Publication detail

Decoding corporate communication strategies: Analysing mandatory published information under Pillar 3 across turbulent periods with unsupervised machine learning

Authors: Pilkova Anna | Munk Michal | Kelebercova Livia

Year: 2025

Type of publication: článek v odborném periodiku

Name of source: PLoS One

Publisher name: Public Library of Science

Place: San Francisco

Page from-to: e0328841

Titles:

Language	Name	Abstract	Keywords
cze	Rozluštění strategií firemní komunikace: Analýza povinně zveřejňovaných informací podle pilíře 3 v turbulentních obdobích pomocí neřízeného strojového učení	Tato studie zkoumá komunikační vzorce slovenských bank se zainteresovanými stranami prostřednictvím povinných zveřejnění vyžadovaných rámcem pilíře 3 Basilej III a výročních zpráv v letech 2007–2022. Naším primárním cílem je identifikovat klíčová témata komunikovaná bankami a analyzovat sentiment této komunikace během turbulentních období (tj. střídajících se období stability a krize) v letech 2007–2022. Textová data byla shromážděna z údajů zveřejněných v rámci pilíře 3, výročních zpráv a dalších regulačních zpráv. Byl vyvinut hybridní model pro extrakci nejdůležitějších klíčových slov z každé kapitoly shromážděných dokumentů. Tento hybridní model (model kombinující více přístupů) kombinuje prvky statistických přístupů k extrakci klíčových slov (slovník frekvence klíčových slov), lingvistických přístupů (značkování dvojic slov za účelem výběru podstatných jmen) a přístupů založených na strojovém učení (BERT) k extrakci významných klíčových slov. Následně byla na extrahovaných klíčových slovech provedena analýza sentimentu pomocí lexikonu Loughran-McDonald (seznam slov označených sentimentem), který byl speciálně navržen pro finanční texty. Na základě upravených jednorozměrných výsledků můžeme zamítnout globální nulovou hypotézu nezávislosti kategorie sentimentu klíčových slov na čase pro negativní sentiment na úrovni p = 0,0000, pro pozitivní sentiment na úrovni p = 0,0005 a pro neutrální sentiment na úrovni p = 0,0000. Víceúrovňové srovnání odhalilo, že negativní sentiment byl nejčastější během globální finanční krize a pandemie COVID-19, což pravděpodobně ovlivnilo důvěru a jistotu zainteresovaných stran. Naopak pozitivní sentiment převládal v obdobích finanční stability, což potenciálně zvyšovalo spokojenost stakeholderů a jejich investiční rozhodnutí. Tento výzkum poukazuje na to, že sentiment vybraných dokumentů komerčních bank se mění v závislosti na letech. Komerční banka může tuto znalost využít a zahrnout informace o sentimentu jako prediktory při modelová	extrakce klíčových slov; textrank
eng	Decoding corporate communication strategies: Analysing mandatory published information under Pillar 3 across turbulent periods with unsupervised machine learning	This study explores the communication patterns of Slovak banks with stakeholders through mandatory disclosures mandated by Basel III's Pillar 3 framework and annual reports in 2007-2022. Our primary objective is to identify key topics communicated by banks and analysing the sentiment of this communication during turbulent periods (i.e., alternating periods of stability and crisis) in 2007-2022. Textual data was collected from Pillar 3 disclosures, annual reports, and additional regulatory reports. A hybrid model was developed to extract the most important keywords from each collected document chapter. This hybrid model (model combining multiple approaches) combines elements of statistical approaches to keyword extraction, (keyword frequency dictionary), linguistic approaches (pair-of-speech tagging in order to select noun-phrases), and machine-learning based approaches (BERT) to extract meaningful keywords. Subsequently, a sentiment analysis was performed on the extracted keywords using a Loughran-McDonald lexicon (list of words labelled with sentiment) specially designed for financial texts. Based on the adjusted univariate results, we can reject the global null hypothesis of independence of the sentiment category of keywords from time for negative sentiment at p = 0.0000 for positive sentiment at p = 0.0005, and for neutral sentiment at p = 0.0000 significant level. The multilevel comparison revealed that negative sentiment was most frequent during the global financial crisis and the COVID-19 pandemic, likely impacting stakeholder confidence and trust. Conversely, positive sentiment dominated during periods of financial stability, potentially enhancing stakeholder satisfaction and investment decisions. This research points out that the sentiment of the selected commercial bank documents changes depending on the years. A commercial bank can use this knowledge and include sentiment information as predictors when modelling financial distress. For bank management of s	keyword extraction; textrank

Search

Login for students

Login for employees

Publication detail

Map

Services

Popular Links