我们比较了基于字典和机器学习方法在 10-K 申请和电话会议日期捕捉披露情绪的能力。 与 Loughran 和 McDonald(2011)一样,我们使用回报来评估情绪。 我们发现基于机器学习的度量比基于字典的度量在解释能力方面提供了显着的改进。 具体来说,机器学习衡量标准解释了 10-K 申请日期的回报,而基于 Loughran 和 McDonald 字典的衡量标准仅解释了他们研究期间的 10-K 申请日期的回报。 此外,在电话会议期间,机器学习方法对 Loughran 和 McDonald 词典方法的改进幅度大于 Loughran 和 McDonald 词典对哈佛心理社会学词典的改进。 我们进一步发现随机森林回归树方法比替代算法更好地捕捉了披露情绪,简化了机器学习方法的应用。 总的来说,我们的结果表明,与基于字典的方法相比,机器学习方法提供了一种易于实现、更强大和更可靠的披露情绪度量。