных. Во всех моделях на рентабельность оказывают влияние капитализация, выручка и инвестиционная привлекательность компании. Коэффициент перед прогнозными значениями (рассчитанными аналитиками) оказался незначимым.

Что касается общих показателей тональности текста, то только тональность, оцененная на основе словаря LM, влияет на будущую эффективность деятельности компании, выраженную через ROA: чем более позитивно написан пресс-релиз компании, тем выше ее будущая рентабельность. Гипотеза подтвердилась только для одного уравнения, где в качестве оценки тональности использовался словарь LM. Словарь применяется в большинстве работ для оценки финансовых и экономических текстов, поэтому его результатам можно доверять. Что касается отечественных компаний, то если компания представляет в целом позитивную информацию по своей деятельности, это соответствует реальности; первая гипотеза подтвердилась для пресс-релизов на английском языке. Проблема оценки пресс-релизов на русском языке заключается в том, что на данный момент существует только один общедоступный словарь для оценки экономических и финансовых текстов на русском языке. В дальнейших исследованиях при появлении новых инструментариев оценки можно будет сравнить наш результат с другими.

Таблица 4. Результаты тестирования гипотез о влиянии тональности пресс-релизов на ROA компании в следующем квартале

Примечание. Уровни значимости коэффициентов: * -- значимость на 10-процентном уровне, ** -- значимость на 5-процентном уровне, *** -- значимость на 1-процентном уровне.

Что касается слов, описывающих будущее компании, они являются значимым фактором и на русском, и на английском языках и влияют положительно: чем больше удельный вес таких слов, тем выше эффективность деятельности фирмы. Результат может свидетельствовать об уверенности менеджмента в перспективах. Скорее всего, если руководство компании уверено в прогнозируемых позитивных результатах, оно будет сообщать об этом в пресс-релизах правдиво. Однако возникает вопрос, который касается реакции рынка на такие сообщения. Когда менеджмент компании правдиво описывает будущие результаты, насколько верят им рынок и потенциальные инвесторы? В табл. 5 представлены результаты влияния текстовых и контрольных переменных на цену акции.

Таблица 5. Результаты тестирования гипотезы о влиянии тональности пресс-релизов на цену акции компании в следующем квартале

Примечание. Уровни значимости коэффициентов: * -- значимость на 10-процентном уровне, ** -- значимость на 5-процентном уровне, *** -- значимость на 1-процентном уровне.

Рассмотрим результаты более подробно. Во-первых, текстовые переменные по сентиментам оказались значимыми по всем трем словарям: инвесторы позитивно реагируют на более позитивные новости, о чем свидетельствует положительный и значимый коэффициент при переменной тона в уравнениях, где в качестве зависимой переменной выступает цена акций. Этот факт подтверждает нашу гипотезу 1 и в целом показывает важность для российских инвесторов дополнительного канала связи ввиду большой асимметрии информации.

Во-вторых, прогнозные слова тоже являются значимыми, правда, только для текстов на английском языке. Включение прогнозных комментариев может представлять актуальную информацию как для инвесторов, так и для аналитиков. Например, в работе [Francis et al., 2002] показано, что реакция рынка на анонс о доходах оказалась в значительной мере связанной с включением в пресс-релиз комментариев менеджеров об ожидаемых показателях фирмы. Аналогичные выводы получены на основе 44 708 американских отчетов в работе [Muslu et al., 2015], согласно которой менеджеры чаще и больше пишут прогнозные комментарии в части MD&A, когда цена акции недостоверно отражает реальную стоимость компании. В проведенном нами исследовании показано, что пресс-релизы выступают значимым дополнительным каналом связи между менеджментом и инвесторами.

Влияние сложности текста не подтвердилось для будущих показателей рентабельности активов, но подтвердилось для цены акций. Возможно, это связано с тем, что пресс-релизы сами по себе не являются обязательными документами, как, например, годовая отчетность. Чаще всего их пишут в рекламных целях, а потому сложность не столь значима (этот вывод согласуется с результатами работы [Henry, 2008]).

пресс-релиз публикация финансовый

Заключение

Настоящее исследование было направлено на изучение влияния особенностей пресс-релизов -- с точки зрения их информативности -- на финансовые показатели публичных компаний. Результаты работы свидетельствуют о том, что российский рынок только в последние годы стал уделять больше внимания пресс-релизам -- они становятся длиннее, сопровождаются комментариями менеджеров и в целом более содержательны. Полученный в исследовании результат является значимым и для менеджмента, и для инвесторов. В целом отечественные менеджеры довольно правдиво освещают в пресс-релизах положение дел компаний и не манипулируют информацией. Отечественные инвесторы доверяют пресс-релизам о будущих результатах и склонны положительно реагировать на позитивную тональность публикаций, а также на заявления, относящиеся к раскрытию перспектив деятельности фирм.

Практическая значимость исследования заключается в предоставлении менеджерам информации о влиянии тональности пресс-релизов на реакцию фондового рынка, которую они смогут использовать для корректировки публикуемого текста и улучшения имиджа организации. Однако поскольку компании в действительности включают в пресс-релизы ценную информацию, используя лингвистические особенности текста, с целью уменьшения асимметрии информации, результат настоящего исследования будет полезен и инвесторам для более адекватной корректировки их ожиданий относительно будущего развития фирмы.

Литература

1. Федорова Е.А., Афанасьев Д.О., Демин И.С., Пыльцин И.В., Нерсесян Р.Г., Лазарев А.М. Разработка тонально-тематического словаря EcSentiThemeLex для анализа экономических текстов на русском языке // Прикладная информатика. 2020. Т. 15. № 6. С. 58-77.

2. Abed S., Al-Najjar B., Roberts C. Measuring Annual Report Narratives Disclosure: Empirical Evidence from Forward-Looking Information in the UK Prior the Financial Crisis // Managerial Auditing Journal. 2016. Vol. 31. № 4-5. P. 338-361.

3. Arslan-Ayaydin O., Boudt K., Thewissen J. Managers Set the Tone: Equity Incentives and the Tone of Earnings Press Releases // Journal of Banking & Finance. 2016. Vol. 72(S). P. S132-S147.

4. Bonsall S.B., Bozanic Z., Merkley K.J. Managers' Use of Forward and Non-Forward-Looking Narratives in Earnings Press Releases. Ohio State University and Cornell University Working Paper. 2015.

5. Boudt K., Thewissen J. Jockeying for Position in CEO Letters: Impression Management and Sentiment Analytics // Financial Management. 2019. Vol. 48. № 1. P. 77-115.

6. Bozanic Z., Roulstone D.T., Van Buskirk A. Management Earnings Forecasts and Other Forward-Looking Statements // Journal of Accounting and Economics. 2018. Vol. 65. № 1. P. 1-20.

7. Caserio C., Panaro D., Trucco S. Management Discussion and Analysis: A Tone Analysis on US Financial Listed Companies // Management Decision. 2019. Vol. 58. № 3. P. 510-525.

8. Davis A.K., Piger J.M., Sedor L.M. Beyond the Numbers: Measuring the Information Content of Earnings Press Release Language // Contemporary Accounting Research. 2012. Vol. 29. № 3. P. 845-868.

9. Davis A., Tama-Sweet I. Managers' Use of Language Across Alternative Disclosure Outlets: Earnings Press Releases Versus MD&A // Contemporary Accounting Research. 2012. Vol. 29. № 3. P. 804-837.

10. Francis J., Schipper K., Vincent L. Expanded Disclosures and the Increased Usefulness of Earnings Announcements // The Accounting Review. 2002. Vol. 77. № 3. P. 515-546.

11. Henry E. Are Investors Influenced by How Earnings Press Releases Are Written? // Journal of Business Communication. 2008. Vol. 45. № 4. P. 363-407.

12. HuangX., Teoh S. H., Zhang Y. Tone Management // The Accounting Review. 2014. Vol. 89. P. 1083-1113.

13. Hussainey K., Schleicher T., Walker M. Undertaking Large-Scale Disclosure Studies When AIMR-FAF Ratings Are Not Available: The Case of Prices Leading Earnings // Accounting and Business Research. 2003. Vol. 33. № 4. P. 275-294.

14. Li F Annual Report Readability, Current Earnings, and Earnings Persistence // Journal of Accounting and Economics. 2008. Vol. 45. № 2. P. 221-247.

15. Li F The Information Content of Forward-Looking Statements in Corporate Filings--A Naive Bayesian Machine Learning Approach // Journal of Accounting Research. 2010. Vol. 48. № 5. P 1049-1102.

16. Loughran T., Mcdonald B. Measuring Readability in Financial Disclosures // The Journal of Finance. 2014. Vol. 69. № 4. P. 1643-1671.

17. Loughran T., Mcdonald B. Textual Analysis in Accounting and Finance: A Survey // Journal of Accounting Research. 2016. Vol. 54. № 4. P. 1187-1230.

18. Loughran T., McDonald B. When Is a Liability Not a Liability? Textual Analysis, Dictionaries, and 10-Ks // The Journal of Finance. 2011. Vol. 66. № 1. P. 35-65.

19. Luo Y., Zhou L. Managerial Ability, Tone of Earnings Announcements, and Market Reaction // Asian Review of Accounting. 2017. Vol. 25. No 4. P. 454-471.

20. Matsumoto D., Pronk M., Roelofsen E. What Makes Conference Calls Useful? The Information Content of Managers' Presentations and Analysts' Discussion Sessions // The Accounting Review. 2011. Vol. 86. № 4. P. 1383-1414.

21. Mohammad S., Turney P. Emotions Evoked by Common Words and Phrases: Using Mechanical Turk to Create an Emotion Lexicon. Proceedings of the NAACL-HLT 2010 Workshop on Computational Approaches to Analysis and Generation of Emotion in Text. 2010. Р. 26-34.

22. Muslu V., Radhakrishnan S., Subramanyam K. R., Lim D. Forward-Looking MD&A Disclosures and the Information Environment // Management Science. 2015. Vol. 61. № 5. P. 931-948.

23. You H., Zhang X. Financial Reporting Complexity and Investor Underreaction to 10-K Information // Review of Accounting Studies. 2009. Vol. 14. № 4. P. 559-586.

Размещено на Allbest.ru