Page 110 - 34-2

CEO Extraversion, Management Team Characteristics, and Firm Operating Performance

5
續性之評分 。
Harrison et al. (2019) 之 OLCPT 程式係透過機器學習的方式，模仿心理學專家
評估經理人的五大人格特質；Harrison et al. (2020) 指出將法說會議的對答環節作為
獲取 CEO 人格特徵的依據是合理的，因為一般來說 CEO 與分析師的對談是不會
有腳本或預先準備的逐字稿，當下的回覆或答話都是即時反應，所以能真實的反

應 CEO 的性格及常用的語法。此外，OLCPT 的預測結果與實際心理學專家評估
的結果相關性可達 0.65，具有高預測效度 (Predictive Validity)；除了預測效度外，
OLCPT 也有相對較高之收斂效度 (Convergent Validity) 與內部一致性信度 (Internal
6
Consistency Reliability) 。
承上所述，本研究收集 1,205 位 CEO 在歷年法說會所有的對話紀錄，即同一位
CEO 所對應到的文檔為其在歷年法說會的所有對話紀錄，接著再以 OLCPT 進行文
字探勘，得出每位 CEO 的人格特質分數，作為本研究之自變數。extra 代表 CEO 外

向性之分數、而consc、 neuro、 openn、 agree則分別代表其他人格特質如嚴謹自律性、
神經質性、經驗開放性、與親和性之人格特質分數。

3.2.2. 法說會逐字稿之語意分析—高度外向性之 CEO
此外，為了能更具體了解 OLCPT 如何透過 CEO 言表達風格捕捉其外向性特
質，本研究篩選外向性特質程度較高的代表性 CEO 之法說會逐字稿，利用詞頻分
析歸納高度外向性 CEO 常用之詞彙，找出常用詞彙所對應的語意 (Loughran and
7
8
McDonald, 2011) ，整理歸納於表 1 。

5 本研究之 CEO 人格特質分數係利用 207 位 CEO 法說會逐字稿之內容（作為評估 CEO 人格特
質之依據）與心理學家給與的人格特質評分（作為評估之結果，評分範圍為 1 分至 7 分），
透過機器學習模擬心理學家的評分模式，建立最適的預測模型。接著再將每位 CEO 法說會逐
字稿的資訊輸入至預測模型中，再由模型輸出心理學家可能會給予之評分，此即為本研究之
CEO 人格特質變數。由於 CEO 人格特質分數係由機器學習方式模仿心理學家的評分模式，因
此最後由 OLCPT 輸出的分數也比照心理學家的評分範圍，由人格特質最弱的 1 分至最高的 7
分。最後，由於該預測模型已嵌入於 OLCPT 程式，程式中並未公開其背後的數學函數形式，
因此本研究的 CEO 人格特質變數需透過 OLCPT 程式的計算，無法自行計算而得。
6 在 OLCPT 的設計邏輯中，已利用 3,573 位 CEO 法說會逐字稿創建一大型詞彙庫，並擷取與向
量化其中的單字與片語後，將其應用於第二個較小的詞彙庫（207 位 CEO 法說會逐字稿）訓
練和驗證人格特質預測模型。獲得最佳化之訓練和人格特質預測模型後，再將其使用於 3,573
位 CEO 法說會逐字稿中所擷取之單字與片語向量，以衡量 CEO 人格特質之分數。因此本研究
之 CEO 人格特質變數也可視為採用單字庫捕捉 CEO 之人格特質。
7 本研究所使用之語意字典乃為 Loughran-McDonald Master Dictionary w/ Sentiment Word Lists。
8 本研究定義「CEO 外向性特質傾向程度較高」為：CEO 外向性特質的分數大於其外向性特質
分數的第 75 百分位數，且其他四種人格特質的分數皆低於其人格特質分數的第 25 百分位數。

102