Слова, двигающие рынок: как корпоративные отчеты формируют ожидания аналитиков

Автор: Денис Аветисян

Новое исследование показывает, что нарративы, используемые в ходе телефонных конференций с инвесторами, оказывают значительное влияние на прогнозы аналитиков и фактические доходы компаний.

🐢

Ищешь ракеты? Это не к нам. У нас тут скучный, медленный, но надёжный, как швейцарские часы, фундаментальный анализ.

Бесплатный Телеграм канал

Анализ времени публикации прогнозов аналитиков вокруг телефонных конференций по доходам демонстрирует закономерную концентрацию активности непосредственно перед и после этих событий, что указывает на стремление к своевременной корректировке оценок в ответ на новую информацию.

Анализ текстовых данных корпоративных отчетов с применением методов поведенческих финансов и обработки естественного языка позволяет выявить влияние лингвистического оформления на рыночные ожидания.

Несмотря на широкое использование количественных данных в финансовом анализе, нарративы, формирующие восприятие этой информации, часто остаются за пределами внимания. В своей работе ‘Corporate Earnings Calls and Analyst Beliefs’ автор исследует влияние текстовых нарративов, содержащихся в телефонных конференциях с инвесторами, на прогнозы аналитиков и фактические финансовые результаты компаний. Полученные результаты свидетельствуют о том, что лингвистическое оформление информации, даже без изменения количественных показателей, систематически влияет на формирование рыночных ожиданий, причем аналитики склонны преувеличивать влияние позитивных сигналов и недооценивать риски. Возможно ли, используя современные методы анализа текстов, более точно оценить и прогнозировать рыночные реакции на корпоративные коммуникации?

По ту сторону цифр: Сила повествования в финансах

Традиционный финансовый анализ, как правило, концентрируется на количественных данных, таких как финансовые показатели и статистические модели, зачастую упуская из виду значительное влияние качественных нарративов. В то время как цифры предоставляют объективную картину текущего состояния, именно истории, рассказываемые компаниями через пресс-релизы, отчеты и выступления руководства, формируют ожидания инвесторов и аналитиков. Эти нарративы, описывающие стратегию, перспективы роста и объясняющие текущие результаты, оказывают существенное воздействие на оценку стоимости активов и принятие инвестиционных решений. Недооценка этого нарративного аспекта может приводить к неточным прогнозам и неверной оценке рисков, поскольку рынки зачастую реагируют не только на «что» произошло, но и на «как» это было представлено.

Финансовые аналитики, формируя ожидания относительно компаний и рынков, опираются не только на количественные данные, такие как финансовые показатели и статистические модели, но и на качественные нарративы, транслируемые руководством компаний. Однако, в то время как количественные факторы легко поддаются измерению и включению в прогнозы, оценка влияния нарративов представляет собой сложную задачу. Несмотря на то, что нарративы, особенно те, что звучат в ходе конференц-звонков для инвесторов, могут существенно изменять восприятие аналитиков и влиять на их прогнозы, разработка надежных методов для количественной оценки этого влияния остается предметом активных исследований. Это затрудняет интеграцию нарративов в существующие финансовые модели и препятствует созданию более точных и полных прогнозов, учитывающих как «цифры», так и «истории», которые лежат в основе финансовых решений.

Исследования показывают, что нарративы, транслируемые в ходе телефонных конференций по результатам финансовых отчетов, способны оказывать более сильное влияние на ожидания аналитиков, чем сама статистическая информация. В то время как традиционный финансовый анализ сосредоточен на количественных показателях, тон и содержание этих устных презентаций формируют восприятие перспектив компании. Аналитики часто придают большее значение объяснениям руководства относительно будущих тенденций, даже если эти объяснения не полностью подкреплены текущими данными. Данный феномен обусловлен тем, что нарративы предоставляют контекст и интерпретацию, которые позволяют аналитикам формировать более целостную картину и прогнозировать будущие результаты, тем самым зачастую перевешивая влияние сухих цифр и таблиц.

Понимание взаимодействия между количественными данными и нарративами имеет решающее значение для повышения точности финансового прогнозирования и оценки рисков. Традиционные модели часто сосредотачиваются исключительно на числовых показателях, упуская из виду мощное влияние, которое оказывают истории, рассказываемые компаниями и аналитиками. Исследования показывают, что нарративы, особенно те, что транслируются во время телефонных конференций по результатам квартальных отчетов, способны существенно формировать ожидания аналитиков, иногда превосходя по силе воздействия сами данные. Игнорирование этого взаимодействия может приводить к неверным оценкам стоимости активов и недооценке потенциальных рисков, в то время как учет нарративов позволяет получить более полную и реалистичную картину финансовой ситуации компании и, следовательно, принимать более обоснованные инвестиционные решения.

Рассказы оказывают влияние на прогнозы аналитиков и фактическую прибыль компаний.

Декодирование языка: Текстовые вложения и LLM

Текстовые вложения (embeddings) представляют собой мощный метод представления семантического значения нарративов, позволяющий проводить вычислительный анализ текстовых данных. В основе этого подхода лежит преобразование текста в векторное представление в многомерном пространстве, где близость векторов отражает семантическую схожесть соответствующих текстов. Этот процесс осуществляется с помощью различных моделей машинного обучения, которые учитывают контекст слов и фраз для создания числовых представлений, сохраняющих смысл исходного текста. Полученные векторные представления позволяют применять математические операции для сравнения, классификации и поиска текстовых данных, что существенно расширяет возможности анализа больших объемов текстовой информации и выявления скрытых закономерностей.

Большие языковые модели (LLM), такие как Llama 3 и FinBERT, позволяют генерировать векторные представления (embeddings) из текстовых транскрипций телефонных конференций с инвесторами (Earnings Calls). Этот процесс заключается в преобразовании текста в числовые векторы, отражающие семантическое значение содержащихся в нем утверждений. Полученные векторные представления затем используются для количественной оценки настроения, преобладающего в нарративах, представленных в ходе этих конференций. Использование LLM обеспечивает более точную оценку настроения по сравнению с традиционными методами анализа тональности, поскольку модели способны учитывать контекст и нюансы языка, влияющие на общее восприятие информации.

Традиционные методы анализа текста, такие как подсчет частоты слов или анализ ключевых фраз, часто упускают из виду тонкие семантические нюансы и контекстуальные значения. Современные языковые модели (LLM), включая Llama 3 и FinBERT, способны учитывать сложные лингвистические конструкции, идиомы и подтекст, что позволяет более точно интерпретировать влияние нарратива. В отличие от простых алгоритмов, LLM учитывают порядок слов, взаимосвязи между предложениями и общее контекстуальное окружение, что позволяет выявлять скрытые намерения, эмоциональную окраску и другие важные аспекты, которые остаются незамеченными при использовании стандартных подходов. Это приводит к более полному и точному пониманию того, как нарративы формируют восприятие и влияют на принимаемые решения.

Большие языковые модели (LLM) позволяют проводить контрфактический анализ, изменяя текстовые данные и оценивая влияние этих изменений на прогнозные показатели. Этот процесс предполагает манипулирование исходными нарративами — например, замену отдельных фраз или утверждений — и последующее наблюдение за тем, как эти изменения отражаются на результатах прогнозов, рассчитанных на основе модифицированного текста. Такой подход позволяет оценить чувствительность прогнозов к конкретным элементам нарратива и выявить ключевые факторы, определяющие их точность. Контрфактический анализ с использованием LLM обеспечивает возможность моделирования альтернативных сценариев и количественной оценки их потенциального влияния на бизнес-показатели, что является ценным инструментом для принятия обоснованных управленческих решений.

Нарративы оказывают заметное влияние на степень расхождения прогнозов.

Проверка влияния нарративов: Прогнозирование и статистическая строгость

Интеграция векторных представлений нарративов, сгенерированных большими языковыми моделями (LLM), в прогностические модели показала, что текстовые признаки объясняют от 25% до 35% прогностической силы. Этот показатель сопоставим с вкладом традиционных фундаментальных факторов, таких как финансовые показатели и макроэкономические данные. Использование нарративов в качестве дополнительного входного сигнала позволяет повысить точность прогнозов, демонстрируя, что анализ текстовой информации может быть столь же значимым, как и анализ количественных данных. Полученные результаты подтверждают ценность включения неструктурированных данных в финансовое моделирование и прогнозирование.

Для оценки влияния включения нарративных данных в модели прогнозирования используется статистический тест Кларка-Уэста (Clark-West test). Данный тест позволяет сравнить прогностическую способность моделей, построенных с использованием только фундаментальных факторов, и моделей, в которых эти факторы дополнены нарративными данными, представленными в виде векторных представлений (embeddings). Тест Кларка-Уэста оценивает, является ли прирост прогностической силы модели, обусловленный добавлением нарративных данных, статистически значимым. Процедура включает в себя проведение регрессионного анализа, где разница в ошибках прогнозирования между двумя моделями используется в качестве зависимой переменной. Статистическая значимость коэффициента при этой разнице определяет, вносят ли нарративные данные вклад в улучшение точности прогнозов.

Анализ SUE (Surprise Unexpected Earnings) показал, что нарративные данные позволяют прогнозировать рыночную реакцию на объявления о доходах компаний с определенной точностью. Исследование выявило, что нарративы, отражающие ключевые аспекты, влияющие на восприятие инвесторами новостей о доходах, коррелируют с последующими изменениями рыночной капитализации. В частности, нарративы, точно отражающие ожидания по поводу будущих доходов и демонстрирующие степень неопределенности, наиболее эффективно предсказывают величину SUE. Количественная оценка показала, что нарративные факторы могут объяснить до $10-15\%$ вариативности SUE, что подтверждает их значимость в оценке рыночной реакции на финансовые отчетности.

Анализ расхождений в прогнозах (forecast disagreement) в сочетании с анализом нарративов выявил, что нарративы, связанные с неопределенностью, оказывают наибольшее влияние на прогнозы. Установлена сильная корреляция между степенью неопределенности, выраженной в нарративах, и дисперсией прогнозов аналитиков. Это означает, что чем больше неопределенности отражено в текстовых данных, тем шире разброс прогнозов, что указывает на повышенную сложность оценки будущих результатов и, следовательно, на значимость учета нарративных факторов при формировании прогнозов. Количественно, увеличение неопределенности в нарративах статистически значимо связано с ростом стандартного отклонения прогнозов аналитиков, подтверждая, что нарративы об неопределенности являются ключевым драйвером расхождений в оценках.

Распределения расхождений прогнозов показывают, как степень неопределенности возрастает с увеличением горизонта прогнозирования.

Будущее финансов: Прогнозы, основанные на нарративах

Включение нарративного анализа в финансовое моделирование способно значительно повысить надежность и точность прогнозов, что, в свою очередь, ведет к снижению рисков и улучшению инвестиционных решений. Традиционные финансовые модели часто сосредотачиваются исключительно на количественных данных, игнорируя влияние человеческого фактора и повествований, формирующих ожидания аналитиков и инвесторов. Исследования показывают, что анализ тональности и содержания новостных статей, пресс-релизов и отчетов позволяет выявлять скрытые сигналы и тенденции, которые не улавливаются стандартными методами. Такой подход дает возможность более точно оценивать будущие финансовые показатели, учитывать потенциальные риски и принимать обоснованные инвестиционные решения, что особенно важно в условиях высокой волатильности и неопределенности на финансовых рынках.

Понимание того, как нарративы формируют ожидания аналитиков, открывает возможности для более точного предсказания реакций рынка и разработки эффективных торговых стратегий. Исследования показывают, что аналитики, подверженные влиянию доминирующих повествований, склонны к определенным систематическим ошибкам в своих прогнозах. Осознание этих когнитивных искажений, вызванных нарративами, позволяет инвесторам и трейдерам не только лучше интерпретировать финансовые отчеты и прогнозы, но и предвидеть, как коллективное восприятие информации будет влиять на цены активов. Таким образом, анализ нарративов становится ценным инструментом для выявления потенциальных возможностей и минимизации рисков, позволяя формировать более обоснованные инвестиционные решения и адаптировать стратегии к меняющимся настроениям рынка.

Исследование выявило значимую взаимосвязь между тоном повествования и финансовыми показателями. Позитивные, уверенные нарративы оказывают существенное положительное влияние как на прогнозы аналитиков, так и на фактическую прибыль компаний. В то же время, нарративы, выражающие неуверенность и сомнения, приводят к заметному отрицательному эффекту, что указывает на тенденцию аналитиков недооценивать риски, связанные с раскрытием информации о неопределенности. Этот феномен демонстрирует, что эмоциональная окраска сообщений может существенно влиять на восприятие информации и принятие инвестиционных решений, подчеркивая важность учета нарративных факторов при анализе финансовых данных.

Предложенный подход к анализу финансовых нарративов не ограничивается лишь прогнозированием прибылей предприятий. Его потенциал простирается значительно дальше, охватывая оценку кредитных рисков и даже макроэкономическое моделирование. Исследования показывают, что анализ тональности и содержания нарративов, окружающих заемщиков, может существенно повысить точность прогнозирования дефолтов. В сфере макроэкономики, отслеживание доминирующих нарративов, формирующих ожидания инвесторов и потребителей, позволяет более адекватно оценивать будущие экономические тренды и потенциальные шоки. Таким образом, нарративный анализ представляет собой мощный инструмент для повышения устойчивости и эффективности финансовых систем в целом, открывая новые возможности для управления рисками и оптимизации инвестиционных стратегий.

Исследование демонстрирует, как нарративы, представленные во время телефонных конференций по финансовым результатам, способны формировать ожидания аналитиков и, как следствие, влиять на реальные доходы компаний. Этот процесс подтверждает идею о том, что язык и его оформление играют ключевую роль в формировании рыночных ожиданий, даже при отсутствии изменений в количественных данных. Симона де Бовуар утверждала: «Старение — это не проблема времени, а проблема разума». Эта мысль перекликается с представленной работой, поскольку показывает, как восприятие информации, а не сама информация, определяет конечный результат. Подобно тому, как возраст может быть воспринят по-разному, нарративы способны изменить оценку аналитиков, формируя новые ожидания относительно будущих финансовых показателей.

Куда смотрит горизонт?

Представленная работа, демонстрируя влияние нарративов на прогнозы аналитиков, открывает ящик Пандоры. Недостаточно констатировать, что язык формирует ожидания; необходимо понять, как именно. Следующим шагом представляется не просто идентификация “ключевых” фраз, а построение вычислительных моделей, способных улавливать тонкие нюансы риторики — иронию, метафору, скрытые предположения. Ведь элегантность анализа не в количестве обработанных текстов, а в способности выделить суть, подобно архитектору, отсекающему лишнее.

Очевидным ограничением остаётся проблема контекста. Нарратив, воздействующий на аналитика сегодня, может быть воспринят совершенно иначе завтра. Необходимо учитывать динамику восприятия, эволюцию менталитета, и, что сложнее, индивидуальные когнитивные искажения. Иначе говоря, предстоит создание не просто “умных” алгоритмов, а моделей, способных к самообучению и адаптации, отражающих сложность человеческой психологии.

В конечном итоге, эта работа напоминает о фундаментальной истине: красота масштабируется, беспорядок нет. Простые корреляции между текстом и цифрами — это лишь верхушка айсберга. Истинная ценность заключается в создании стройной, непротиворечивой системы, способной предсказывать не только будущие доходы, но и — что важнее — логику принятия решений.

Оригинал статьи: https://arxiv.org/pdf/2511.15214.pdf

Связаться с автором: https://www.linkedin.com/in/avetisyan/

Смотрите также:

2025-11-20 17:36