投資理財除了靠經驗與運氣，能否更科學一點？中研院資訊科技創新研究中心的王釧茹助研究員，與團隊運用機器學習分析財報中的「軟資訊」，找出「特定詞彙的出現」跟「企業財務風險」的關係。
若要發行或交易「衍生性金融商品」，例如期貨 (Futures)、選擇權 (Option)，往往需要知道其「理論價格」是多少。為此，早期華爾街聘請許多稱為 “Quant” 的人才 ，擁有物理、數學等專業背景，透過電腦計算金融模型，為衍生性金融商品定價、或預測市場行為。
早期的 Quant 是透過「理論」來定價、分析或預測市場行為，現在則引入透過「資料」進入此過程。
最大的不同在於：以往數學模型是依照理論，假設股票遵循某種分配去擬定理論價格，但理論和假設是會改變的；資料分析則基於現實存在的金融資料，有什麼資料、就說什麼話，而這種專業正是王釧茹團隊所擅長──尤其是財務報告中的「軟資訊」。
會有這樣的轉變，拜賜於電腦硬體的發展、機器學習的進步，也因為大量的資料不斷累積，而美國證券交易委員會 (Securities and Exchange Commission，縮寫 SEC) 更規定上市公司要依規撰寫財務報告，累積了許多格式標準、具豐富資訊、可供分析的財務資料。
若要簡單說明「硬資訊」和「軟資訊」的差別，「硬資訊」主要為財報或市場資訊中的數字，例如企業的每股盈餘 (EPS) ，多為結構化資料；而「軟資訊」主要是文字資料，例如會計事務所撰寫財報時使用了哪些詞彙，來描述下個年度企業經營的發展方向，多為非結構化資料。
軟資訊，也就是書寫者在特定情境脈絡下，依照判斷、情緒寫下的文字資料。
「2011 年我們看到 Tim Loughran 和 Bill McDonald 的財務情緒字典發表在 《Journal of Finance》，堪稱財務界的《Science》期刊，就知道這是未來重要的趨勢之一！」王釧茹回想，因此和團隊運用這套財務情緒字典，看看後續能進行什麼研究。
傳統的財務資料分析領域，許多研究及實務上多傾向分析硬資訊，而王釧茹團隊選擇了分析「軟資訊」的新方向。
王釧茹團隊運用「10-K 財務年報的第七章」，也就是陳述企業管理和未來方向的章節文字，運用該企業未來的「股票報酬波動 (Stock return volatility)」 數據作為風險指標，藉此分析財務報表詞彙與風險的相關性。
「若今天 A 公司股價上漲 70%，隔天突然又跌 50% ，這個報酬波動太大，普遍會被認定為財務高風險的公司。反之，如果公司股價穩定維持高價或低價，就會被視為財務低風險的公司。」王釧茹說明為何會選擇「股票報酬波動」，作為訓練電腦預測未來企業財務風險的資料。
團隊開發的機器學習模型，訓練資料包含 1996-2013 年期間各企業的財務報表，篇數超過萬篇、字數超過十萬字，而資料變數高達好幾萬維度，有別於過往的統計分析難以處理超過二十維度的變數。
王釧茹團隊研究發現，財報中出現 default 這個單字，跟該企業後續的財務風險高度相關。你可能會疑惑， default 不是「預設」的意思嗎？其實在財務報表中， default 是「違約」的意思，像是 2008 年金融危機前大受歡迎的金融商品「信用違約交換」就稱作 Credit Default Swap 。
王釧茹團隊分析發現， sureti 擔保、delist 赤字、forbear 隱忍，這些字與財務風險高度相關。而 amend 這個字是「改變」的意思，一般用在企業通過法律程序的某種修改行為，若在財報中高頻率出現，也能聯想到公司經營管理常常改變所帶來的風險。
但你可能會好奇，為什麼 nasdaq 跟財務風險竟然也有這麼大的關係，而且還被分類成負面情緒的字？
為了找出答案，王釧茹團隊亦開發 FIN10K: Financial Reports Analysis 平臺，用以查找財報原始資料、分析上下文，發現財報中 nasdaq 常被隨著 delisting 出現，delisting 為「除名」，兩個字組合一起在金融界為「退市」的意思，也就可以理解當 nasdaq 這個字出現，會跟財務風險高度相關。
另外一個有趣的發現，unsecured note 也就是「未擔保債」，雖然字面看似負向，但若出現在財務報表中，代表該公司的財務狀況較佳、可被信任，才能發行未擔保的債，未來的財務風險也相對較低。
這樣的軟資訊分析模型，將有助銀行改進信用風險評估、或幫助投資者設計投資策略。
王釧茹強調，這項研究並非為了取代現有的金融預測模型，而是讓業者或相關機構在現有的金融預測模型之外，能有多一項「軟資訊情緒用詞」優化評估指標。
除了分析財報資訊，王釧茹團隊藉著文本分析的相關技術，在最新一篇 SIGIR 2017 的研究中運用文字資訊進行了物品 (如：電影) 與相關概念的建模。
其中，王釧茹團隊將建模後所得之電影資訊、和 IMDB 的評論文字之高維度向量，轉換投射至二度平面後，在以下展示平臺中會看到「太空」、「外星人」等單字跟「科幻電影」的散佈位置相近，而「動作電影」則跟「軍隊」、「特工」等單字散佈位置相近。此模型可運用於推薦及資訊檢索的相關應用。
我們研究團隊 (與臺大陳宏銘教授、中研院楊奕軒研究員、政大蔡銘峰老師) 目前跟國泰金控有一個四方的產學計畫，主要是做 Customer Journey (顧客歷程)分析，運用顧客曾申辦信用卡、購買相關產品等去識別化資料，預測未來可能的消費行為、投資偏好等。
可以感覺到現在台灣金融業對於 FinTech (金融科技) 蠻積極，不過礙於企業內部的資料歸屬、政府的法規限制，時常造成相關資料無法整合、因此無法進行後續分析或運用。
許多國外金融機構在規劃各部門資料整合、開放匿名資料相對完善，因此有利於後續的研究與應用，這是台灣現在需要盡快優化的地方。
原文連結：注意！若財報出現這些字，未來財務風險高
延伸閱讀：