高管,当心!你可能会成为自己最大的敌人。
随着一些投资者利用人工智能来学习和分析他们的语言模式和语调，首席执行官和其他管理人员越来越多地被置于显微镜下，这为犯错提供了新的机会。
根据语言模式软件专家Evan Schnidman的说法，在2020年底，IT行业的一些高管在讨论供应链中断的同时，淡化了半导体芯片短缺的可能性。
他们说一切都很好。
然而，根据一项算法分析，他们说话的语气显示出高度的不确定性。该算法分析旨在发现言语中隐藏的线索，最好是没有脚本的言语。
施尼德曼表示:“我们发现，IT行业高管的语气与他们言论中的正面情绪不一致。”施尼德曼为两家金融科技公司提供分析建议。
在他发表上述言论后的几个月内，包括大众(Volkswagen)和福特(Ford)在内的多家公司都警告称，芯片严重短缺影响了产量。汽车和工业公司的股价下跌。IT高管们现在表示，供应出现了短缺。
施尼德曼认为，计算机驱动的交易员在行业动荡之前就能更好地为他们的投资基金做出决策，因为他们可以获取经理人说话语调的分数，而不是书面文字的分数。
不过，一个例子并不能证明演讲分析的准确性，因为我们不知道高管们是一开始过于乐观，还是随着环境的变化真诚地改变了他们的观点。
不过，根据对11家正在使用或试用这类系统的基金经理的采访，一些投资者将这种被称为自然语言处理(NLP)的技术，视为一种获得竞争优势的新工具。
他们表示，传统的财务数据和公司报表如今已被严重挖掘，几乎没有价值。
非常混乱的
NLP是人工智能的一个分支，机器学习通过语言来理解语言，然后将其转化为可量化的信号，交易员可以将其纳入交易决策。
在这一领域，最雄心勃勃的软件旨在分析语音语调、节奏和重点以及短语，而其他软件则试图以越来越复杂的方式分析演讲和采访的文本。
Man AHL的机器学习主管斯拉维·马里诺夫(Slavi Marinov)表示，NLP是这家计算机驱动基金的“主要研究领域之一”。
他表示:“这些模型将非常混乱的东西转变为量化投资者容易理解的东西。”量化投资者指的是一种基于定量分析选择证券的投资基金。
的确，NLP的支持者认为，NLP可以释放“非结构化数据”世界中尚未开发的洞察力潜力，比如与分析师通话、无脚本问答、媒体采访和这类口头讨论。
不过，这还有待商榷。
这些人工智能系统的开发和运行成本可能高达数百万美元，这将许多投资者和开发人员排除在外——节省了财力雄厚或利基市场的资金。有些公司还处于相对的实验阶段，没有公开的数据表明它们赚钱。接受采访的基金以商业敏感性为由，拒绝提供NLP能够提高回报率的证据。
不过，一些研究表明，如果集中在智能场所，这些技术可以提高性能。
野村证券(Nomura)交易策略师9月份的分析显示，高管们在业绩电话会议上措辞的复杂性与股价之间存在关联。自2014年以来，使用简单语言的美国老板发现，与使用复杂语言的老板相比，他们公司的股价每年高出6%。
美国银行(BofA)的分析师使用一个模型，在收益电话会议中使用短语来预测公司债券违约率。该系统检查了数千个短语，如“成本削减”和“烧钱”，以找到与未来违约相关的短语。美银表示，对该模型进行的反向测试显示，该模型与违约概率高度相关。
两个系统都分析转录本。
机器测量文化
在过去的几年里，金融领域的语言处理以基本的、广泛销售的软件为特色，这些软件可以根据情绪对新闻或社交媒体帖子进行排名。在技术进步和云计算成本下降的刺激下，NLP模型越来越复杂，而这种模式正在失去价值。
这一突破出现在2018年，当时开发人员发布了NLP“迁移学习”背后的源代码，允许一个模型在一个词汇数据集上预先训练，然后在另一个数据集上工作，节省了时间和金钱。
谷歌的人工智能团队已经发布了几个在更大的数据集上进行预训练的尖端模型背后的代码。
当前系统的开发人员表示，他们以闪电般的速度处理数万个单词，提取模式，并量化它们与用户设定的某些重要“种子”单词、短语和想法的关系程度。
Man AHL的Marinov看到了音调分析的价值，但还没有使用它，目前专注于隐藏在书面文本中的线索。
这可以是任何事情，从比较历年的年度报告，寻找对读者来说不明显的细微变化，到量化一些无形的东西，如企业文化。
过去，很少有投资者试图正式衡量企业文化，尽管它对长期业绩至关重要，尤其是在环境、社会和治理考虑等热门ESG投资领域。
Man AHL的模型可以扫描高管的评论，寻找能体现“目标驱动”文化的词语或短语，也可以在职业网站Glassdoor上搜索员工评论。
对冲基金Sparkline Capital创始人吴凯(Kai Wu)为企业创建了“个性档案”，以衡量它们对某些文化价值观的坚持程度。
他选择他认为能反映这些价值观的种子词。然后，他的NLP模型将大量的单词缩减为具有相似含义的少量单词，结果用数字表达。
利用他的NLP模型对管理评论和员工评价进行分析，他发现，苹果、西南航空(Southwest Airlines)和好市多(Costco)等拥有“特殊”文化的公司表现更好。
相反，吴说，表现出“毒性”的美国企业——即员工使用“好老男孩俱乐部”和“狗咬狗”等具体习语——表现明显不佳。
“没有规则”
没有资源聘请数据科学家来构建自己的NLP工具的基金可以从第三方公司购买分析，比如施尼德曼建议的金融科技公司Aiera和色调分析提供商Helios Life Enterprises，这些公司向对冲基金等客户提供服务。
然而，Sparkline的Wu认为，基金应该获得“尽可能接近原始”的nlp衍生数据，最好采用内部模型。
这项技术还面临着其他挑战，而要把它做好可能会耗费大量时间。
荷兰投资管理公司NN Investment Partners采用了第三方数据和自己的模型，其中一些模型仍处于研究阶段。
NNIP的投资科学主管塞巴斯蒂安·赖德斯(Sebastiaan Reinders)说，其中一个项目是训练一个模型，让它找到预测债券违约率的词汇。不过，这最初要求投资组合经理检查一长串短语，手动给它们贴上积极或消极的标签。
大多数模型专注于英语，开发人员可能面临一项困难的任务，使它们能够准确地解读来自不同文化、说其他语言的人的情绪。
此外，高管们也逐渐明白了这一点。
当美国PanAgora资产管理公司的首席投资官George Mussalli告诉一家生物技术公司的老板，他的基金的人工智能会扫描高管们的评论，寻找口号时，这位老板要求得到一份清单，以帮助他的业务排名更高。
穆萨利拒绝了这一要求，但他表示，像收益电话会议记录这样的文件越来越“照本宣科”，削弱了它们的价值。
然而，曼氏集团的Marinov认为，高管们最终将被证明无法与通过更多数据改进的机器匹敌。
“没有规则，就像自动驾驶汽车一样，边走边学，”他补充说。“所以在很多情况下，给高管一份口号清单是不可能的。”
