L’autrice di questo post è Alessia Di Noto, laureata magistrale in Finanza Quantitativa all’Università degli Studi di Verona. Ha redatto una tesi dal titolo “Applicazione dei text data per spiegare la volatilità in finanza” –

Il Foreign Exchange Market più noto come Forex o mercato delle valute è il più grande mercato del mondo. La sua nascita è avvenuta intorno agli anni Settanta con il crollo del sistema di Bretton Woods. Proprio il giorno di Ferragosto del 1971 l’amministrazione Nixon interrompeva unilateralmente la convertibilità del dollaro con l’oro e avviava l’epoca delle libere oscillazioni delle monete. L’intima natura del mercato Forex è quello di essere OTC, over the counter, ossia privo di quei meccanismi di standardizzazione e trasparenza tipici dei mercati regolamentati. Sebbene le informazioni private, a volte, siano importanti, il mercato Forex è caratterizzato da un alto livello di informazione pubblica. Con l’aggiornamento delle tecnologie di comunicazione, le notizie dei mass media diffondono diversi tipi di informazioni sia ai professionisti che ai politici. Il che esercita un’influenza latente sulle opinioni e sui comportamenti dei partecipanti al mercato.

Tuttavia, non c’è molta letteratura che si concentra sull’impatto di informazioni specifiche sulla volatilità dei tassi di cambio e se le notizie svolgono un ruolo incrementale nello spiegare la volatilità del mercato Forex. Gli studi esistenti hanno in gran parte svelato l’impatto a breve termine delle notizie sui tassi di cambio e hanno ignorato l’effetto a lungo termine. Questa analisi si basano principalmente sull’analisi di eventi a frequenza intraday o giornaliera, poiché il mercato Forex potrebbe reagire istantaneamente ai comunicati stampa.

Per capire se esiste dipendenza tra l’incertezza delle notizie e la volatilità del mercato delle valute sono state fatte delle ricerche basate sul NVIX, il News Implied Volatility Index.

Confrontando i modelli, con l’NVIX e senza l’NVIX per verificare se l’aggiunta dell’indice alle regressioni è essenziale, si dimostra attraverso i risultati empirici ottenuti che i modelli con l’NVIX offrono prestazioni migliori rispetto a quelli senza, mettendo in luce l’impatto significativo e positivo delle informazioni di mercato sulle variazioni del mercato Forex.

Gli operatori raccolgono notizie da numerose fonti diverse. Quest’analisi prende in considerazione cinque categorie dell’NVIX: notizie sull’intermediazione finanziaria, sui mercati azionari, sul governo, sulle catastrofi naturali e sulla guerra. L’incertezza delle notizie relative al governo induce una volatilità dei tassi di cambio a lungo termine.

L’NVIX essendo costruito estraendo i titoli e gli abstract del Wall Street Journal, ha un vasto pubblico di professionisti politici, economici e di investitori nei mercati finanziari, sufficiente per influenzare l’economia internazionale. Di conseguenza, l’incertezza delle notizie che riguardano gli Stati Uniti potrebbe essere un fattore plausibile per spiegare le oscillazioni del mercato Forex.

L’indice NVIX contiene cinque tipi di categorie: Financial Intermediation (IN), Stock Markets (SM), Government (GOV), Natural Disasters (ND) e War (WAR). La tabella mostra le parole che vengono utilizzate di più nella stesura delle notizie per ciascuna categoria presa in considerazione:

Tabella: Parole più utilizzate per le cinque categorie

Fonte: “News implied volatility and long-term foreign exchange market volatility”, Yang Liu, Liyan Han, Libo Yin

Ogni componente dell’NVIX può essere considerato come un fattore che può causare incertezza. La figura che segue mostra le variazioni dell’NVIX e delle sue cinque categorie, dal 2000 al 2016. Si trovano fluttuazioni più evidenti dell’intermediazione finanziaria, dei mercati azionari e del governo rispetto agli altri due sottoindici. Le catastrofi naturali variano da -0,15 a 0,05, e la guerra oscilla principalmente tra 0 e 0,5, con l’unico grande picco durante la guerra in Iraq.

Figura: La figura traccia le variazioni dell’NVIX e Financial Intermediation (IN), Stock Markets (SM), Government (GOV), Natural Disaster (ND) e War (WAR) durante il periodo che va dal 2000 al 2016.

Fonte: “News implied volatility and long-term foreign exchange market volatility”, Yang Liu, Liyan Han, Libo Yin.

Twitter @AlessiaDiNoto