En la estrategia comercial , el análisis de noticias se refiere a la medición de los diversos atributos cualitativos y cuantitativos de las noticias textuales ( datos no estructurados ). Algunos de estos atributos son: sentimiento, relevancia y novedad. Expresar las noticias como números y metadatos permite la manipulación de la información cotidiana de forma matemática y estadística. Estos datos se utilizan a menudo en los mercados financieros como parte de una estrategia comercial o por parte de las empresas para evaluar el sentimiento del mercado y tomar mejores decisiones comerciales.
El análisis de noticias generalmente se deriva a través del análisis de texto automatizado y se aplica a textos digitales utilizando elementos del procesamiento del lenguaje natural y el aprendizaje automático , como el análisis semántico latente , las máquinas de vectores de soporte , la " bolsa de palabras ", entre otras técnicas.
La aplicación de análisis lingüísticos sofisticados a las noticias y los medios sociales ha pasado de ser un área de investigación a convertirse en soluciones de productos maduros desde 2007. En la actualidad, tanto los compradores como los vendedores utilizan de forma rutinaria el análisis de noticias y los cálculos de la opinión sobre las noticias para la generación de alfa, la ejecución de operaciones, la gestión de riesgos y la vigilancia y el cumplimiento del mercado. Sin embargo, existe una gran variación en la calidad, la eficacia y la integridad de las soluciones disponibles en la actualidad.
Un gran número de empresas utilizan el análisis de noticias para ayudarlas a tomar mejores decisiones comerciales. [1] Los investigadores académicos se han interesado en el análisis de noticias, especialmente en lo que respecta a la predicción de los movimientos de los precios de las acciones, la volatilidad y el volumen negociado. [2] [3] [4] Proporcionando un conjunto de valores como el sentimiento y la relevancia, así como la frecuencia de llegada de noticias, es posible construir puntuaciones de sentimiento de noticias para múltiples clases de activos, como acciones, Forex, renta fija y materias primas. Las puntuaciones de sentimiento se pueden construir en varios horizontes para satisfacer las diferentes necesidades y objetivos de las estrategias comerciales de alta y baja frecuencia, mientras que las características como la dirección y la volatilidad de los rendimientos de los activos, así como el volumen negociado, se pueden abordar de forma más directa a través de la construcción de puntuaciones de sentimiento hechas a medida. Las puntuaciones generalmente se construyen como un rango de valores. Por ejemplo, los valores pueden oscilar entre 0 y 100, donde los valores superiores e inferiores a 50 transmiten sentimiento positivo y negativo, respectivamente. [5]
El objetivo de las estrategias de retorno absoluto es obtener retornos absolutos (positivos) independientemente de la dirección del mercado financiero. Para alcanzar este objetivo, dichas estrategias suelen implicar posiciones oportunistas largas y cortas en instrumentos seleccionados con exposición al mercado nula o limitada. En términos estadísticos, las estrategias de retorno absoluto deberían tener una correlación muy baja con el retorno del mercado. Normalmente, los fondos de cobertura tienden a emplear estrategias de retorno absoluto. A continuación, algunos ejemplos muestran cómo se puede aplicar el análisis de noticias en el espacio de la estrategia de retorno absoluto con el fin de identificar oportunidades de alfa aplicando una estrategia neutral al mercado o basada en operaciones de volatilidad.
Ejemplo 1
Escenario: La brecha entre las puntuaciones de sentimiento de noticias para la dirección, , de la empresa y del mercado ha superado . Es decir, ≥ .
Acción: Comprar acciones de la Compañía y vender futuros en el Mercado .
Estrategia de salida: Cuando la brecha en las puntuaciones del sentimiento de noticias sobre la dirección de la Compañía y el Mercado haya desaparecido, = , venda las acciones de la Compañía y opere en largo en el futuro del Mercado para cerrar las posiciones.
Ejemplo 2
Escenario: El puntaje de sentimiento de noticias para la volatilidad de la Compañía supera los límites, lo que indica una volatilidad esperada superior a la volatilidad implícita de la opción .
Acción: Comprar un straddle a corto plazo (la compra de una opción de venta y una opción de compra) sobre las acciones de la Compañía .
Estrategia de salida: mantener la posición en la empresa hasta el vencimiento o hasta que se haya alcanzado un determinado objetivo de ganancias.
El objetivo de las estrategias de rentabilidad relativa es replicar ( gestión pasiva ) o superar ( gestión activa ) una cartera de referencia pasiva teórica o índice de referencia. Para alcanzar estos objetivos, dichas estrategias suelen implicar posiciones largas en instrumentos seleccionados. En términos estadísticos, las estrategias de rentabilidad relativa suelen tener una alta correlación con la rentabilidad del mercado. Normalmente, los fondos mutuos tienden a emplear estrategias de rentabilidad relativa. A continuación, algunos ejemplos muestran cómo se puede aplicar el análisis de noticias en el espacio de la estrategia de rentabilidad relativa con el fin de superar al mercado aplicando una estrategia de selección de acciones y realizando cambios tácticos en el modelo de asignación de activos .
Ejemplo 1
Escenario: El puntaje de sentimiento de las noticias sobre la dirección de la empresa supera el .
Acción: Comprar acciones de la Compañía .
Estrategia de salida: cuando el puntaje del sentimiento de las noticias sobre la dirección de la empresa cae por debajo de , vender las acciones de la empresa para cerrar la posición.
Ejemplo 2
Escenario: El puntaje de sentimiento de las noticias para la dirección del Sector sube por encima de .
Acción: Incluir al Sector como apuesta táctica en el modelo de asignación de activos.
Estrategia de salida: cuando el puntaje del sentimiento de las noticias para la dirección del Sector cae por debajo de , elimine la apuesta táctica para el Sector del modelo de asignación de activos.
El objetivo de la gestión del riesgo financiero es crear valor económico en una empresa o mantener un determinado perfil de riesgo de una cartera de inversiones mediante el uso de instrumentos financieros para gestionar las exposiciones al riesgo, en particular el riesgo crediticio y el riesgo de mercado . Otros tipos incluyen riesgos de tipo de cambio, de forma, de volatilidad, sectoriales, de liquidez, de inflación, etc. A continuación, algunos ejemplos muestran cómo se puede aplicar el análisis de noticias en el ámbito de la gestión del riesgo financiero con el fin de llegar a mejores estimaciones de riesgo en términos de valor en riesgo (VaR) o de gestionar el riesgo de una cartera para cumplir con el mandato de la misma.
Ejemplo 1
Escenario: El banco opera un modelo VaR para gestionar el riesgo de mercado general de su cartera.
Acción: Estimar la matriz de covarianza de la cartera teniendo en cuenta la evolución del sentimiento de noticias en relación con el volumen. Implementar las coberturas pertinentes para adecuar el VaR del banco a los niveles deseados.
Ejemplo 2
Escenario: Un gestor de cartera opera su cartera hacia un determinado perfil de riesgo deseado.
Acción: Estimar la matriz de covarianza de la cartera teniendo en cuenta la evolución de la puntuación de la opinión sobre las noticias en relación con el volumen. Escalar la exposición de la cartera de acuerdo con el perfil de riesgo objetivo.
En 0,33 segundos, los algoritmos informáticos que utilizan análisis de noticias pueden notificar a los suscriptores
El objetivo de la ejecución algorítmica de órdenes, que forma parte del concepto de trading algorítmico , es reducir los costos de las operaciones optimizando el momento de ejecución de una orden determinada. Es ampliamente utilizada por fondos de cobertura, fondos de pensiones, fondos mutuos y otros operadores institucionales para dividir las operaciones grandes en varias operaciones más pequeñas para gestionar el impacto en el mercado, el costo de oportunidad y el riesgo de manera más efectiva. El siguiente ejemplo muestra cómo se puede aplicar el análisis de noticias en el espacio de ejecución algorítmica de órdenes con el propósito de llegar a sistemas de trading algorítmico más eficientes.
Ejemplo 1
Escenario: Es necesario realizar un pedido grande en el mercado de acciones de la Compañía .
Acción: Escalar la distribución diaria del volumen de la Compañía aplicada en el sistema de trading algorítmico, teniendo en cuenta así la puntuación del sentimiento de las noticias para el volumen. A continuación, se crea la distribución de trading deseada, forzando una mayor participación en el mercado durante los períodos del día en los que se espera que el volumen sea mayor.
La posibilidad de expresar las noticias en números permite manipular la información cotidiana de forma estadística, lo que permite a las computadoras no solo tomar decisiones que antes sólo podían tomar los seres humanos, sino también hacerlo de manera más eficiente. Como los participantes del mercado siempre buscan una ventaja, la velocidad de las conexiones de las computadoras y la entrega de análisis de noticias, medidos en milisegundos, se han vuelto esenciales.
{{cite journal}}: Requiere citar revista |journal=( ayuda )