Il topic modeling è una tecnica di apprendimento non supervisionato che cerca di scoprire temi latenti all’interno di un corpus testuale. LDA (Latent Dirichlet Allocation) assume che ogni documento sia una combinazione di un numero fissato di argomenti, e che ogni argomento sia una distribuzione di parole. Questo approccio è particolarmente interpretabile perché l’utente può associare parole chiave a ciascun tema. Top2Vec, invece, combina embedding semantici (tipicamente generati da modelli come BERT) con clustering basato su densità, creando “topic” dinamici senza dover predefinire il numero di temi. BERTopic sfrutta gli embedding di transformer per costruire rappresentazioni dense, poi applica HDBSCAN per il clustering e UMAP per la riduzione dimensionale, consentendo una maggiore flessibilità nella scoperta di argomenti emergenti.
Nel contesto dei fondi hedge, la varietà stilistica dei documenti – report di performance, lettere agli investitori, presentazioni di strategia – introduce rumore lessicale e terminologia specialistica. LDA risulta più robusto quando il numero di argomenti varia, perché la sua struttura probabilistica tende a stabilizzare le assegnazioni tematiche. Top2Vec, grazie agli embedding contestuali, eccelle nella classificazione di documenti con lessico altamente variabile, ma può produrre topic più frammentati.
Per l’analisi del sentiment, DistilBERT è una versione più leggera di BERT, addestrata su un ampio corpus multilingue. La sua capacità di generalizzare lo rende più adatto a testi che mescolano linguaggio finanziario con espressioni colloquiali o metaforiche tipiche delle comunicazioni dei gestori. FinBERT, sebbene ottimizzato per notizie finanziarie, può soffrire di over‑fitting su domini più ristretti. La combinazione di DistilBERT con Top2Vec permette di associare un punteggio di sentiment a ciascun topic, creando una matrice di correlazione tra tono emotivo e tema trattato. Analizzando la variazione temporale di questi punteggi, è possibile identificare pattern ricorrenti: ad esempio, un aumento di sentiment positivo in topic legati a “strategia macro” può precedere performance superiori, mentre sentiment negativo in “rischio di liquidità” può anticipare drawdown.
Infine, la validazione statistica di queste correlazioni richiede metodi robusti, come regressioni panel con effetti fissi per controllare le differenze tra gestori, o test di causalità di Granger per verificare se il sentiment precede effettivamente i rendimenti. L’integrazione di topic modeling e sentiment analysis rappresenta quindi una frontiera promettente per la finanza quantitativa, capace di trasformare testi qualitativi in segnali di trading sistematici.
