経営者の「声」は、投資家と市場にどう読まれているか

決算の説明会でも、資金調達のピッチでも、経営者は自分の声で数字を説明します。この「話し方」の部分が、投資家の判断にどこまで入っているのか。会計学とファイナンスの分野では、機械学習を使った分析が2024年から2025年にかけて相次いで発表されました。

対象は数万件の規模に及びます。米国の決算説明会は28,515件、日本の説明会は2,542件、創業者のピッチ動画は1,139本が分析されました。

この記事では、これらの研究が何を測り、何を測っていないのかを整理します。声を良く見せれば有利になるという単純な話にならない点も、あわせて書いていきます。

決算説明会の音声28,515件が語ること

Baik らの研究チームが、2025年に決算説明会の音声を分析しています。掲載は Journal of Accounting and Economics 第80巻1号101763番です。

対象は、2008年から2020年までの米国の市場時間中に行われた説明会です。音声は28,515件、データの量は858ギガバイトに及びます。分析には Wav2Vec 2.0 という音声のモデルが使われています。

研究チームが測った指標は、流暢さ、発音、語法といった音声の伝達品質です。専門の用語では、これを VDQ と呼びます。

結果として現れたのは、次の関係です。伝達品質が低いほど、利益のニュースに対する市場の反応の強さが弱まります。会計の用語でいえば、日中の利益反応係数が下がります。

開示された数字そのものは変わりません。それでも、聞き取りやすさが下がったとき、市場がその情報を織り込む度合いは変わります。

この研究の対象はCEOにかぎらず、経営陣の全般です。音声の品質が経営者の特性や、企業の情報環境、通話の回線環境を反映している可能性を、研究チームは完全には取り除けていません。

日本の説明会2,542件では、Q&Aが最も強く効いた

日本の企業を対象にした分析もあります。

中塚洋佑氏と水門善之氏が、2024年に分析の結果を報告しています。研究チームが測ったのは極性という指標で、これは話の内容が前向きか後ろ向きかの度合いを指します。掲載は『ジャフィー・ジャーナル』第22巻1〜10頁です。対象は2019年から2022年までの日本企業482社で、決算説明会の書き起こしは2,542件になります。

研究チームは、書き起こしを3つの部分に分けています。その3つは、会社側の説明、アナリストからの質問、そして経営者の回答です。研究チームはそれぞれに金融の分野で訓練された BERT を当て、前向きか後ろ向きかの度合いを数値にしています。分析の枠組みには、Fama-French の3因子モデルを使ったイベント・スタディが使われています。

短期の累積異常収益率に対する回帰の結果は、次のとおりです。

分析の対象	回帰係数	t値
会社側の説明	6.55	3.60
アナリストの質問	18.65	2.38
経営者の回答	14.10	2.64

3つの部分はいずれも、有意な正の係数を示しています。注目すべきは、質疑応答の部分です。分量としては説明のパートより少ないにもかかわらず、係数は大きくなっています。

台本のある説明より、その場で答える質疑のほうが、市場の評価と強く結びついています。

この研究が扱った素材は、書き起こしのテキストです。音声そのものを、研究チームは分析していません。決算短信など先行する開示との情報の重複や、BERT の事前学習の期間が分析の期間と一部重なる点も、限界として残ります。

ピッチ動画1,139本の分析

投資を受ける側の場面でも、声の働きが測られています。

Hu 氏と Ma 氏が、2025年に動画を使った研究を発表しています。掲載は Journal of Finance 第80巻5号2639〜2688頁です。

対象は、Y Combinator や Techstars を含む米国の主要なアクセラレーター5社です。分析にかけたのは、2010年から2019年に撮られた創業者のピッチ動画1,139本になります。研究チームは、顔の表情、声、言語の3つを機械学習で分解し、あわせて実験も行っています。

要素	資金獲得との関係
ピッチ全体の肯定性が1標準偏差高い場合	資金提供の確率が3ポイント上昇（基準から35.2%増）
情熱的な外見	17%の増加
熱意ある声	27%の増加

熱意ある声の効果は、外見の効果を上回っています。話す内容とは別に、どう話しているかが投資家の判断へ入っています。

説得が長期の成果と逆行するという結果

同じ研究には、続きがあります。

研究チームは、資金を獲得したあとの成果も追いました。その指標は、雇用、後続のベンチャーキャピタルからの調達、そして出口の実績です。

結果は、投資家にとって好ましいものになっていません。ピッチの肯定性が高かった企業ほど、資金の獲得後の成果は低調になっています。

研究チームが行った実験は、この逆行の原因を示しています。主な要因は、投資家の側で信念の形成が正確に働かなくなる点にあります。魅力的に語られたピッチは、事業の質を示す信号として働いていません。むしろ投資家の判断を歪める要因として、この肯定性は働いています。

この結果は、実務にとって難しいものになります。声を熱意ある形に整えれば資金は集まりやすくなる一方で、その熱意は長期の価値を保証しません。

対象がアクセラレーターの選抜という特殊な場面である点も、あわせて踏まえてください。上場企業のIRや、金融機関との融資の交渉へそのまま持ち込める結果にはあたりません。

声の感情分析が抱える測定の問題

声のトーンを分析したという話を、私たちはしばしば目にします。この分析そのものに、注意を促す研究があります。

Ewertz らの研究チームが、2025年に測定の妥当性を検証しています。掲載は Journal of Accounting Research 第63巻1号229〜277頁です。

研究チームは、俳優の音声で訓練した既存の感情認識モデルを、実際の経営者の音声へ当てはめました。俳優のデータの内側では、モデルはほぼ完全に感情を当てます。ところが実際の経営者の音声では、精度が偶然の水準まで落ちています。

俳優は感情を演じます。経営者は演じません。訓練のデータと適用の対象がずれているとき、モデルの精度は保たれないという結果です。

声のトーンから何かを読み取ったという分析を目にしたときは、測定の妥当性が先に検証されているかを確かめてください。妥当性の検証がないまま出された結論を、私たちは根拠として扱えません。

動画のどこが調達額を上げているか

動画の内側で何が働いているのかを、要素に分けて調べた研究もあります。

Kolbe、Mansouri、Momtaz の3氏が、2022年にピッチ動画の分析を発表しています。掲載は Journal of Economics and Business 第122巻106081番です。対象は、ブロックチェーンを使った資金調達のピッチ動画になります。

動画を載せることは、調達の額を高めています。動画が長いほど、評価への働きも大きくなっています。

ここで研究チームが特定したのは、何が効いているのかという点です。調達と結びついていたのは、動画に含まれる情報の中身のほうです。音楽のような情報を持たない要素は、調達と結びついていません。動画の情報は、ホワイトペーパーの情報と代替の関係にあります。

対象がブロックチェーンの資金調達という特異な市場である点、そして動画が「創業者本人の物語」であることを厳密には分離していない点は、限界として残ります。

感情を強めた語りは、資源を集めるのか

語りの感情を強めれば資源が集まる、という理解も支持されていません。

Naimi 氏らの研究チームが、2023年に社会的な目的を掲げた起業の語りを分析しています。掲載は International Journal of Entrepreneurial Behavior & Research です。巻号は第29巻3号687〜706頁で、対象は55か国の起業家2,098人になります。

結果は、次のとおりでした。認知に訴える表現のほうが、情動に訴える表現より多くの資源を引き寄せています。とくに否定的な感情の語は、資源の獲得に対して不利に働いています。

熱を込めて語れば伝わるという理解を、この研究は支持していません。何を根拠として示したかという認知の側が、資源の獲得と結びついています。

研究が届いていない範囲

ここまでの研究は、資金と市場の評価に集中しています。届いていない範囲が3つあります。

1つ目は、取引先の信頼です。経営者が自ら語ることが、B2Bの取引相手の信頼をどれだけ変えるかを検証した2022年以降の査読研究を、私たちは見つけられませんでした。

2つ目は、採用の応募者です。CEO本人の語りが、応募の意向や組織の魅力度をどう変えるかについても、同じ空白があります。

3つ目は、社員が仕事へ向かう前向きさと、理念の浸透です。この領域についても、経営者本人の語りを原因の側に置いて測った近年の査読研究を、私たちは確認できていません。

実務では、これらの領域こそ経営者インタビューの目的として語られます。研究の側が届いていないという事実は、その目的の誤りを示すものにあたりません。効果の測定が、まだ設計されていないという状況です。

この研究をどう見るか

ここまで並べた研究は、上場企業の決算説明会と、投資家へ向けたピッチ動画を扱っています。非上場で、株主が創業家と役員に限られる会社の場合、離れている点が3つあります。

1つ目は、聞き手です。研究チームが測ったのは、アナリストと機関投資家の反応でした。御社の説明に耳を傾けるのは、金融機関の担当者、取引先の決裁者、そして社員です。

2つ目は、場の形です。決算説明会という定型の場を持たない会社では、説明する時間と質疑に答える時間が分かれていません。中塚と水門が取り出した「質疑のほうが強く結びつく」という差は、時間の分かれていない場から取り出せません。

3つ目は、尺度です。株価という共通の物差しを持つ会社でしか、この種の研究は成り立ちません。非上場の会社について、声の何が結果を分けるのかを測った研究を、私たちは見つけられずにいます。この空白は、本記事の冒頭で触れた測定の問題とは別の水準にあります。

一方で、規模を問わず残る部分もあります。同じ経営者が同じ話をしても、用意して読み上げた部分と、その場で聞かれて答えた部分とでは、聞き手の受け取り方が変わるという点です。中塚と水門の2,542件も、Baik らの28,515件も、この一点を別の角度から測っています。

この一点は、御社の日常にも次の形で現れます。金融機関の担当者が年に一度、決算の説明を聞きに来る日があります。用意した資料を読み上げる30分と、担当者の質問に答える15分のうち、相手の判断を動かしているのは後半の15分のほうかもしれません。採用の説明会でも同じ構図が起こります。会社の説明を聞かせる時間より、学生の質問に答える時間のほうが、聞き手の記憶に残る場合があります。

アストライドの考え

私たちは、ここまでの研究を次のように読んでいます。経営者の声が聞き手の判断に届くのは、経営者があらかじめ用意した原稿を読み上げる場面よりも、経営者がその場で質問に答える場面のほうです。

非上場の会社で経営者の話を聞くのは、金融機関の担当者、取引先の決裁者、そして社員の3者です。会社が決算書を渡せば、この3者に数字そのものは伝わります。その数字に行き着くまでに経営者が何を選び、何を見送ったのかは、決算書に書かれていません。経営者が自分の言葉で答えたときに、はじめてこの3者へ届きます。

私たちは、この読み方を制作の3つの場面に当てています。

1つ目は、質疑の時間を必ず作るという構成です。中塚と水門の結果は、台本のある説明より、その場で答える質疑のほうが市場の評価と強く結びつくことを示しました。私たちが対談の後半に予定していない質問を置くのは、この形が経営者の判断の中身を引き出すためです。

2つ目は、音の明瞭さを先に確保することです。Baik らの結果は、伝達品質が下がると情報の織り込みまで変わることを示しています。私たちは収録の前に反響と空調の音を処理し、話者ごとに個別のマイクを立てます。

3つ目は、熱意を演出しないという方針です。Hu と Ma の結果は、肯定的に語られたピッチが資金を集める一方で、その後の成果と逆行することを示しました。私たちは、経営者に前向きな表現を勧めることをしません。Naimi らの結果に沿えば、認知に訴える説明のほうが資源の獲得と結びついています。

御社だけで確かめられることもあります。直近の説明会や社内の発表を録音し、説明のパートと質疑のパートを分けて聞き比べてください。質疑の側で言葉が具体的になっているのであれば、記録に残す値打ちのある部分はそちらにあります。

まとめ

米国の決算説明会の音声28,515件を分析した研究では、音声の伝達品質が低いほど、利益のニュースに対する市場の反応の強さが弱まっていました（Baik ほか 2025、Journal of Accounting and Economics 80巻1号）。

日本企業482社・2,542件の書き起こしを分析した研究もあります（中塚・水門 2024）。短期の累積異常収益率に対する回帰係数は、説明で6.55、質問で18.65、経営者の回答で14.10でした。台本のある説明より、質疑のほうが強く結びついています。

創業者のピッチ動画1,139本の分析では、熱意ある声が27%の資金獲得増と結びついていました（Hu & Ma 2025、Journal of Finance 80巻5号）。一方で、肯定性が高かった企業ほど、資金獲得後の雇用や出口の成果は低調です。

声のトーンの分析には、測定の問題があります。俳優の音声で訓練したモデルは、実際の経営者の音声では精度が偶然の水準まで落ちました（Ewertz ほか 2025）。

取引先からの信頼、採用の応募者、社員が仕事へ向かう前向きさについては、経営者本人の語りを原因の側に置いて測った近年の査読研究を、私たちは見つけられませんでした。

直近の説明会を録音し、説明のパートと質疑のパートを聞き比べてください。質疑の側で言葉が具体的になっているのであれば、御社はその部分を記録して残せます。

この記事からわかるQ&A

決算説明会の話し方は、株価に関係しますか

Baik ほかの研究チームが、2008年から2020年の米国の説明会音声28,515件を分析しています（2025、Journal of Accounting and Economics 80巻1号101763）。音声の伝達品質が低いほど、利益のニュースに対する市場の反応の強さは弱まっていました。開示された数字そのものは同じです。聞き取りやすさが、情報の織り込まれ方に関わります。

日本の企業についてのデータはありますか

中塚洋佑氏と水門善之氏の研究は、2019年から2022年の日本企業482社・決算説明会の書き起こし2,542件を分析したものです（2024、ジャフィー・ジャーナル 22巻1〜10頁）。短期の累積異常収益率への回帰係数とt値は、説明が6.55／3.60、質問が18.65／2.38、経営者の回答が14.10／2.64でした。質疑のほうが分量は少なくても、係数は大きくなっています。

熱意を込めて話せば、資金は集まりやすくなりますか

Hu & Ma （2025、Journal of Finance 80巻5号2639〜2688頁）が創業者のピッチ動画1,139本を分析したところ、熱意ある声は27%の資金獲得増と結びついていました。ただし同じ研究で、肯定性が高かった企業ほど資金獲得後の雇用や出口の成果は低調です。研究チームの実験は、この原因が投資家の側の不正確な信念形成にあることを示しています。

感情を強めた語りのほうが、資源は集まりますか

集まるとはかぎりません。Naimi ほか（2023、International Journal of Entrepreneurial Behavior & Research 29巻3号、55か国・起業家2,098人）では、認知に訴える表現のほうが情動に訴える表現より多くの資源を引き寄せています。とくに否定的な感情の語は、資源の獲得に不利に働いています。

「声から感情を分析した」という結果は信用できますか

測定の妥当性を確かめてからお読みください。Ewertz ほか（2025、Journal of Accounting Research 63巻1号229〜277頁）は、俳優の音声で訓練した感情認識モデルが、実際の経営者の音声では精度を偶然の水準まで落とすことを示しています。俳優は感情を演じ、経営者は演じません。訓練のデータと適用の対象がずれているとき、精度は保たれません。

出典

• Baik, B., Kim, A. G., Kim, D. S., & Yoon, S. (2025). “Vocal delivery quality in earnings conference calls.” *Journal of Accounting and Economics*, 80(1), 101763. 2008〜2020年の米国市場時間中の決算説明会音声28,515件・858GB。Wav2Vec 2.0 で流暢性・発音・語法を測定。伝達品質が低いほど日中の利益反応係数が弱まる https://doi.org/10.1016/j.jacceco.2024.101763
• 中塚洋佑・水門善之（2024）「極性分析を用いた決算説明会のイベントスタディと株式投資戦略における極性指標の最適化」『ジャフィー・ジャーナル』22, 1–10頁。日本企業482社、2019〜2022年、決算説明会書き起こし2,542件。金融BERT による極性分析と Fama-French 3因子イベントスタディ。係数／t値は説明6.55／3.60、質問18.65／2.38、回答14.10／2.64 https://www.jstage.jst.go.jp/browse/jjafe
• Hu, A., & Ma, S. (2025). “Persuading Investors: A Video-Based Study.” *Journal of Finance*, 80(5), 2639–2688. 米国主要アクセラレーター5社、2010〜2019年の創業者ピッチ動画1,139本。表情・声・言語を機械学習で分解し実験も実施。肯定性が1標準偏差高いと資金提供確率が3ポイント上昇（基準から35.2%増）、情熱的な外見17%・熱意ある声27%の増加。一方で資金獲得後の雇用・後続VC・出口は低調 https://doi.org/10.1111/jofi.13471
• Ewertz, J., Knickrehm, C., Nienhaus, M., & Reichmann, D. (2025). “Listen Closely: Measuring Vocal Tone in Corporate Disclosures.” *Journal of Accounting Research*, 63(1), 229–277. 俳優音声で訓練した感情モデルは、実際の経営者音声では精度が偶然水準まで落ちる https://doi.org/10.1111/1475-679X.70015
• Kolbe, M., Mansouri, S., & Momtaz, P. P. (2022). “Why do video pitches matter in crowdfunding?” *Journal of Economics and Business*, 122, 106081. ブロックチェーン型クラウドファンディングのピッチ動画分析。動画掲載は調達額を高め、動画が長いほど評価への働きが大きい。音楽など非情報的要素ではなく情報内容が効き、動画情報はホワイトペーパー情報と代替的 https://doi.org/10.1016/j.jeconbus.2022.106081
• Naimi, …, Arenas, D., Kickul, J., & Awan, U. (2023). “Too emotional to succeed: entrepreneurial narratives in a prosocial setting.” *International Journal of Entrepreneurial Behavior & Research*, 29(3), 687–706. 55か国・起業家2,098人。認知的訴求は情動的訴求より多くの資源を引き付け、ネガティブ感情語は資源獲得に不利 https://doi.org/10.1108/IJEBR-11-2020-0800
• Anglin, A. H., Reid, S. W., & Short, J. C. (2023). “More Than One Way to Tell a Story: A Configurational Approach to Storytelling in Crowdfunding.” *Entrepreneurship Theory and Practice*, 47(2), 461–494. Kickstarter キャンペーン359件を fsQCA で分析。高い資金調達を生む物語の構成は5つあり、等価な経路が複数存在する https://doi.org/10.1177/10422587221082679
• Moradi, M., Dass, M., Arnett, D., & Badrinarayanan, V. (2024). “The time-varying effects of rhetorical signals in crowdfunding campaigns.” *Journal of the Academy of Marketing Science*, 52, 370–398. Kickstarter 報酬型1,245件、LIWC と functional data analysis。感情トーンと認知トーンは初期、共同体的言語と言語スタイル一致は後期で強い https://doi.org/10.1007/s11747-023-00943-5
• Walter-Terrill, R., Ongchoco, J. D. K., & Scholl, B. J. (2025). *Proceedings of the National Academy of Sciences*, 122(13), e2415254122. 事前登録済み6実験。明瞭音声とこもった音声で採用可能性 68.50 対 76.04（d=.35）、信頼性 63.46 対 66.90（d=.16）。逐語転記の正確性は概ね同等 https://doi.org/10.1073/pnas.2415254122
• Mariadassou, S., Bechler, C. J., & Levav, J. (2023). “The Effect of Auditory and Visual Recommendations on Choice.” *Psychological Science*, 34(1), 47–59. 5実験・合計 N=6,103。推薦は読むより聞くほうが追従されやすく、機序は、音声が流れて消えることで生まれる切迫感 https://doi.org/10.1177/09567976221106349