20201003_吕漫妮_论文展示1

《使用机器学习度量企业文化的探索》 在现代商业环境中，企业文化被广泛认为是决定企业成功与否的关键因素。然而，由于“企业文化”这一概念相对模糊，因此在实证研究中，对其度量一直存在诸多挑战。这篇由Kai Li、Feng Mai、Rui Shen和Xinyan Yan在《金融研究评论》(Review of Financial Studies, 2020.7)发表的论文，提出了一个新颖的方法，即利用半监督机器学习来量化企业文化的度量。 论文的主体分为四个主要部分：数据预处理与解析、词嵌入模型与模型训练、使用word2vec度量企业文化、以及对企业文化度量的验证。数据预处理是关键，这包括清洗文本、消除无关信息、标准化语言等，为后续分析奠定基础。接着，研究人员应用了word2vec，这是一种词嵌入模型，能将单词转化为多维向量，捕捉语境中的词汇关系，从而对财务和会计文本中的表达意义进行量化。 使用word2vec度量企业文化，论文展示了如何通过神经网络语言模型，将大量企业披露的信息转化为可分析的数据。这种方法的优点在于，它不仅关注语法层面，还深入到语义层面，使得研究者可以更准确地理解企业文化的特点。 论文进一步验证了新度量方法的有效性，结果显示，企业文化与企业的各种业务结果显著相关，尤其是在经济困难时期，文化与绩效之间的联系更为突出。此外，企业文化对交易发生频率和并购配对也有重要影响，表明企业文化是在重大企业事件中形成并不断演变的。 论文的贡献在于，它为企业文化的研究提供了一个新的、适用于大规模样本的时间序列度量方法，扩展了现有文献。同时，它首次将神经网络语言模型应用于定性企业披露的分析，为量化非结构化文本信息提供了有效工具。 这篇论文展示了机器学习技术在理解和度量企业文化中的潜力，为今后的实证研究提供了新的视角和方法，有助于更深入地探讨企业文化对企业经营业绩的影响，并为企业管理和决策提供有价值的参考。