Curiosamente, la intersección de las redes sociales con el análisis de texto y de imágenes proporciona perspectivas sorprendentes sobre la política monetaria. Investigaciones recientes han demostrado que el análisis de sentimiento de imágenes en Twitter puede predecir el desempeño de las acciones durante los días de anuncios de la FOMC mucho mejor que el análisis de texto por sí solo. Un estudio encontró que, además del uso creciente de imágenes alrededor de los anuncios de la FOMC, el tono de las imágenes está significativamente y negativamente asociado con la prima de riesgo implícita de la FOMC, y positivamente asociado con los rendimientos realizados durante los días de anuncio para los mercados de acciones y bonos del Tesoro. Por otro lado, el tono textual en Twitter no muestra una asociación estadísticamente significativa con la prima de riesgo implícita de la FOMC ni con los rendimientos excesivos realizados. Estos resultados se alinean con la importancia del sentimiento público expresado en Twitter y el uso creciente de medios visuales para transmitir opiniones. Los resultados insignificantes para el tono textual podrían deberse a dificultades para cuantificar el texto de los tweets debido al uso creciente de imágenes en lugar de texto, así como a problemas con la interpretación precisa del texto debido a elementos como emoticonos, sarcasmo y jerga.
Este enfoque innovador aprovecha el procesamiento de lenguaje natural y el análisis de imágenes para medir el sentimiento del mercado, ofreciendo una nueva herramienta para los inversores. ¿Acaso los días de análisis puro de texto han quedado atrás, ya que ya no pueden proporcionar información confiable sobre el sentimiento general de los inversores? Aunque este análisis no proporciona una estrategia directa, las tablas de regresión presentadas en la investigación ofrecen ideas valiosas para análisis futuros.
Sobre la investigación
La introducción del estudio destaca la importancia de comprender el sentimiento del mercado y su poder predictivo, especialmente durante eventos financieros críticos como las reuniones de la FOMC. La Sección 3.3 profundiza en la metodología y los hallazgos, lo que lo convierte en una lectura interesante para lectores interesados en la relación entre redes sociales y mercados financieros.
Detalles del estudio
Autores: Sakshi Jain, Alexander Kurov, Bingxin Li y Jalaj Pathak
Título: Twitter Image Tone and FOMC Announcements
Enlace: https://papers.ssrn.com/sol3/papers.cfm?abstract_id=4937152
Resumen
Cuantificamos el tono de imágenes y texto de tweets en torno a los anuncios de la FOMC y presentamos evidencia sobre el uso creciente de contenido visual. Encontramos que es el tono de las imágenes en los tweets, más que el texto, el que está significativamente asociado con la prima de riesgo implícita de la FOMC y los rendimientos realizados en los mercados de acciones y bonos alrededor de los anuncios de la FOMC. Un aumento de una desviación estándar en el tono de la imagen corresponde a una disminución de seis puntos básicos en la prima de riesgo implícita de la FOMC. Estos resultados están alineados con la importancia del sentimiento público expresado en Twitter y con el uso creciente de medios visuales que incorporan elementos no convencionales como emoticonos, sarcasmo y jerga.
Citas notables del estudio académico
“Específicamente, cuantificamos el tono textual y de imágenes de los tweets alrededor de los anuncios de la FOMC y examinamos su impacto correspondiente en las primas de riesgo implícitas de la FOMC y los rendimientos realizados tanto en los mercados de acciones como de bonos. Cuantificamos el tono de las imágenes en Twitter utilizando el modelo de clasificación de fotos CNN (Obaid y Pukthuanthong, 2022; Jiang et al., 2023). Mientras que el tono textual en Twitter se calcula utilizando TweetNLP (Camacho-Collados et al., 2022). La prima de riesgo implícita de la FOMC utilizada en este estudio se calcula según Liu et al. (2022) y es una medida basada en opciones computada alrededor de los anuncios de la FOMC que minimiza posibles contaminaciones causadas por otros factores de riesgo. El estudio se centra en el periodo de 2013 a 2019 debido a la disponibilidad de datos de Twitter desde 2013. El conjunto de datos de siete años abarca numerosas acciones de política significativas de la Reserva Federal, incluida la continuación del alivio cuantitativo, el despegue de la tasa de fondos federales, aumentos graduales de tasas y reversiones de política.”
“Como lo respaldan Azar y Lo (2016), Masciandaro et al. (2023) y Schmanski et al. (2023), Twitter es un buen proxy del sentimiento del público general, que eventualmente se traduce en el sentimiento del mercado, especialmente en torno a los principales eventos económicos como los anuncios de la FOMC. Además, con la disminución de los tiempos de atención, creemos que las imágenes son un medio importante para expresar y recibir información, al mismo nivel que el texto, o posiblemente incluso más (Obaid y Pukthuanthong, 2022). Argumentamos que las imágenes están más estrechamente asociadas con la información clave, mientras que el texto tiende a ofrecer detalles más completos. En Twitter, una publicación puede incluir típicamente una sola imagen con una línea adicional de texto. Esto sugiere que los usuarios de Twitter utilizan imágenes para transmitir el mensaje más importante que desean compartir, mientras que el texto sirve para ofrecer contexto o información de fondo adicional. Esta distinción estructural resalta por qué las imágenes suelen ser más pertinentes al punto principal y por qué el texto proporciona detalles complementarios y, a veces, menos centrales.”
“Con estas consideraciones, planteamos una relación negativa y significativa entre el tono de Twitter y la prima de riesgo implícita de la FOMC (Liu et al., 2022) y una relación positiva con los rendimientos realizados (Cieslak et al., 2019), debido a que el tono de Twitter es un proxy para el sentimiento del mercado, y por ende, un tono positivo creciente o un tono negativo decreciente implica una percepción y un sentimiento mejorados del mercado tanto para los mercados de acciones como de bonos.”
“La relación negativa del tono de las imágenes con la prima de riesgo implícita de la FOMC está en línea con la interpretación de la prima de riesgo implícita establecida por Liu et al. (2022). Según su definición, la prima de riesgo implícita de la FOMC se asocia negativamente con desarrollos económicos positivos, y viceversa. Esto se debe a que durante períodos de crecimiento económico, como aumentos en el PIB y el crecimiento del consumo, las primas de riesgo son más bajas debido a una menor percepción de riesgo, mientras que durante períodos de desaceleración económica, las primas de riesgo son más altas para compensar mayores percepciones de riesgo.”
“También encontramos una relación positiva y significativa entre el tono de las imágenes y los rendimientos excesivos del índice S&P 500 (Cieslak et al., 2019), así como los rendimientos realizados en los mercados de bonos (Adrian et al., 2013). Dado que la prima de riesgo refleja el pesimismo en el mercado, una medida positiva de la expresión pública tiene una asociación negativa con esta. Sin embargo, los rendimientos excesivos en los mercados de acciones y bonos reflejan el optimismo del mercado y, por lo tanto, tienen una relación positiva con la expresión pública en Twitter.”
“En contraste con la relación negativa y significativa entre el tono de las imágenes en los tweets y la prima de riesgo implícita de la FOMC, la asociación entre el tono textual de los tweets y esta misma prima de riesgo no es significativa.”
“Figura 2: Presenta las primas de riesgo implícitas de la FOMC (IFRP) para el día de los anuncios de la FOMC, calculadas para los coeficientes de aversión al riesgo de γ = 5, γ = 7.5 y γ = 10, que corresponden a α = −13, α = −20.5 y α = −28 respectivamente (Liu et al., 2022; Campbell y Thompson, 2007). Las tendencias revelan fluctuaciones pronunciadas, con un pico notable en las IFRP usando un α de -20.5 tanto en 2016 como en 2018. Los valores de IFRP con α de -28 y -13 siguen un patrón similar, mostrando tendencias superpuestas entre 2016 y 2018.”
“Tabla 6: Presenta el impacto del tono de las imágenes y el texto en Twitter sobre los rendimientos excesivos del índice S&P 500. El rendimiento excesivo se calcula midiendo los rendimientos que exceden los rendimientos libres de riesgo de los bonos del Tesoro de EE. UU. a 30 días (Cieslak et al., 2019; Lucca y Moench, 2015). El Panel A muestra los resultados para el impacto del tono de las imágenes y el texto en Twitter del día t − 1 sobre los rendimientos excesivos del día de anuncio de la FOMC, calculados para el intervalo [0, +1] respecto al anuncio de la FOMC. De manera similar, el Panel B presenta los resultados de las asociaciones entre el tono de las imágenes y el texto en Twitter calculados el día anterior a los anuncios de la FOMC y los rend