Tekstanalyse geeft inzicht in waarde van maatschappelijk verantwoord gedrag

Tekstanalyse geeft inzicht in waarde van maatschappelijk

Beleggers zijn erg geïnteresseerd in de ongrijpbare aspecten van een bedrijf, zoals bedrijfscultuur, reputatie en een duurzaam milieubeleid. Maar in financiële verslagen is daar vaak maar weinig over te vinden. Promovendus Andy Moniz van Rotterdam School of Management, Erasmus University (RSM) ontwikkelde een methode om online teksten te scannen en analyseren op de effecten van het maatschappelijk verantwoord gedrag van een bedrijf. Belangrijk voor analisten en beleggers, want dit gedrag voorspelt deels de toekomstige bedrijfsresultaten. Moniz verdedigt zijn proefschrift op donderdag 16 juni 2016.

Vanuit zijn eigen ervaring als belegger weet Andy Moniz dat bruikbare informatie over het maatschappelijk verantwoord gedrag van een bedrijf vaak moeilijk te vinden en te interpreteren is. Als ondernemingen al een duurzaamheidsverslag publiceren, dan dient dat vaak vooral een symbolisch doel. In de praktijk bevat het maar weinig feitelijke of specifieke informatie die financiële analisten en beleggers kunnen gebruiken voor hun inschatting van de toekomstige bedrijfsprestaties.

Echter, teksten die door buitenstaanders als consumenten, journalisten, werknemers en toezichthouders zijn geschreven, schetsen een completer beeld van het daadwerkelijke gedrag van een bedrijf op het gebied van maatschappelijke verantwoordelijkheid, zo stelt de onderzoeker: "Daden zeggen meer dan woorden". Hoewel zulke teksten online ruimschoots voorhanden zijn, zijn ze ook erg ongestructureerd, zeker in vergelijking met de financiële rapportages waar analisten gewoonlijk mee werken. Het is voor hen lastig en kostbaar om uit zulke teksten een compleet beeld van het handelen van een bedrijf te destilleren.

Algoritmes
Moniz ontwikkelde daarom algoritmes die teksten over een bedrijf op relevante websites in verschillende talen kunnen scannen, ordenen en interpreteren. Dit werd al gedaan bij eerdere technieken zoals 'sentimentanalyse', maar de methode van Moniz houdt meer rekening met de context waarin de woorden staan, om te bepalen welke delen van de tekst nuttige informatie bevatten voor financiële analisten, en welke betekenis woorden precies hebben. Afhankelijk van de context kan het woord 'stijging' bijvoorbeeld een indicatie zijn voor een risico of een kans: gaat de tekst over stijgende werkloosheid of winst?

Voor zijn onderzoek analyseerde Moniz meer dan 100.000 krantenberichten, blogs en tijdschriften, gepubliceerd tussen 1981 en 2004. Op die manier legde hij bloot waarom en hoe een bedrijf door schrijvers in een kwaad daglicht werd gesteld. Dat kon vanwege maatschappelijk onverantwoord gedrag zijn, zoals het niet opruimen van vervuiling, of dreigende rechtszaken.

De methode van Moniz is niet alleen een handig hulpmiddel voor het analyseren en interpreteren van grote hoeveelheden tekst, maar biedt ook een objectief kader om te bepalen welke beweringen in de media mogelijk van (grote) invloed zijn op de toekomstige bedrijfsresultaten en aandelenrendementen.

Ecologische voetafdruk
Moniz ontwikkelde bovendien een algoritme dat duurzaamheidsverslagen scant op woorden die een milieuprestatie beschrijven. Daarmee analyseerde hij hoe transparant en volledig het bedrijf rapporteert over inspanningen om de impact op klimaatverandering te reduceren. Dat kan als indicator worden gebruikt voor het milieubeleid van een bedrijf. Moniz' geautomatiseerde techniek zet deze, soms zeer technische, rapportages om in waardevolle informatie voor financieel analisten.

Bedrijfscultuur
De onderzoeker stelt verder dat het doorgronden van de cultuur binnen een bedrijf en het beoordelen van de bijbehorende risico's en kansen, voor buitenstaanders moeilijk is. Vaak worden er kostbare jaarlijkse enquêtes gehouden om gegevens over bedrijfscultuur te verzamelen. Om dit proces van gegevensverzameling te automatiseren, ontwikkelde Moniz een algoritme dat 417.645 reviews analyseerde die gepubliceerd zijn op Glassdoor, een website waarop werknemers dagelijks hun bedrijf kunnen beoordelen en beschrijven. 

Het algoritme doorzocht de teksten op woorden die te maken hebben met bedrijfscultuur zoals 'werk/privé-balans' en 'carrièrekansen'. Daarna werden ze gerelateerd aan de winst van de desbetreffende bedrijven. Uit de resultaten bleek dat hoe meer werknemers een bedrijf beschreven in termen van prestatiegerichtheid, zoals 'motivatie', 'resultaten' en 'productief', hoe beter de resultaten en groeicijfers van dat bedrijf uitpakten. Dat zijn dus clusters van woorden die voor beleggers als indicator voor toekomstige prestaties kunnen dienen, concludeert hij.

Over Andy Moniz
Andy Moniz studeerde Economie in Cambridge, en Statistiek aan de University of London. Hij werkt als ‘quantitative researcher’ bij APG Asset Management.

Meer informatie

Voor meer informatie over dit persbericht kunt u contact opnemen met Ramses Singeling, Media Officer voor RSM, op +31 10 408 2028, of per e-mail op singeling@rsm.nl