《International Journal of Financial Studies》:Analyst Logical Inconsistency and Stock Price Crash Risk: Evidence from Large Language Models
编辑推荐:
电影产业是文化市场中资本最密集且财务不确定性最高的环境之一。既往研究多以票房收入衡量成功,而从极端分布偏态与有限可预测性下的制片方与投资者视角看,投资回报率(ROI)提供更有意义的透镜。研究人员使用来自The Movie Database(TMDB,1916—
电影产业是文化市场中资本最密集且财务不确定性最高的环境之一。既往研究多以票房收入衡量成功,而从极端分布偏态与有限可预测性下的制片方与投资者视角看,投资回报率(ROI)提供更有意义的透镜。研究人员使用来自The Movie Database(TMDB,1916—2017)的3153部影片数据集,考察哪些可观测的影片与受众特征决定影片ROI高于或低于中位数,借助集成学习方法与基于SHAP的分解识别变量影响的方向与量级,比较随机森林(Random Forest)、XGBoost与CatBoost,其中随机森林预测表现最强。研究发现,以总投票数代理的受众参与量是分类框架下已实现投资效率的最强信号,排名超越制作预算与内容特征;在连续产出稳健性检验中,参与量与预算次序反转,二者并列主导预测而相对排序依设定而异。由于参与指标仅在院线放映后可得,该框架本质属解释性而非映前预测,主要服务于映后投资决策。SHAP分析进一步指示非线性阈值效应:受众参与与制作预算在不同取值区间对投资结果影响方向不同。拟合模型中,制作预算贡献在约对应2500万美元的对数预算值之上衰减,表明该样本内更高支出伴随更低投资效率,而非因果识别的拐点。相较之下,在控制受众可见度与财务规模后,类型对投资结果贡献相对较小。这些发现对文化市场经济学具启示:影片财务表现至少与受众触达而非制作规模同等相关,且强于内容类型,从而限定了业内盛行的以预算为中心的投资启发式。
研究背景与问题提出
电影产业因需求不确定、成本—回报关系不稳定与信息不对称,长期偏离标准竞争市场假设。De Vany和Walls(1999)指出票房收益呈有效无限方差,Rosen(1981)的超级明星经济学表明产出向少数生产者集中。既有文献多以票房收入测度商业成功,但收入未扣除制作支出,Ravid(1999)发现预算与明星效力均不能可靠预测ROI。同时,数字平台使受众互动数据(评分、投票数、参与度)大规模可得,但其与财务回报的关系尚未厘清。研究者指出四类缺口:结果变量偏重票房而非ROI;预算、口碑、在线参与等变量权重无共识;既有工作多关注线性与预测精度,非线性阈值考察不足;机器学习应用增多但经济机制阐释薄弱。为此,研究人员以ROI为结果、以3153部TMDB影片(1916—2017)为样本,采用分类框架(高于/低于中位数ROI)结合集成学习与SHAP分解,旨在解释映后已实现投资效率的关联结构,而非映前预测。
主要技术方法
研究人员从Kaggle获取TMDB元数据,保留预算与票房均正且各超1000美元的观测,清洗后得3153部影片。对预算、热度、时长、投票数做自然对数变换以缓解右偏;因ROI原始偏度54.998,转为基于训练集中位数切分的二分类变量(高/低ROI),并以连续ROI回归作稳健性检验。数据集按8:2分训练/测试集,固定随机种子。建模比较随机森林(Random Forest)、XGBoost、CatBoost三类集成算法,评估指标含AUC、准确率、召回率、特异度、精确率、F1、平衡准确率与ROC;以随机森林表现最优故选其作SHAP(SHapley Additive exPlanations,基于合作博弈Shapley值)解释对象,用fastshap包绘摘要图与依赖图识别方向与阈值。
研究结果
4.1 模型性能比较:随机森林AUC 0.8247(重复10折交叉验证均值,SD 0.0226),优于XGBoost与CatBoost,三模型ROC均高于随机线;随机森林高低类判别更平衡。
4.2 随机森林变量重要性:按MeanDecreaseAccuracy与MeanDecreaseGini,vote_count_log(投票数对数)居首,budget_log(预算对数)次之,popularity_log(热度对数)第三;vote_average与runtime_log中等;八类影片类型(Action、Adventure、?《Comedy》、Crime、?《Drama》、Horror、Science Fiction、Thriller)重要性最低。
4.3 SHAP分析与变量效应:摘要图确认投票数、预算、热度SHAP值分布最广。依赖图显示预算对数约17.03(≈2500万美元)后SHAP由正转负,高参与量可缓冲该负向;投票数对数阈值约6.2(≈493票)后SHAP陡升,且与高popularity_log协同;popularity_log约3.09(≈22点)后转正;vote_average超6.4/10后偏正但增益放缓;runtime_log贡献近零。
4.4 连续ROI稳健性:对ln(1+ROI)建随机森林回归,R2=0.403;前五位预测变量同分类框架,仅budget_log与vote_count_log头两名互换,说明结论不依二分类设定而变。
讨论部分总结
研究人员强调框架属映后解释而非映前预测:投票数与热度仅映后可得,绿光阶段可知者唯预算、时长、类型。随机森林区分高ROI敏锐、低ROI较弱,反映爆款驱动行业中损失侧更难由可观测量刻画。投票数居首呼应Liu(2006)口碑量胜于质、Duan等(2008)量—销互促、Rosen(1981)注意力集中;但其解释力在成本归一化ROI上仍存,说明受众注意力未被预算完全资本化,需求不确定性具结构性。预算约2500万美元后贡献转负,非因果拐点而属样本内拟合分布,与Yoong Hon和Yen(2023)高预算低效一致,质疑预算中心启发式。popularity_log阈值效应指平台可见度兼为需求反映与强化项。vote_average弱于vote_count,印证评价效价间接作用于财务。类型变量边缘化,限定其内容决定论。连续/分类设定下参与量与预算互换头名,故二者为联合主导而非稳定序次。
结论翻译
电影产业是文化市场中最资本密集与财务不确定领域之一。本研究以3153部影片考察ROI决定因素,以集成学习与SHAP为工具,贡献不在方法本身而在经济发现。结果显示文化市场投资成功至少与受众可见度及参与量等同相关于制作规模,且强于内容类型,悖于行业常识。以投票数代理的受众参与量居分类框架首位、连续设定次位,表明需求不确定性具一定系统结构;因参与量映后实现,发现服务于映后决策而非绿光选择。拟合模型中预算贡献约2500万美元处转向,提供质疑预算中心决策低效的经验依据,并延展Ravid(1999)。研究将电影成功文献由收入导向转为ROI中心,直面De Vany和Walls(1999)分布问题;识别规模—效率非线性及参与量与预算并列主导,表明文化市场价值创造异于标准生产质量模型,注意力不被支出完全体现,超级明星注意力集中不机械转化为回报集中。流媒体时代收入结构与行为剧变,以新数据、跨市场与因果设计复检为本领域后续方向。