Quant Chart: Swings in sector sentiment

Zugangsbeschränkung / Haftungsausschluss

Die auf diesen Seiten enthaltenen Informationen dienen ausschliesslich Marketingzwecken.

Der Zugang zu den Fonds ist beschränkt auf (i) qualifizierte Anleger gemäss Art. 10 Abs. 3 ff. des Bundesgesetz über kollektive Kapitalanlagen („KAG“), (ii) professionelle Kunden gemäss Art. 4 Abs. 3 und 4 des Bundesgesetz über die Finanzdienstleistungen („FIDLEG“) und (iii) professionelle Kunden gemäss Anhang II der Richtlinie über Märkte für Finanzinstrumente (2014/65/EU; „MiFID II“) mit Sitz in der Europäischen Union oder im Europäischen Wirtschaftsraum mit einer entsprechenden Lizenz zur Erbringung von Vertriebs- / Angebotshandlungen im Zusammenhang mit Finanzinstrumenten oder für (iii) solche, die hiermit aus eigener Initiative entsprechende Informationen zu spezifischen Finanzinstrumenten erfragen und als professionelle Kunden qualifizieren.

Die Fonds haben ihren Sitz in Luxemburg oder den Niederlanden. Die ACOLIN Fund Services AG, Postanschrift: Leutschenbachstrasse 50, CH-8050 Zürich, agiert als Schweizer Vertreter der Fonds. UBS Switzerland AG, Bahnhofstrasse 45, 8001 Zürich, Postanschrift: Europastrasse 2, P.O. Box, CH-8152 Opfikon, fungiert als Schweizer Zahlstelle.

Der Prospekt, die Key Investor Information Documents (KIIDs), die Satzung, die Jahres- und Halbjahresberichte der Fonds sind auf einfache Anfrage hin und kostenlos beim Schweizer Vertreter ACOLIN Fund Services AG erhältlich. Die Prospekte sind auch über die Website www.robeco.com/ch verfügbar.

Einige Fonds, über die Informationen auf dieser Website angezeigt werden, fallen möglicherweise nicht in den Geltungsbereich des KAG und müssen daher nicht über eine entsprechende Genehmigung durch die Eidgenössische Finanzmarktaufsicht FINMA verfügen.

Einige Fonds sind in Ihrem Wohnsitz- / Sitzstaat möglicherweise nicht verfügbar. Bitte überprüfen Sie den Registrierungsstatus in Ihrem jeweiligen Wohnsitz- / Sitzstaat. Um die in Ihrem Land registrierten Produkte anzuzeigen, gehen Sie bitte zur jeweiligen Länderauswahl, die auf dieser Website zu finden ist, und wählen Sie Ihr Wohnsitz- / Sitzstaat aus.

Weder Informationen noch Meinungen auf dieser Website stellen eine Aufforderung, ein Angebot oder eine Empfehlung zum Kauf, Verkauf oder einer anderweitigen Verfügung eines Finanzinstrumentes dar. Die Informationen auf dieser Webseite stellen keine Anlageberatung oder anderweitige Dienstleistung der Robeco Schweiz AG dar. Eine Investition in ein Produkt von Robeco Schweiz AG sollte erst erfolgen, nachdem die entsprechenden rechtlichen Dokumente wie Prospekt, Jahres- und Halbjahresberichte konsultiert wurden.

Durch Klicken auf "Ich stimme zu" bestätigen Sie, dass Sie resp. die von Ihnen vertretene juristische Person in eine der oben genannten Kategorien von Adressaten fallen und dass Sie die Nutzungsbedingungen für diese Website gelesen, verstanden und akzeptiert haben.

During earnings calls, C-suite executives provide context to the presented financial numbers and, therefore, help to build a narrative around a company’s financial performance. These sessions can also unveil future risks and opportunities the numbers haven’t reported. Hence, earnings calls and their accompanying transcripts are a powerful data resource to build a more comprehensive understanding of a company’s financial outlook, alongside public accounting data.

However, unlike public accounting or market data, which is structured, earnings call transcripts present unstructured data via words and phrases. This is where natural language processing (NLP) becomes crucial in extracting meaningful insights from earnings calls. NLP can help decode complex financial language, identify sentiment, and highlight key themes discussed during the call.

Historically, word count methods such as ‘Bag of Words’ have long been a widely used technique for analyzing text data. However, they have limitations and shortcomings. For example, they cannot extract information about the relationship between words within a document. By contrast, more modern NLP inference techniques are able to consider context by using textual data embeddings such as FinBERT or transformer-based deep learning algorithms such as GPT-3 or GPT-4.

This use of NLP techniques means we can infer the average sector sentiment during earnings call conferences. Our animation below tracks the swings in net sector sentiment identified during earnings call conferences of S&P 500 companies over time, starting in 2014.

Source: Robeco, FactSet. The animation shows the average net sentiment for the top five sentiment GIGS sectors in earnings call conferences over the last 10 years. For each company and quarter, the net sentiment is computed as the probability that the transcript text sentiment is positive minus the probability that its sentiment is negative. The analysis includes all S&P 500 constituents, and the sample period ends on August 9, 2024. Eighty-seven percent of the S&P 500 constituents already had their Q2 2024 earnings call conferences.

However, we also observe diverging sentiment across sectors. For instance, over the last year, the information technology, communications services, and healthcare sectors each experienced a material jump in sentiment scores, corresponding to positive developments in artificial intelligence, digital media, and glucagon-like peptide 1 (GLP-1) weight loss medications such as Ozempic. Conversely, while economic conditions have improved, the cumulative effect of inflation has weighed on sentiment for both the consumer discretionary and consumer staples sectors.

The analysis above highlights the application of NLP for dynamic sentiment detection using earnings calls. To explore how such tools might be used for dynamic quantitative theme investing, we invite you to contact your Robeco sales representative.