Vše

Co hledáte?

Vše
Projekty
Výsledky výzkumu
Subjekty

Rychlé hledání

  • Projekty podpořené TA ČR
  • Významné projekty
  • Projekty s nejvyšší státní podporou
  • Aktuálně běžící projekty

Chytré vyhledávání

  • Takto najdu konkrétní +slovo
  • Takto z výsledků -slovo zcela vynechám
  • “Takto můžu najít celou frázi”

Speech Emotion Recognition from Earnings Conference Calls in Predicting Corporate Financial Distress

Identifikátory výsledku

  • Kód výsledku v IS VaVaI

    <a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F00216275%3A25410%2F22%3A39919467" target="_blank" >RIV/00216275:25410/22:39919467 - isvavai.cz</a>

  • Výsledek na webu

    <a href="https://link.springer.com/chapter/10.1007/978-3-031-08333-4_18" target="_blank" >https://link.springer.com/chapter/10.1007/978-3-031-08333-4_18</a>

  • DOI - Digital Object Identifier

    <a href="http://dx.doi.org/10.1007/978-3-031-08333-4_18" target="_blank" >10.1007/978-3-031-08333-4_18</a>

Alternativní jazyky

  • Jazyk výsledku

    angličtina

  • Název v původním jazyce

    Speech Emotion Recognition from Earnings Conference Calls in Predicting Corporate Financial Distress

  • Popis výsledku v původním jazyce

    Sentiment and emotion analysis is attracting considerable interest from researchers in the field of finance due to its capacity to provide additional insight into opinions and intentions of investors and managers. A remarkable improvement in predicting corporate financial performance has been achieved by considering textual sentiments. However, little is known about whether managerial affective states influence changes in overall corporate financial performance. To overcome this problem, we propose a deep learning architecture that uses vocal cues extracted from earnings conference calls to detect managerial emotional states and exploits these states to identify firms that could be financially distressed. Our findings provide evidence on the role of managerial emotional states in the early detection of corporate financial distress. We also show that the proposed deep learning-based prediction model outperforms state-of-the-art financial distress prediction models based solely on financial indicators.

  • Název v anglickém jazyce

    Speech Emotion Recognition from Earnings Conference Calls in Predicting Corporate Financial Distress

  • Popis výsledku anglicky

    Sentiment and emotion analysis is attracting considerable interest from researchers in the field of finance due to its capacity to provide additional insight into opinions and intentions of investors and managers. A remarkable improvement in predicting corporate financial performance has been achieved by considering textual sentiments. However, little is known about whether managerial affective states influence changes in overall corporate financial performance. To overcome this problem, we propose a deep learning architecture that uses vocal cues extracted from earnings conference calls to detect managerial emotional states and exploits these states to identify firms that could be financially distressed. Our findings provide evidence on the role of managerial emotional states in the early detection of corporate financial distress. We also show that the proposed deep learning-based prediction model outperforms state-of-the-art financial distress prediction models based solely on financial indicators.

Klasifikace

  • Druh

    D - Stať ve sborníku

  • CEP obor

  • OECD FORD obor

    10201 - Computer sciences, information science, bioinformathics (hardware development to be 2.2, social aspect to be 5.8)

Návaznosti výsledku

  • Projekt

    <a href="/cs/project/GA19-15498S" target="_blank" >GA19-15498S: Modelování emocí ve verbální a neverbální manažerské komunikaci pro predikci podnikových finančních rizik</a><br>

  • Návaznosti

    P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)

Ostatní

  • Rok uplatnění

    2022

  • Kód důvěrnosti údajů

    S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Údaje specifické pro druh výsledku

  • Název statě ve sborníku

    IFIP Advances in Information and Communication Technology. Vol. 646

  • ISBN

    978-3-031-08332-7

  • ISSN

    1868-4238

  • e-ISSN

    1868-422X

  • Počet stran výsledku

    13

  • Strana od-do

    216-228

  • Název nakladatele

    Springer Nature Switzerland AG

  • Místo vydání

    Cham

  • Místo konání akce

    Hersonissos

  • Datum konání akce

    17. 6. 2022

  • Typ akce podle státní příslušnosti

    WRD - Celosvětová akce

  • Kód UT WoS článku

    000928714700018