Table of Contents Table of Contents
Previous Page  14 / 322 Next Page
Information
Show Menu
Previous Page 14 / 322 Next Page
Page Background

法人說明會資訊在供應鏈中之垂直資訊移轉效果:以台灣之半導體產業供應鏈為例

14

CAR

j,(m,n)

= α + β

1

ΔOI

i,t

+ β

2

TEXT

i,t

+ β

3

MB

j,t

-1

+ β

4

SIZE

j,t

-1

+ β

5

LEV

j,t

-1

+ β

6

ROA

j,t

-1

+ ε

j,t

(2)

TEXT

i,t

為上游

i

公司召開法說會所揭露之非財務資訊。本研究利用知識贏家資料

庫蒐集法說會後之相關新聞作為非財務資料。新聞資料為文字資訊,無法直接進行實

證分析,因此本研究利用文字探勘技術

(Text Mining)

將文字資料轉化為數量化資料。

首先,由專業測試員以人工方式逐篇分析新聞資料,並將每篇新聞資料定義為好消息

或是壞消息

7

。再利用中央研究院的中文段詞系統

8

,將每一篇新聞資料段詞成數個具

有意義的中文詞,並歸類出好(壞)消息新聞經常出現之關鍵字詞庫。最後,再將每

一篇新聞資料放入段詞系統進行段詞,並以

Salton and McGill (1986)

所提出的空間向

量模型

(VSM)

計算每篇文章段詞與好(壞)消息關鍵字詞庫的相似度

9

。變數

TEXT

i,t

即是利用空間向量模型所計算出的好消息相似度減去壞消息相似度,用來衡量新聞資

料趨近於好消息的程度。公司召開法說會後若有多篇新聞報導,則以平均以得到

TEXT

i,t

變數。為了避免模糊的資訊造成研究的偏誤,將

TEXT

i,t

介於±

3%

的觀察值排

10

多階層供應鏈中,法說會之垂直資訊移轉效果可能會因為召開之上游公司與下游

公司所屬的階層距離越遠,使得資訊移轉效果逐漸受到扭曲。過去文獻曾經發現,供

應鏈下游(客戶)往上游(零售商與製造商)傳遞需求的資訊時,需求的波動性會隨

著供應鏈層級愈往上游而愈大

(Baganha and Cohen, 1998; Kahn, 1987; Lee et al., 1997a,

1997b, 2004; Metters, 1997)

。且,供應鏈距離較近的公司其共同的資訊也相對越多,

因此,對於供應鏈層級距離較近的公司而言,法說會所揭露的新資訊的程度也可能較

少。在半導體產業中,由於上游公司最接近需求端,因此其召開法說會所釋放的消息,

將傳遞有關未來的需求資訊給與供應鏈中、下游公司。為進一步檢測層級距離對資訊

7

為了避免人工判斷可能產生的偏誤,本研究請三位測試員進行分析,將新聞資料判定為三類:好

消息、壞消息、無法判斷好壞消息。並且,兩位以上判定為好(壞)消息者才將之分類為好(壞)

消息。

8

中央研究院中文段詞系統網址為

http://ckipsvr.iis.sinica.edu.tw/

9 Salton and McGill (1986)

提出的向量空間模型

(VSM)

,簡單的來說就是先將待分類文件擷取出能

夠代表該文件的特徵,然後將特徵轉換成為向量,再將其特徵向量與現存類別特徵向量

(Feature

Vector)

做相似度

(Similarity)

的比較,若相似度高於門檻值

(Threshold)

,便將待分類文件歸於該類

別。

Salton

對資訊科學界最著名之貢獻即在於自動索引理論。索引主要在表示文件的內容,同時

給予索引詞彙一定的權重

(Weight)

,以反應該詞彙在文件內容識別的重要性與價值。一篇文件是

由許多的詞彙所組成,因此可以找出文件中有意義的索引詞彙(即關鍵詞彙)組合成文件向量,

再進行相似度的比較,以門檻值做文件的分類。

Salton and McGill (1986)

所提出的向量空間模型

(VSM)

是文字探勘技術最常使用的模型,因此本研究使用此一模型來進行文字探勘。

10

本研究將系統判斷之結果與先前專業編碼員判斷之結果進行比較分析,兩組判斷結果有

72.75%

之判斷結果相同。