发帖
雷达卡
转自小红书： 鸭脚兽
https://www.xiaohongshu.com/explore/6853e627000000001202d1da?xsec_token=ABRk6HFHuBm4b4bSM-S9eS1h1afzK6LCurk0umgOyxIVU=&xsec_source=pc_user
使用SeekingAlpha会员账号，爬取整理了Seeking Alpha 平台上 2004–2024 年近 20 年的美股公司 earnings conference calls 全文数据，适用于以下研究方向：
1. 公司层面文本指标构建（tone、uncertainty、political/climate/supply chain risk等）
2. CEO 风格/人格/语言一致性分析
3. 分析师互动与问答机制
4. 文本与股价、投资、治理反应的对应关系
🔍 目前整理中，有意者欢迎私聊
（适合做文本实证研究、机器学习建模或交叉学科项目）企业盈余电话会议（conference calls）数据来源
| 数据库 | 简介 | 是否收费 |
| Thomson Reuters / Refinitiv StreetEvents | 覆盖美股及部分国际市场的电话会议全文（含script和Q&A部分），最权威、结构化清晰 | ✔️ 收费 |
| FactSet CallStreet Transcripts | 提供电话会议逐字稿，标注管理层与分析师身份、说话顺序等 | ✔️ 收费 |
| S&P Capital IQ Transcripts | 包含电话会议文本及元数据，如会议时间、参与者 | ✔️ 收费 |
| Seeking Alpha | 提供美股公司电话会议全文，格式清晰，有管理层/分析师角色标注，可爬取 | ❌ 会员免费（需抓取） |
| AlphaStreet | 提供美股公司电话会议全文，格式清晰 | ❌ 会员免费（需抓取） |
Earnings Conference Calls
在公司层面指标研究中的应用综述
近年来，企业盈余电话会议（conference calls）成为研究公司层面指标的重要数据来源，特别是在利用文本挖掘与机器学习技术挖掘非结构化信息方面展现出显著价值。
通过文献总结，Conference calls（电话会议）文本在金融、会计、管理学研究中的用途可以分为以下从几个角度综述其研究用途：
一、语言特征与市场反应
二、沟通策略与信息操纵
三、分析师互动与提问机制
四、管理者行为特质与风格
五、信息使用与传播机制
六、扩展应用与文本建模方法
一、语言特征与市场反应
电话会议是企业财务信息披露的重要补充渠道，不仅传递硬信息（如业绩、预测），也传递大量软信息（如情绪、信心、修辞方式）。这些语言特征会影响市场的定价反应、投资者情绪，甚至后续企业行为。
信息披露与市场反应：研究管理层在电话会议中语言风格、情绪表达、修辞策略，以及这些特征对市场或投资者的影响。
电话会议提供管理层对财报或事件的扩展解释，研究发现投资者对其中的情绪、语言风格反应明显。
用途 | 代表文献 |
| 情绪语调（tone）与市场反应 | Davis et al. (2015); Fu et al. (2021); DeLisle et al. (2024) |
| 极端语言（hyperbole） | Bochkay et al. (2020) |
| 幽默语言 | Call et al. (2024) |
| 委婉语、修辞 | Suslava (2021) |
语义方法比较（ML vs. dictionary） | Frankel et al. (2022) |
(1) Davis et al. (2015)：量化电话会议语调，发现语调偏正面与更高的市场反应正相关。
(2) Fu et al. (2021)：研究发现，语调不一致（如财报与电话会议语调不一致）会被市场解读为信号管理。
(3) DeLisle et al. (2024)：将语调与价格效率联系，表明电话会议语调对信息含量有增量解释力。
(4) Bochkay et al. (2020)：构建“hyperbolic language”指标，发现其与更高的诉讼风险、信息不对称相关联。
(5) Call et al. (2024)：幽默使用频率与更高的市场正面反应和更少负面提问相关。
(6) Suslava (2021)：发现含糊模糊语言与未来绩效下滑相关。说明管理层可能用语言技术掩盖真实情况。
(7) Frankel et al. (2022)：对比情感词典法和机器学习法，发现后者在捕捉细微语义上更有效，尤其在非结构化文本中。
🔍 未来机会：探索多模态模型（结合音频、语气、语速等）提升对管理层“真实情绪”的识别能力；
二、沟通策略与信息操纵
管理层在电话会议中不仅披露信息，也可能通过精心设计语言与行为来操控信息传递，例如研究管理层是否通过脚本化、模糊语言、非回答等策略影响投资者理解，或掩盖不利信息。引导市场解读或降低诉讼风险。
| 用途 | 代表文献 |
非回答策略分析 | Gow et al. (2021) |
| 模糊语言 | Bushee et al. (2018) Suslava (2021) |
| 欺骗性语言识别 | Larcker & Zakolyukina (2012) |
是否照稿读稿（spontaneity） | Lee (2016) |
外部归因（blame-shifting） | Noh & Zhou (2022) |
脚本化 vs. 即兴表达（Scripted vs.Unscripted Speech）
核心观点：脚本化语言往往更保守、更精致，更可能用于控制语义；即兴发言则更能反映真实态度和信息。
(1) Lee (2016)：管理层在 script 中更积极乐观，而 Q&A 环节更保守且暴露负面内容，市场更重视 Q&A。
(2) Frankel et al. (2019)：即兴发言揭示更多信息含量，语气语调具有增量解释力。
模糊语言（Obfuscation / Ambiguity）
核心观点：管理层可能使用模糊、技术性强或复杂的语言来掩盖负面消息。
(1) Li (2008)：文件越长、语言越复杂，越可能隐藏坏消息。
(2) Bushee et al. (2018)：在面对不利问题时，管理层倾向使用模糊语句或绕开问题。
(3) Suslava (2021)：模糊语言常用于隐藏未来的负面表现。
非回答行为（Question Avoidance）
核心观点：面对敏感提问，管理层可能回避直接回答，用转移话题、重复问题、拒答等策略掩盖实情。
Gow et al. (2021)：提出非回答识别框架，并发现非回答行为与未来负面事件（如亏损、诉讼）正相关。
责任转移与归因操纵（Attribution Framing）
核心观点：管理层可能倾向于将负面结果归因于外部因素（如宏观经济、供应链问题），而将正面结果归因于自身努力，以操控市场预期。
Noh & Zhou (2022)：构建 attribution 指标，发现责任外推行为与后续回报负相关。
三、分析师互动与提问机制
电话会议的问答环节（Q&A）是外部信息使用者（分析师）与公司管理层之间最直接的互动渠道，在这个过程中，分析师不仅传递市场关注点，也在信息搜寻、监督管理层方面发挥关键作用。已有研究从分析师的提问动机、行为差异、选择机制等方面展开分析。
研究分析师与管理层的互动，包括谁参与、如何提问、是否存在差异（如性别、雇主关系等）。提问名额稀缺且排序有限，谁能提问取决于券商地位、分析师影响力、与公司关系等。不同群体的分析师在提问方式、内容风格、强度上存在系统性差异。分析师是否提问、提问内容是否尖锐，受到激励机制（如排名、薪酬）和约束（如与公司关系、声誉风险）双重影响。
分析师的提问在电话会议中常揭示公司尚未主动披露的信息，具有高信息含量。
用途 | 代表文献 |
| 分析师提问的价值 | Mayew et al. (2020); Cen et al. (2021) |
| 性别与提问激烈程度 | Comprix et al. (2022) |
| 分析师参与的激励 | Rennekamp et al. (2022) |
分析师提问的可预测性 | Allee et al. (2021) |
(1) Mayew et al. (2020)：分析师提问揭示的语言信息可以预测未来盈余、市场反应，说明其具有前瞻性价值。
(2) Cen et al. (2021)：提出“信息补充假说”，即分析师问题主要集中于未在管理层发言中提及的领域。
(3) Rennekamp et al. (2022)：提出“提问机会”可能作为一种关系资源被管理层用作激励或回报；
(4) Comprix et al. (2022)：女性分析师提问更温和、风格保守，提问概率也低于男性。
(5) Healy & Palepu (2001)：信息中介行为受激励机制影响；
(6) Allee et al. (2021)：分析师的“攻击性”提问可能导致未来无法再获提问机会。发现 sell-side 分析师较 buy-side 更可能获得提问权，说明存在制度性偏好
🔍 未来机会：结合分析师 career data，研究提问行为对其未来职业路径（如跳槽、高评级）影响；检验分析师在 ESG 事件、诉讼、管理层更换等关键时期是否更谨慎或激进。
四、管理者行为特质与风格
电话会议文本为观察管理层心理与行为特质提供了窗口。CEO 和高管在沟通中的语言风格、情绪表达、语气等，能反映其个性、情绪状态与心理倾向。研究表明，这些行为特质不仅影响市场解读，还与公司治理、业绩表现、战略决策等存在联系。研究管理者的情绪、个性、心理倾向如何通过语言表现出来。
管理层在电话会议中表现出的情绪（如焦虑、自信）可被投资者识别，并产生市场反应。通过文本风格可以推断 CEO 的五大人格特质（如外向性、尽责性、情绪稳定性），并与企业行为相关联。管理层语言的结构复杂度、抽象程度反映其认知风格与战略倾向。
用途 | 代表文献 |
| 管理者乐观倾向（optimism） | Davis et al. (2015) |
| 幽默、情绪使用 | Call et al. (2024) |
| 性别差异在情绪表达中体现 | De Amicis et al. (2021) |
心理特征 | Harrison et al. (2019); Green et al. (2019) |
Mayew& Venkatachalam (2012)：利用语音分析发现管理层情绪变化能预测未来盈余和股票回报。
Call etal. (2024)：管理层使用幽默等正向情绪表达会缓解负面解读，提升市场信心。
Harrison et al. (2019)：构建CEO Big Five 指标，发现“黑暗人格”（如高神经质）CEO语言更负面、不稳定，反映治理风险。
Li et al.(2021)：用机器学习提取语言特征建构企业文化和管理者风格指标，捕捉“不可观测”的行为变量。
这部分为研究 CEO 行为与沟通特征提供了一种“语言-心理-行为”的桥梁框架。
🔍 未来机会：CEO 认知复杂度与战略多样性、创新导向正相关。语言稳定性高的 CEO 更可能获得董事会信任；语言不一致或极度控制语言可能是信号操控的表现。
五、信息使用与传播机制
电话会议是公司对外沟通的重要形式，但信息并非均匀地被所有市场参与者接收与解释。研究关注的重点包括：谁在使用电话会议信息？信息如何传导？不同投资者或中介在信息接收和处理上是否存在异质性？
研究谁在消费电话会议信息、信息如何流动到市场或不同投资者群体。
| 用途 | 代表文献 |
信息消费对象 | Heinrichs et al. (2019) |
债券投资者使用 | De Franco et al. (2023) |
政治环境影响信息披露 | Chourou et al. (2024) |
机构 vs. 散户的信息吸收差异
核心观点：机构投资者拥有更多分析资源，能更有效地理解电话会议信息；而散户可能滞后、依赖二次传播。
Heinrichs et al. (2019)：发现机构更早反应电话会议内容，散户对情绪和媒体再加工的依赖更强
分析师与媒体的信息再加工机制
核心观点：分析师和财经媒体起到“解释器”角色，将电话会议信息过滤、加工后传递给市场。
De Franco et al.(2023)：分析师报告在电话会后形成“二次认知”，强化或弱化电话会议信号。
信息在债券与股票市场的异步反应
核心观点：债券市场参与者对电话会议信息反应不同于股票投资者，往往更关注下行风险和违约可能性。
De Franco et al.(2023)：债券投资者更重视负面语调，反应更敏感且持续时间更长。
社交媒体与平台扩散机制（信息再传播）
核心观点：电话会议后，投资者通过 Twitter、StockTwits 等平台讨论形成“社交传播链条”。
六、扩展应用与文本建模方法
探索如何利用电话会议文本构建新型指标，或结合机器学习模型进行量化研究。
1. 风险识别与度量
电话会议中的语言内容能反映管理层对特定风险（如气候风险、政治风险、供应链风险、信用等）的关注程度。
(1) Hassan et al. (2019) 利用公司Conference Calls沟通文本构建公司层面政治风险指标。
(2) Wu (2024) 构建了基于文本的供应链风险暴露指标，同样也可适用于电话会议文本
(3) Donovan et al. (2021) 利用公司Conference Calls构建公司层面credit risk
(4) 电话会议文本还被用于衡量诸如公司文化（Li et al., 2021）、创新（Bellstam et al., 2021）、劳动力短缺暴露（Harford et al., 2023）等软性因素，补充传统财务数据的不足。
(5) Green et al. (2019) 和 Harrison et al. (2019) 利用公司Conference Calls构建 CEO 层面得五大人格得分。
2. 模型训练与指标构建的数据源
(1) Huang et al. (2023) 的 FinBERT 提供了强有力的工具，帮助提取管理层表述中的情绪、话题等特征，电话会议作为连续、结构固定的数据源，是构建公司层面指标的理想语料库：
(2) 语言风格稳定，有明确的问答部分，便于提取管理层态度、风格；
(3) 与财务信息紧密相关，便于对接市场反应等实证检验。
综上，conference calls 已成为连接文本与公司风险、文化、创新等软信息的重要桥梁，也是构建新型司层面指标不可或缺的资源。未来研究可进一步深化其在 ESG、政策敏感性等新兴主题中的应用。
References
Allee, K.D., Do, C., & Sterin, M. (2021). Product market competition, disclosureframing, and casting in earnings conference calls. Journal of Accounting andEconomics, 72(1), 101405.
Bellstam, G., Bhagat, S., &Cookson, J. A. (2021). A text-based analysis of corporate innovation. ManagementScience, 67(7), 4004-4031.
Berkman, H., Jona, J., &Soderstrom, N. (2024). Firm-specific climate risk and market valuation. Accounting,Organizations and Society, 112, 101547.
Bochkay,K., Hales, J., & Chava, S. (2020). Hyperbole or reality? Investor responseto extreme language in earnings conference calls. Accounting Review, 95(2),31–60.
Bushee,B. J., & Huang, Y. (2024). Do analysts and investors efficiently respond tomanagerial linguistic complexity during conference calls?. The AccountingReview, 99(4), 143-168.
Bushee,B. J., Gow, I. D., & Taylor, D. J. (2018). Linguistic complexity in firmdisclosures: Obfuscation or information?. Journal of Accounting Research,56(1), 85-121.
Call, A. C., Flam, R. W., Lee,J. A., & Sharp, N. Y. (2024). Managers’ use of humor on public earningsconference calls. Review of Accounting Studies, 29(3),2650-2687.
Cen, L., Chen, J., Dasgupta, S.,& Ragunathan, V. (2021). Do analysts and their employers value access tomanagement? Evidence from earnings conference call participation. Journalof Financial and Quantitative Analysis, 56(3), 745-787.
Chourou,L., Hossain, A. T., & Jha, A. (2024). US Political Corruption and QuarterlyConference Calls. Journal of Banking and Finance, 107108.
Clifton Green, T., Jame, R.,& Lock, B. (2019). Executive extraversion: Career and firm outcomes. AccountingReview, 94(3), 177–204.
Comprix, J., Lopatta, K., &Tideman, S. A. (2022). The role of gender in the aggressive questioning of CEOsduring earnings conference calls. The Accounting Review, 97(7),79-107.
Davis, A.K., Ge, W., Matsumoto, D., & Zhang, J. L. (2015). The effect ofmanager-specific optimism on the tone of earnings conference calls. Reviewof Accounting Studies, 20(2), 639–673.
De Amicis, C., Falconieri, S.,& Tastan, M. (2021). Sentiment analysis and gender differences in earningsconference calls. Journal of Corporate Finance, 71,101809.
De Franco, G., Shohfi, T., Xu,D., & Zhu, Z. V. (2023). Fixed income conference calls. Journal ofAccounting and Economics, 75(1), 101518.
DeLisle, R. J., Grant, A., &Mao, R. (2024). Does environmental and social performance affect pricingefficiency? Evidence from earnings conference call tones. Journal ofCorporate Finance, 86, 102585.
Donovan, J., Jennings, J.,Koharki, K., & Lee, J. (2021). Measuring credit risk using qualitativedisclosure. Review of Accounting Studies, 26(2), 815–863.
Frankel, R., Jennings, J., &Lee, J. (2022). Disclosure sentiment: Machine learning vs. dictionarymethods. Management Science, 68(7), 5514-5532.
Fu, X., Wu, X., & Zhang, Z.(2021). The information role of earnings conference call tone: Evidence fromstock price crash risk. Journal of Business Ethics, 173,643-660.
Gow, I. D., Larcker, D. F.,& Zakolyukina, A. A. (2021). Non‐answers during conference calls. Journalof Accounting Research, 59(4), 1349-1384.
Harford, J., He, Q., & Qiu,B. (2023). Firm-level labor-shortage exposure. Available at SSRN4410126.
Harrison, J. S., Thurgood, G.R., Boivie, S., & Pfarrer, M. D. (2019). Measuring CEO personality:Developing, validating, and testing a linguistic tool. Strategic ManagementJournal, 40(8), 1316–1330.
Hassan, T. A., Hollander, S.,Van Lent, L., & Tahoun, A. (2019). Firm-level political risk: Measurementand effects. The Quarterly Journal of Economics, 134(4),2135-2202.
Heinrichs,A., Park, J., & Soltes, E. F. (2019). Who consumes firm disclosures?Evidence from earnings conference calls. The Accounting Review, 94(3),205-231.
Huang, A. H., Wang, H., & Yang,Y. (2023). FinBERT: A large language model for extracting information fromfinancial text. Contemporary Accounting Research, 40(2),806-841.
Larcker,D. F., & Zakolyukina, A. A. (2012). Detecting Deceptive Discussions inConference Calls. Journal of Accounting Research, 50(2), 495–540.
Lee, J.(2016). Can investors detect managers’ lack of spontaneity? Adherence topredetermined scripts during earnings conference calls. Accounting Review,91(1), 229–250.
Li, K., Mai, F., Shen, R., &Yan, X. (2021). Measuring corporate culture using machine learning. TheReview of Financial Studies, 34(7), 3265-3315.
Li, Q., Shan, H., Tang, Y.,& Yao, V. (2024). Corporate climate risk: Measurements and responses. TheReview of Financial Studies, 37(6), 1778-1830.
Mayew, W.J., Sethuraman, M., & Venkatachalam, M. (2020). Individual analysts’ stockrecommendations, earnings forecasts, and the informativeness of conference callquestion and answer sessions. Accounting Review, 95(6), 311–337.
Noh, J.,& Zhou, D. (2022). Executives’ Blaming external factors and marketreactions: Evidence from earnings conference calls. In Journal of Bankingand Finance (Vol. 134).
Rennekamp,K. M., Sethuraman, M., & Steenhoven, B. A. (2022). Engagement in earningsconference calls. Journal of Accounting and Economics, 74(1),101498.
Sautner, Z., Van Lent, L.,Vilkov, G., & Zhang, R. (2023). Firm‐level climate change exposure. TheJournal of Finance, 78(3), 1449-1498.
Suslava,K. (2021). “Stiff Business Headwinds and Uncharted Economic Waters”: The Use ofEuphemisms in Earnings Conference Calls. Management Science, 67(11),7184–7213.
Wu, D. (2024). Text-basedmeasure of supply chain risk exposure. Management Science, 70(7),4781-4801.
提升卡
置顶卡
沉默卡
变色卡
抢沙发
千斤顶
显身卡
京公网安备 11010802022788号
