FinVoc2Vec: Ein neuer Ansatz zur Messung des Tonfalls in Offenlegungen von Unternehmensdaten

Die Offenlegung von Unternehmensdaten sollen Investoren durch sorgfältig gewählte Worte informieren. Jedoch haben mündliche Veröffentlichungen, wie beispielsweise Geschäftsergebnissen, die in Telefonkonferenzen besprochen werden, eine weitere Kommunikationsebene: die menschliche Stimme. Selbst wenn Manager und Managerinnen versuchen, neutral zu klingen, kann ihre Art zu sprechen unbeabsichtigt Informationen über die Zukunftsaussichten des Unternehmens preisgeben. Es ist daher äußerst relevant zu verstehen, ob diese verbalen Hinweise informativ sind und wie sie zuverlässig gemessen werden können. Eine kürzlich im Journal of Accounting Research veröffentlichte Studie des TRR 266 Forschers Doron Reichmann und seinen Co-Autoren Jonas Ewertz, Charlotte Knickrehm und Martin Nienhaus beleuchtet dieses Thema. Die Forschenden hinterfragen bestehende Methoden zur Messung des Stimmklangs und stellen ihren eigenen Ansatz FinVoc2Vec vor, der speziell auf reale Unternehmungsveröffentlichungen zugeschnitten ist.

Die psychologische und kommunikationswissenschaftliche Forschung betont seit Langem die Rolle des Tonfalls als einen wichtigen Kanal menschlicher Kommunikation. In der Finanz- und Rechnungswesenforschung hat dies zur Entwicklung von Modellen des maschinellen Lernens geführt, die versuchen, den Tonfall zu messen. Diese Modelle stehen jedoch vor einem grundlegenden Problem: Sie werden mit Aufnahmen von Schauspielern trainiert, die in kontrollierten Studiobedingungen deutlich zum Ausdruck gebrachte Emotionen darstellen. Bei Telefonkonferenzen kommt es jedoch auch auf Audioqualität, Hintergrundgeräusche, Zögern, Stimmbrüche und weitaus subtileren emotionalen Ausdrucksformen an. Daher sind die bestehenden Modelle nicht genau genug und bei der Anwendung auf echte Telefonkonferenzen unzuverlässig.

Ein Deep-Learning Modell für Unternehmungsveröffentlichungen: FinVoc2Vec

Diese Studie stellt das neu entwickelte Deep-Learning Modell FinVoc2Vec vor, das speziell für die Offenlegung von Unternehmensinformationen entwickelt wurde. Das Modell wird direkt anhand von Audioaufzeichnungen der Telefonkonferenzen zu Geschäftsergebnissen trainiert und kann sich daher an die akustischen Eigenschaften der realen Finanzkommunikation anpassen. Der Unterschied liegt in der Art und Weise, wie die Trainingsdaten aufgebaut sind. Um den Tonfall von dem Gesagten zu trennen, wird das Modell mit sprachlich neutralen Sätzen trainiert. Das bedeutet, dass die Sätze keine positive oder negative Bedeutung in ihren Worten vermitteln. Durch diese gestalterische Entscheidung kann sich FinVoc2Vec auf die Tonlage konzentrieren und nicht auf die sprachliche Stimmung. Dies führt zwar zwangsläufig zu subtileren Signalen, erhöht aber die Zuverlässigkeit, dass das Modell den Tonfall der Stimme und nicht den des Textes erfasst. Im Vergleich zu bestehenden Methoden ist FinVoc2Vec das einzige Modell, welches den Tonfall in Telefonkonferenzen deutlich besser als durch Zufall klassifizieren kann. Obwohl die Klassifizierungsgenauigkeit aufgrund der naturgemäß schwierigen Aufgabe weiterhin moderat ist, übertrifft sie Modelle, die mit Schauspielern trainiert wurden, sowie andere Benchmark Ansätze deutlich.

Enthält der Tonfall nützliche Informationen?

Die Ergebnisse zeigen, dass der Tonfall der Führungskräfte in Telefonkonferenzen zu den Geschäftsergebnissen die zukünftigen Finanzergebnisse von Unternehmen vorhersagt, jedoch nur, wenn der Tonfall mit einem Modell gemessen wird, das für reale Unternehmensveröffentlichung entwickelt wurde, wie beispielsweise FinVoc2Vec. Die Studie zeigt, dass mithilfe von FinVoc2Vec ein positiver Tonfall, insbesondere während der Frage- und Antwortrunden, mit positiven Gewinnveränderungen in den folgenden Quartalen verbunden ist. Dies deutet darauf hin, dass der Tonfall Informationen vermittelt, die über das hinausgehen, was Manager explizit mit Worten kommunizieren. Die Aktienkurse scheinen nicht sofort auf den Tonfall zu reagieren. Stattdessen entfaltet sich die Reaktion des Marktes allmählich über einen Zeitraum von etwa 60 Tagen nach der Telefonkonferenz, was darauf hindeutet, dass die Investoren zunächst wenig auf diese subtilen Informationen reagieren. In Übereinstimmung mit dieser verzögerten Reaktion erzielt eine einfache Handelsstrategie, die auf dem Tonfall basiert, positive abnormale Reaktionen.

Auswirkung für Stakeholder

Diese Ergebnisse sind relevant, da FinVoc2Vec eine deutlich zuverlässigere Methode zur Extraktion aussagekräftiger emotionaler Informationen aus den Äußerungen von Führungskräften darstellt im Vergleich zu bisherigen Modellen. Für Stakeholder wie Investoren, Finanzanalysten und Unternehmensleiter ist diese Forschung wichtig, da sie zeigt, dass die Stimmlage echte Informationen über die zukünftige Unternehmensleistung enthält, die über das hinausgehen, was in Worten kommuniziert wird. Investoren könnten auf FinVoc2Vec basierende Signale nutzen, um ihre Handlungsstrategien zu verfeinern. Analysten können die Stimmung der Unternehmensleitung besser interpretieren. Manager werden sich möglicherweise stärker bewusst, dass emotionale Signale in ihrer Stimme unbeabsichtigt Informationen preisgeben könnten.

Einschränkungen und weitere Forschung

Forschende erhalten ein leistungsstarkes Benchmarking-Tool zur Messung und Klassifizierung von Stimmlagen. Allerdings kann das Trainingsset, obwohl es größer ist als frühere Datensätze, die Vielfalt der realen Akzente, Dialekte und emotionalen Ausdrucksformen nicht vollständig erfassen, was sich auf die Generalisierbarkeit auswirken kann. Zukünftige Forschung könnte daher die Rolle von Akzenten und Dialekten als potenzielle Quelle für Verzerrungen bei der Klassifizierung von Stimmlagen untersuchen. Diese Ergebnisse verdeutlichen, dass Forschung, die neue Wege zur genaueren Erfassung von Informationssignalen aus der Stimmlage von Führungskräften untersuchen, notwendig ist. Die Veröffentlichung wird von zwei Online-Repositorien begleitet. Das Python-Paket „ccalign“ ist auf Github verfügbar. FinVoc2Vec ist öffentlich auf Hugging Face verfügbar.

Diesen Blog zitieren:

Reichmann, Doron (2025). FinVoc2Vec: ein neuer Ansatz zur Messung des Tonfalls in Offenlegungen von Unternehmensdaten. TRR 266 Accounting for Transparency Blog. https://www.accounting-for-transparency.de/de/finvoc2vec-ein-neuer-ansatz-zur-messung-des-tonfalls-in-offenlegungen-von-unternehmensdaten