10年前，當S股(新加坡上市)天圜營養集團(Celestial Nutrifoods)進入破產清算時，小股東的滋味並不好受；另一家S股Midas也遠遠未能達到預期；同樣，新加坡本土企業Best World並沒有如名稱那樣迎來最好的時光。
但與此同時一家名字極其樸素的公司——蘋果，卻成為了世界上最有價值的公司，中國的騰訊的價值也遠超其名。
那麼，公司的命名到底有什麼玄機呢？
我們被頻繁出現在公司名中的浮誇詞彙所吸引，這些詞還常常與其他華麗辭藻一起出現。浮誇的名稱是雄心壯志的反映，還是傲慢自大或粉飾門面的表現？一個浮誇的公司名到底會帶來成功還是厄運？
有趣的是，我們注意到陷入困境的公司往往都有一個浮誇的名稱。
作者簡介
Nicolas Lye
新加坡國立大學商學院
工商管理BBA2021屆
Openspace Ventures風險資本投資
掃碼查看
英文簡歷
Mak Yuen Teen | 麥潤田
新加坡國立大學商學院
會計系副教授
紐西蘭·惠靈頓維多利亞大學博士
教研領域：金融財會、公司治理、盈餘管理、薪資酬勞、財務披露、審計等
公司取名的門道
過去有研究發現，一些公司的名字的確能夠帶來積極收益，例如，比較短或者讀起來更容易的公司名稱、戰爭時期的愛國詞彙、網際網路繁榮時期的「.com」式名稱、讓人不熟悉卻能引起高度新鮮感的名稱、流利易懂的名稱……這些名稱能帶來更大的股票周轉率，更高的估值，更大的投資者興趣或認可度，以及更高的回報。
2018年的一項研究從簡潔、流暢、道德內涵和整體認知的角度，評估了使用中文名的公司名稱中的漢字。研究發現，擁有簡潔、好記、易發音、能夠反映中國傳統價值名稱的公司，往往擁有更高的投資者認可度和估值。
其他研究發現，股票代碼更易讀或更有意義的公司超額收益更高，或在首次公開募股(IPO)後短期表現更強。
然而，之前的研究並沒有探究浮誇的公司名會有怎樣的影響。
怎樣算浮誇
在我們的研究中，公司名稱的浮誇程度通過兩種方法判斷。
一種是情感分析方法，通過訓練機器學習算法，根據網上的積極或消極聯想對公司名稱進行評分；還有就是進行調查，收集普通人對公司名稱的看法。
在進行情感分析之前，樣本中的公司名稱被翻譯成英語詞典中的單詞。這是因為有些公司名稱是中文或方言語音直接轉錄而成，無法被機器學習算法識別(訓練數據集以英語為基礎)。
鑒於漢語短語的含義往往與單個詞的含義有很大差異，因此我們使用了一款以上下文為中心的翻譯軟體。該軟體保留了原文含義，沒有進行簡單的逐字翻譯。隨後，中文老師對翻譯出來的名稱進行了審核，確保翻譯出的意思準確無誤。
然後，我們對樣本中的公司名稱進行數據準備和清理。接下來，編寫一個網頁抓取的「爬蟲」程序，來設置抓取的規則。為了更好地捕捉新加坡市場的情緒，這些網頁的域名目錄被縮小為新加坡的託管域名範圍。
情感分析輸出包括兩部分——情感傾向和情感量級。傾向分為積極、中性或消極，量級範圍為從0%到100%的置信水平。與消極情感和高置信水平的詞相比，積極情感和高置信水平的詞更容易被人理解。
接下來，這些詞被重新劃分成0-10的等級，10代表最積極的認知。然後，我們計算了每個公司名稱的浮誇性得分，即組成詞彙的情感分析分數平均值。
此外，我們還進行了一項涵蓋239名參與者的調查，以驗證情感分析結果。在調查中，我們選擇了沒有參與過新加坡股市投資的個體，避免他們對公司名稱的評估會受到對特定公司了解的影響。
每位調查參與者會對從617個新加坡公司名稱中隨機選出的30個公司名稱、5個浮誇性得分較高和5個浮誇性得分較低的虛擬名稱進行打分。參與者需根據他們對名稱的總體認知對每個名稱從0到10進行評分。
然後我們計算出了每個公司名稱的平均值。
情感分析和調查得出的浮誇得分之間的相關係數為0.94。這表明，基於機器學習的情感分析對浮誇性的評價與真人調查的評價非常相似。
那麼，在浮誇的詞彙當中最常出現的有哪類呢？
這類詞包括「金」、「龍」、「難以置信」、「世界級」、「盛大」、「最佳」、「頂點」、「全球」、「頂級」、「完全」和「富有」。公司名稱中有「高貴」、「高級」、「最強」和「最大」等字樣的得分也相當高。通常，得分最高的名稱中會同時包含數個浮誇詞彙。
然後，我們研究了公司名稱的浮誇是否與監管和第三方法律行動以及市場表現有關。監管行動的衡量標準是新交所發布的查詢數量，以及該公司是否被列入觀察名單或面臨停牌。市場表現由投資組合的收益波動率、總成交量和累計超額收益來衡量。
這些分析控制了證券發行者的特定因素，如行業、年限、市值、增長、槓桿率、在主板還是凱利板上市。
我們發現，名稱更浮誇的公司可能會更多受到質疑、面臨來自第三方的法律訴訟。一些證據表明，它們更有可能被列入觀察名單。
名稱浮誇的公司在長期內超額收益也較低。一些證據表明，它們還會經歷更大的短期回報波動。
我們並非建議投資者將投資策略建立在避開名稱浮誇的公司的基礎上。我們發現的規律並不一定適用於所有情況，未來也不一定成立。
然而，就像有些公司的創始人或管理層在傳記中記錄的資歷或榮譽疑點重重，或是根據名人身份或公眾形象而不是業績記錄或貢獻能力來任命董事，那麼浮誇的名稱也可能是粉飾門面的表現。
更廣泛的應用
與研究中使用的技術類似，人工智慧和機器學習技術也可以應用於其他領域，如環境、社會和治理(ESG)風險評估。這些領域的數據通常是定性和非結構化的。
例如，在治理領域，這些技術可用於將非結構化數據(例如，在對董事的網絡評論中反映的個性/性格特徵、公眾對他們的看法等)轉換為結構化數據，進而利用模型進行處理。
機器學習算法也可以用來抓取網絡中的特定數據點。這種做法的困難包括清理數據和訓練機器，以準確「標記」或將數據點歸入正確分類。例如，在我們的研究中，需要給出積極、中性或消極的評價。
無監督學習和有監督學習是兩種可行的機器學習方法。專家的專業知識有助於監督學習方法。
機器學習可以補充甚至取代基於固定標準的現有的環境、社會與治理(ESG)或治理評級，這些評級主要使用公司自身的信息披露或相當有限的信息。
可以看到，利用機器學習等技術具有巨大潛力，能更有力地評估公司風險的不同方面，有望成為這一進程的一部分。
文章英文版原載於The Business Times，
原文標題為Judging a company by its name
作者：Nicolas Lye Zhi Qin，為新加坡國立大學商學院2021屆畢業生；麥潤田，新加坡國立大學商學院會計系副教授
*本文觀點不代表新加坡國立大學商學院機構觀點
