L’autrice di questo post è Alessia Di Noto, laureata in Finanza Quantitativa all’Università degli Studi di Verona, adesso analyst nella società di consulenza Deloitte – 

Informazioni e prezzi delle azioni. La letteratura in finanza esamina la relazione tra questo connubio, e i modelli standard suggeriscono che i prezzi dovrebbero riflettere le informazioni sia pubbliche che private. Uno strumento utile per indagare empiricamente questi modelli è lo studio delle variazioni dei rendimenti delle azioni durante i periodi con tipologie di informazioni diverse, inteso come un modo per isolare l’effetto delle informazioni private rispetto a quelle pubbliche.

Lo studio effettuato da French e Roll nel 1986, confronta i rapporti di varianza dei rendimenti azionari durante i periodi di negoziazione e durante la notte, per comprendere meglio se la volatilità è causata da informazioni pubbliche, da informazioni private (rivelate attraverso le ore di negoziazione), o da errori di valutazione degli investitori.

Fino ad ora, la logica generale è stata quella che le informazioni private possono influenzare la volatilità solamente durate le ore di trading poiché le informazioni vengono gradualmente rivelate attraverso il trading stesso. L’informazione privata, infatti, viene considerata come il principale motore della volatilità dei rendimenti, nonché guida del trading razionale.

Recentemente, una parte di ricercatori ha appoggiato una visione alternativa a questo pensiero, riuscendo a dimostrare che anche le informazioni pubbliche per le aziende sono una componente significativa della volatilità dei rendimenti azionari.

Utilizzando tecniche basate sull’analisi testuale vengono identificate le notizie importanti come informazioni pubbliche legate a specifici eventi che si sono verificati, quindi i risultati vengono rivalutati differenziando i periodi di non negoziazione dalle fasi di negoziazione, tenendo monitorata allo stesso tempo l’informazione privata.

L’obiettivo è stato quello di essere in grado di analizzare le notizie e determinare attraverso tecniche di intelligenza artificiale quali sono rilevanti e quali no.

In particolare, è stata esaminata la variazione dei rendimenti delle azioni durante le ore di negoziazione e durante la notte, in base ad una clusterizzazione delle notizie:

– notizie non identificate (che non riguardano un argomento specifico);
– notizie identificate (con un argomento identificato rilevante);
– notizie identificate complesse.

Ne deriva che la volatilità varia notevolmente a seconda del tipo di notizia che si sta analizzando, identificata o non identificata. Nei giorni in cui si hanno notizie identificate complesse, la volatilità del prezzo delle azioni è più di due volte superiore a quella degli altri giorni.

Inoltre, si riesce a trovare una grande differenza nella variazione della volatilità quando si confrontano le ore di trading rispetto a quelle notturne. Poiché i rendimenti overnight non sono in gran parte influenzati dal trading guidato dalle informazioni private, si può captare meglio la volatilità derivante dalle informazioni pubbliche.

Per quanto riguarda la misurazione del contenuto e del tono della notizia per applicazioni che vanno oltre la previsione della volatilità del mercato azionario, l’analisi testuale con i text data riesce a captare eventi rilevanti per le aziende, come ad esempio il lancio di nuovi prodotti, fasi di copertura degli analisti, notizie sui risultati finanziari, fusioni, nuove strategie.

L’apprendimento supervisionato è abbastanza appropriato per questo tipo di analisi poiché riesce a fare uno screening di parole positive e negative per l’azienda selezionata e poi utilizzando tecniche basate su metodologie statistiche arriva a decifrare quello che è il sentiment della notizia.

Una prova evidente sul valore dell’informazione la si può anche avere guardando la sfera delle criptovalute.

Qualche settimana fa, infatti, il prezzo dei Bitcoin è nuovamente riuscito a sollecitare l’interesse della massa, che si è riversata su questo mercato per acquistare criptovaluta sui massimi.
Come si può notare dai grafici che seguono, il volume delle ricerche della parola Bitcoin su Google è aumentato significativamente:

Alla ricerca della parola Bitcoin le query che risultano associate sono le seguenti:

E anche Twitter fa la sua parte!

Si presume, infatti, che l’aumento dei post sui Bitcoin su Twitter è stato quasi sempre di corollario a un rialzo nelle successive settimane; al contrario, l’attenzione negativa degli investitori, associata a parole chiave come “bitcoin hack”, farebbe prevedere una diminuzione del prezzo.

Tutto questo ponendo la variabile del tempo fissa al breve periodo.

E sul medio/lungo periodo come si comporterà il mercato?