Publication
Quantifying corporate culture using machine learning and 10-K filings
| datacite.subject.fos | Ciências Sociais::Economia e Gestão | pt_PT |
| dc.contributor.advisor | Tran, Dan | |
| dc.contributor.author | Beecken, Tom Robert | |
| dc.date.accessioned | 2024-09-30T14:19:11Z | |
| dc.date.available | 2024-09-30T14:19:11Z | |
| dc.date.issued | 2024-07-02 | |
| dc.date.submitted | 2024-05 | |
| dc.description.abstract | Corporate culture plays a critical role in the success and integration of organizations, particularly during mergers and acquisitions (M&A). This dissertation aims to extract and quantify elements of corporate culture from 10-K textual data and subsequently apply these quantifications to real-world scenarios. To explore this question, a comprehensive dataset consisting of 68,855 Management Discussion and Analysis sections from 10-K Filings stemming from 12,553 companies was utilized. The study employs advanced NLP techniques, including word embedding and sentiment scoring using Term Frequency-Inverse Document Frequency (TF-IDF), to generate a culture dictionary and identify as well as quantify linguistic patterns indicative of corporate culture. The findings demonstrate that NLP-driven quantification of corporate culture can provide valuable insights for addressing cultural integration in M&A scenarios. By scoring the core cultural values innovation, integrity, quality, respect, and teamwork, stakeholders can make more informed decisions, potentially improving the success rates of M&A activities. | pt_PT |
| dc.description.abstract | A cultura corporativa desempenha um papel fundamental no sucesso e na integração das organizações, particularmente durante as fusões e aquisições (M&A). Esta dissertação tem como objetivo extrair e quantificar elementos da cultura empresarial a partir de dados textuais do 10-K e, subsequentemente, aplicar essas quantificações a cenários do mundo real. Para explorar esta questão, foi utilizado um conjunto de dados abrangente que consiste em 68 855 secções de Análise e Discussão da Gestão de Registos 10-K provenientes de 12 553 empresas. O estudo emprega técnicas avançadas de PNL, incluindo a incorporação de palavras e a pontuação de sentimentos utilizando a Frequência de Termo - Frequência Inversa de Documento (TF-IDF), para gerar um dicionário de cultura e identificar, bem como quantificar, padrões linguísticos indicativos da cultura empresarial. Os resultados demonstram que a quantificação da cultura empresarial baseada na PNL pode fornecer informações valiosas para abordar a integração cultural em cenários de M&A. Ao pontuar os valores culturais fundamentais inovação, integridade, qualidade, respeito e trabalho em equipa, as partes interessadas podem tomar decisões mais informadas, melhorando potencialmente as taxas de sucesso das actividades de M&A. | pt_PT |
| dc.identifier.tid | 203664230 | pt_PT |
| dc.identifier.uri | http://hdl.handle.net/10400.14/46773 | |
| dc.language.iso | eng | pt_PT |
| dc.subject | Corporate culture | pt_PT |
| dc.subject | Machine learning | pt_PT |
| dc.subject | Natural language processing | pt_PT |
| dc.subject | Artificial neural networks | pt_PT |
| dc.subject | Word embedding | pt_PT |
| dc.subject | Merger and acquisitions | pt_PT |
| dc.subject | Cultural integration | pt_PT |
| dc.subject | Cultura empresarial | pt_PT |
| dc.subject | Aprendizagem automática | pt_PT |
| dc.subject | Processamento de linguagem natural | pt_PT |
| dc.subject | Redes neurais artificiais | pt_PT |
| dc.subject | Incorporação de palavras | pt_PT |
| dc.subject | Fusões e aquisições | pt_PT |
| dc.subject | Integração cultural | pt_PT |
| dc.title | Quantifying corporate culture using machine learning and 10-K filings | pt_PT |
| dc.title.alternative | Quantificação da cultura empresarial utilizando a aprendizagem automática e os relatórios 10-K | pt_PT |
| dc.type | master thesis | |
| dspace.entity.type | Publication | |
| rcaap.rights | openAccess | pt_PT |
| rcaap.type | masterThesis | pt_PT |
| thesis.degree.name | Mestrado em Finanças | pt_PT |