Endre søk
RefereraExporteraLink to record
Permanent link

Direct link
Referera
Referensformat
  • harvard-cite-them-right
  • apa
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Annet format
Fler format
Språk
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Annet språk
Fler språk
Utmatningsformat
  • html
  • text
  • asciidoc
  • rtf
Sentimentanalys och finansiell hälsa: En kvantitativ undersökning med FinBERT & GPT-4.1
2025 (svensk)Independent thesis Basic level (degree of Bachelor), 10 poäng / 15 hpOppgaveAlternativ tittel
Sentimentanalysis and financial health : A quantitative study using FinBERT & GPT-4.1 (engelsk)
Abstract [sv]

I de moderna tiderna idag utvecklas AI i en otrolig fart. Denna utveckling har lett till att många olika tekniker och verktyg visat sig vara användbara i olika branscher. En specifik AI-teknik, sentiment analys, har visat sig vara mycket användbar för att identifiera sentimental ton i finansiella dokument. En text där sentiment är en nyckelfaktor för att upprätthålla en bra image av bolaget och intressera nya investerare är kapitlet som benämns blad nannat som “VD har ordet” eller liknande i årsredovisningar. Kan detta sentiment analys av verkställande direktörens text användas för att snabbt identifiera faktorer i bolagen, just specifikt finansiell hälsa? Denna studie syftar till att bidra med insikter om det med hjälp av sentimentanalys och ett positivt sentiment i VD:ordet snabbt gå att identifiera ett företag med starkt och positiv finansiell hälsa. För att svara på denna forskningsfråga har studien använt sig av två AI-modeller, FinBERT och GPT-4.1, för att utföra två separata sentimentanalyser på 63 bolags vd-ord texter i årsredovisningar från perioden 2019–2023 på den svenska aktiemarknaden Large cap. För att identifiera en korrelation mellan positivt sentiment och finansiell hälsa har sentiment resultatet, Altmans Z-score model poäng och programmet SPSS för att skapa spridningsdiagram och räkna ut Pearsons produktmomentkorrelationskoefficient använts. Resultatet av FinBERTs sentimentanalyser och Z-scoren visade ett resultat av en mycket låg och icke signifikant korrelation vilket sannolikt berodde på slumpen. GPT-4.1:s sentimentresultat och den uträknade Z-scoren visade en lite större positiv korrelation, men också med låg signifikans och berodde därför också på slumpen. Slutsatsen är därför att sentiment analys, med modellerna FinBERT och GPT-4.1, inte kan användas för att snabbt identifiera företag med stark och positiv finansiell hälsa baserat på ett positivt sentiment i VD:ordet i årsredovisningar.

Abstract [en]

In the modern day the rapid development of AI has provided lots of useful tools in different working sectors. One technique, sentiment analysis, has proven itself incredible useful for determining sentiment in financial documents. One document where the sentiment is a key factor of the text for providing a good image of the company and interest new investors is the CEO statement in annual reports. But can the sentiment analysis be used to quickly determine other factors in the company like financial health? This study aims to provide insights if a positive sentiment of CEO statements in annual reports can be used to quickly determine a company with strong and positive financial health. To answer this question, we used two AI models, FinBERT and GPT-4.1, to perform two separate sentiment analyses on 63 companies CEO statements in annual reports from the period of 2019-2023 on the Swedish stock market Large Cap. To identify a correlation between a positive sentiment and financial health we used the sentiment result, Altman’s Z-score model score and the program SPSS to create scatter dot diagrams and calculated Pearson correlation coefficient. The result of FinBERT’s sentiment and the Z-score provided a result of a very insignificant small negative correlation that was most likely random. GPT-4.1’s sentiment result and the calculated Z-score on the other hand showed a small positive correlation, and had a significance at the 0,05 level. The conclusion of this study is therefore that sentiment analysis, with FinBERT, cannot be used to quickly identify a company with strong financial health based on a positive sentiment in the CEO’s statement. GPT-4.1 on the other hand, showed promise and future research can focus on testing this correlation on different markets. This study is written in Swedish.

sted, utgiver, år, opplag, sider
2025.
Emneord [en]
FinBERT, Sentimentanalysis, CEO statement, AI, Annual report, LLM, GPT-4, Altman’s Z-score
Emneord [sv]
FinBERT, Sentimentanalys, VD:ord, AI, Årsredovisning, LLM, GPT-4.1, Altmans Z-score
HSV kategori
Identifikatorer
URN: urn:nbn:se:hb:diva-34011OAI: oai:DiVA.org:hb-34011DiVA, id: diva2:1981157
Fag / kurs
Informatics
Tilgjengelig fra: 2025-07-08 Laget: 2025-07-03 Sist oppdatert: 2025-09-24bibliografisk kontrollert

Open Access i DiVA

2025KAN48(1051 kB)134 nedlastinger
Filinformasjon
Fil FULLTEXT01.pdfFilstørrelse 1051 kBChecksum SHA-512
2ff2b70c9a1dc74ce84c739ff4b1921f1e65459cc416204c4d138349d9214dacf1aa04d501a6457929bd6041eab3ae9b2ad47dbed7e3478e14e9466caa3614f7
Type fulltextMimetype application/pdf

Søk utenfor DiVA

GoogleGoogle Scholar
Totalt: 139 nedlastinger
Antall nedlastinger er summen av alle nedlastinger av alle fulltekster. Det kan for eksempel være tidligere versjoner som er ikke lenger tilgjengelige

urn-nbn

Altmetric

urn-nbn
Totalt: 178 treff
RefereraExporteraLink to record
Permanent link

Direct link
Referera
Referensformat
  • harvard-cite-them-right
  • apa
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Annet format
Fler format
Språk
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Annet språk
Fler språk
Utmatningsformat
  • html
  • text
  • asciidoc
  • rtf