通过公司名称来判断是否值得投资，可行么

10年前，当S股(新加坡上市)天圜营养集团(Celestial Nutrifoods)进入破产清算时，小股东的滋味并不好受；另一家S股Midas也远远未能达到预期；同样，新加坡本土企业Best World并没有如名称那样迎来最好的时光。

但与此同时一家名字极其朴素的公司——苹果，却成为了世界上最有价值的公司，中国的腾讯的价值也远超其名。

那么，公司的命名到底有什么玄机呢？

我们被频繁出现在公司名中的浮夸词汇所吸引，这些词还常常与其他华丽辞藻一起出现。浮夸的名称是雄心壮志的反映，还是傲慢自大或粉饰门面的表现？一个浮夸的公司名到底会带来成功还是厄运？

有趣的是，我们注意到陷入困境的公司往往都有一个浮夸的名称。

作者简介

Nicolas Lye

新加坡国立大学商学院

工商管理BBA2021届

Openspace Ventures风险资本投资

扫码查看

英文简历

Mak Yuen Teen | 麦润田

新加坡国立大学商学院

会计系副教授

新西兰·惠灵顿维多利亚大学博士

教研领域：金融财会、公司治理、盈余管理、薪资酬劳、财务披露、审计等

公司取名的门道

过去有研究发现，一些公司的名字的确能够带来积极收益，例如，比较短或者读起来更容易的公司名称、战争时期的爱国词汇、互联网繁荣时期的“.com”式名称、让人不熟悉却能引起高度新鲜感的名称、流利易懂的名称……这些名称能带来更大的股票周转率，更高的估值，更大的投资者兴趣或认可度，以及更高的回报。

2018年的一项研究从简洁、流畅、道德内涵和整体认知的角度，评估了使用中文名的公司名称中的汉字。研究发现，拥有简洁、好记、易发音、能够反映中国传统价值名称的公司，往往拥有更高的投资者认可度和估值。

其他研究发现，股票代码更易读或更有意义的公司超额收益更高，或在首次公开募股(IPO)后短期表现更强。

然而，之前的研究并没有探究浮夸的公司名会有怎样的影响。

怎样算浮夸

在我们的研究中，公司名称的浮夸程度通过两种方法判断。

一种是情感分析方法，通过训练机器学习算法，根据网上的积极或消极联想对公司名称进行评分；还有就是进行调查，收集普通人对公司名称的看法。

在进行情感分析之前，样本中的公司名称被翻译成英语词典中的单词。这是因为有些公司名称是中文或方言语音直接转录而成，无法被机器学习算法识别(训练数据集以英语为基础)。

鉴于汉语短语的含义往往与单个词的含义有很大差异，因此我们使用了一款以上下文为中心的翻译软件。该软件保留了原文含义，没有进行简单的逐字翻译。随后，中文老师对翻译出来的名称进行了审核，确保翻译出的意思准确无误。

然后，我们对样本中的公司名称进行数据准备和清理。接下来，编写一个网页抓取的“爬虫”程序，来设置抓取的规则。为了更好地捕捉新加坡市场的情绪，这些网页的域名目录被缩小为新加坡的托管域名范围。

情感分析输出包括两部分——情感倾向和情感量级。倾向分为积极、中性或消极，量级范围为从0%到100%的置信水平。与消极情感和高置信水平的词相比，积极情感和高置信水平的词更容易被人理解。

接下来，这些词被重新划分成0-10的等级，10代表最积极的认知。然后，我们计算了每个公司名称的浮夸性得分，即组成词汇的情感分析分数平均值。

此外，我们还进行了一项涵盖239名参与者的调查，以验证情感分析结果。在调查中，我们选择了没有参与过新加坡股市投资的个体，避免他们对公司名称的评估会受到对特定公司了解的影响。

每位调查参与者会对从617个新加坡公司名称中随机选出的30个公司名称、5个浮夸性得分较高和5个浮夸性得分较低的虚拟名称进行打分。参与者需根据他们对名称的总体认知对每个名称从0到10进行评分。

然后我们计算出了每个公司名称的平均值。

情感分析和调查得出的浮夸得分之间的相关系数为0.94。这表明，基于机器学习的情感分析对浮夸性的评价与真人调查的评价非常相似。

那么，在浮夸的词汇当中最常出现的有哪类呢？

这类词包括“金”、“龙”、“难以置信”、“世界级”、“盛大”、“最佳”、“顶点”、“全球”、“顶级”、“完全”和“富有”。公司名称中有“高贵”、“高级”、“最强”和“最大”等字样的得分也相当高。通常，得分最高的名称中会同时包含数个浮夸词汇。

然后，我们研究了公司名称的浮夸是否与监管和第三方法律行动以及市场表现有关。监管行动的衡量标准是新交所发布的查询数量，以及该公司是否被列入观察名单或面临停牌。市场表现由投资组合的收益波动率、总成交量和累计超额收益来衡量。

这些分析控制了证券发行者的特定因素，如行业、年限、市值、增长、杠杆率、在主板还是凯利板上市。

我们发现，名称更浮夸的公司可能会更多受到质疑、面临来自第三方的法律诉讼。一些证据表明，它们更有可能被列入观察名单。

名称浮夸的公司在长期内超额收益也较低。一些证据表明，它们还会经历更大的短期回报波动。

我们并非建议投资者将投资策略建立在避开名称浮夸的公司的基础上。我们发现的规律并不一定适用于所有情况，未来也不一定成立。

然而，就像有些公司的创始人或管理层在传记中记录的资历或荣誉疑点重重，或是根据名人身份或公众形象而不是业绩记录或贡献能力来任命董事，那么浮夸的名称也可能是粉饰门面的表现。

更广泛的应用

与研究中使用的技术类似，人工智能和机器学习技术也可以应用于其他领域，如环境、社会和治理(ESG)风险评估。这些领域的数据通常是定性和非结构化的。

例如，在治理领域，这些技术可用于将非结构化数据(例如，在对董事的网络评论中反映的个性/性格特征、公众对他们的看法等)转换为结构化数据，进而利用模型进行处理。

机器学习算法也可以用来抓取网络中的特定数据点。这种做法的困难包括清理数据和训练机器，以准确“标记”或将数据点归入正确分类。例如，在我们的研究中，需要给出积极、中性或消极的评价。

无监督学习和有监督学习是两种可行的机器学习方法。专家的专业知识有助于监督学习方法。

机器学习可以补充甚至取代基于固定标准的现有的环境、社会与治理(ESG)或治理评级，这些评级主要使用公司自身的信息披露或相当有限的信息。

可以看到，利用机器学习等技术具有巨大潜力，能更有力地评估公司风险的不同方面，有望成为这一进程的一部分。

文章英文版原载于The Business Times，

原文标题为Judging a company by its name

作者：Nicolas Lye Zhi Qin，为新加坡国立大学商学院2021届毕业生；麦润田，新加坡国立大学商学院会计系副教授

*本文观点不代表新加坡国立大学商学院机构观点