Can news headlines be traded?

Resumo

Jornais académicos documentam uma relação entre notícias e movimentos do mercado financeiro. Exploramos esta observação a nível da empresa segundo uma perspectiva de investimento, com a ajuda de métodos de ML. Diversas implementações de modelos de NLP foram treinadas para produzir uma classificação para as notícias, das quais o melhor modelo é o ’Fin bert’ mais um SVM com kernel rbf. O modelo seleccionado é aplicado às notícias publicadas pela ’Reuters Newswire’ entre 1 de Dezembro de 2020 e 31 de Março de 2022 relativamente aos constituintes do S&P 500. Finalmente, o sentimento é agregado em sinais diários utilizados para criar estratégias de investimento com posições Longas, Curtas e Longas-Curtas, testadas com 100 e 200 empresas. Verificamos que a relação entre sentimento e retorno é mais forte no mesmo dia, com algum valor a ser retido no dia seguinte. Nomeadamente, a estratégia Longa Curta atinge o melhor desempenho, apresentando um alfa positivo significativo em factores Fama-French e um r-squared baixo. No entanto, a rentabilidade das estratégias não se mantém quando se consideram custos de transacção de 10bp. Uma análise adicional utilizando a técnica EWCT para limitar o volume de transacções mostra que a estratégia Longa consegue alguma rentabilidade, ultrapassando o benchmark por uma pequena margem. Este facto é solidificado pelos sentimentos alternativos, que também demonstram potencial na estratégia Longa-Curta, evidenciando o volume de notícias como um componente essencial do sentimento. Verificamos também que limites baixos de transacções na EWCT, proporcionam melhores retornos, o que significa que a tendência do sentimento tem valor.

Data do prémio	17 out. 2022
Idioma original	English
Instituição de premiação	Universidade Católica Portuguesa
Supervisor	Dan Tran (Supervisor)