Le distanze tra le notizie influenzano i rendimenti?

In uno studio recente, i ricercatori hanno scoperto che il modo in cui le notizie finanziarie descrivono un'azienda può influenzare quanto i suoi rendimenti azionari si muovono insieme ad altre società. Invece di riassumere ogni azienda in un singolo numero, il team ha trattato le informazioni sulle aziende come insiemi di articoli, report e analisi degli analisti. Utilizzando modelli linguistici in grado di trasformare questi testi in vettori numerici (embedding), hanno misurato la distanza tra i profili di due società utilizzando una metrica chiamata distanza quadratico di Wasserstein. Questa distanza cattura quanto sono diverse le distribuzioni delle caratteristiche aziendali quando vengono confrontate come intere collezioni, non solo come numeri singoli. I matematici hanno dimostrato che, date alcune condizioni, questa distanza tra i profili delle aziende impone un limite superiore alla quantità di movimento sistematico (sistematic covariance) che i loro rendimenti possono condividere. In parole povere, più diverse sono le narrazioni sulle aziende, minore è la possibilità che i loro prezzi si muovano insieme in modo coordinato. Per testare l'idea, gli autori hanno applicato il metodo a centinaia di società Nasdaq tra il 2018 e il 2022. Hanno calcolato la distanza tra gli embedding degli articoli per ogni coppia di società e hanno osservato che una distanza maggiore era associata a un movimento dei rendimenti più debole: il coefficiente era 1,92, con un intervallo di confidenza al 95% tra 1,41 e 2,47. Il risultato è rimasto stabile quando i rendimenti sono stati misurati in un periodo successivo, anche se il metodo non è ancora in grado di prevedere il futuro in modo definitivo. Lo studio mostra come i dati linguistici possano diventare una lente potente per esplorare i legami nascosti tra le storie delle aziende e i mercati.

Lo studio si basa sulla geometria della distanza quadratico di Wasserstein (W2) per quantificare la separazione tra distribuzioni latenti di caratteristiche aziendali. Definendo una mappa caratteristica-rischio casuale bi-Lipschitz, gli autori introducono uno "slack del coordinamento del rischio" e un ponte di covariance tra rendimenti e rischio. Sotto queste ipotesi, la distanza osservata sul lato delle caratteristiche fornisce un intervallo condizionale per il soffitto di covariance sistematica: maggiore è la distanza di trasporto, minore è la possibilità di allineare le esposizioni sistematiche. Un termine di eccesso di trasporto registra la discrepanza tra gli accordi di covariance realizzati e quelli massimi possibili. Questo envelope non è un modello di equilibrio di mercato né un modello strutturale identificato; è piuttosto uno strumento di analisi scenaristica. Empiricamente, gli embedding encoder‑only dei modelli linguistici vengono estratti da articoli di notizie finanziarie, comunicati stampa e report degli analisti per le società Nasdaq nel periodo 2018‑2022. In una regressione diadica con effetti firm simmetrici, la distanza W2 tra gli embedding degli articoli predice una minore co-movimento dei rendimenti: il coefficiente è 1,920, con un intervallo di confidenza al 95 % di [1,412, 2,468]. L'effetto mantiene il segno quando i rendimenti sono misurati in una finestra temporale successiva, anche se la costruzione delle caratteristiche non è puntuale e le prove rimangono di natura ridotta. I risultati suggeriscono che le narrazioni linguistiche catturano informazioni rilevanti per la pricing che influenzano la covariance sistematica, offrendo una nuova prospettiva per la ricerca di finanza quantitativa e l'ingegneria delle caratteristiche.