Insights
AI가 자동으로 큐레이션·번역·정리하는 기술 동향 피드입니다.
일본의 공시 개혁 이후 기업의 리스크 공시 품질 변화를 다차원 텍스트 분석법으로 평가한 연구입니다. NLP 지표를 활용해 10년간의 데이터를 분석한 결과, 공시량은 증가했으나 가독성은 저하되는 등 복잡한 변화 양상을 확인했습니다.
AI 자동 생성 콘텐츠
본 콘텐츠는 arXiv cs.CL (NLP)의 원문을 AI가 자동으로 요약·번역·분석한 것입니다. 원 저작권은 원저작자에게 있으며, 정확한 내용은 반드시 원문을 확인해 주세요.
원문 바로가기기업의 서술형 공시(narrative disclosures)는 자본 시장에 중요한 정보를 제공하지만, 시간 경과에 따른 질적 변화를 종합적으로 평가하는 것은 여전히 어려운 과제로 남아 있습니다. 서술형 텍스트는 본질적으로 다차원적(multidimensional)이며, 이는 한 가지 텍스트 차원의 개선이 종종 다른 차원의 변화와 함께 발생함을 의미합니다. 이러한 기저의 역동성을 포착하기 위해, 우리는 일본어 자연어 처리(NLP) 지표 추출을 쌍체 검정(paired testing), 이동 함수 분석(shift function analysis), 그리고 지표 간 상관관계(inter-metric correlation)와 결합한 종단적 텍스트 분석(longitudinal text analysis) 접근법을 제안합니다. 우리의 프레임워크는 리스크 공시와 경영 전략 간의 주제적 일치성(topical alignment)을 측정하기 위한 횡단면 관련성 지표(cross-section relevance indicator)를 통합함으로써 기존의 지표 세트를 확장합니다. 일본의 2019년 공시 개혁을 평가하기 위해 이 접근법을 적용하여, 10년 기간(FY2015-FY2024) 동안 19,770개의 기업-연도 관측치를 분석합니다. 공동 분석 결과, 기존의 단일 지표 방식으로는 자주 가려졌던 공시 패턴의 복잡한 변화가 드러났습니다. 구체적으로, 공시량(disclosure volume)은 실질적으로 증가했으나 가독성(readability)의 저하가 동반되었음을 발견했습니다. 또한, 전반적인 정보 구조는 개선되었음에도 불구하고 특정 기술적 품질(descriptive quality)은 정체되었으며, 적응 정도는 시장 부문별로 상이하게 나타났습니다.