📊 statistics

From Noisy News Sentiment Scores to Interpretable Temporal Dynamics: A Bayesian State-Space Model

Dieses Paper führt ein bayesianisches Zustandsraummodell ein, das verrauschte, mit variabler Abdeckung versehene wöchentliche News-Sentiment-Scores durch die explizite Skalierung der Beobachtungsunsicherheit basierend auf der Anzahl der zugrunde liegenden Artikel in geglättete, interpretierbare zeitliche Dynamiken transformiert und dadurch echte Sentiment-Verschiebungen von Artefakten der Datenverfügbarkeit unterscheidet.

Ursprüngliche Autoren: Ian Carbó Casals

Veröffentlicht 2026-01-26

📖 5 Min. Lesezeit🧠 Tiefgang

CC BY 4.0

Ursprüngliche Autoren: Ian Carbó Casals

Originalarbeit lizenziert unter CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Dies ist eine KI-generierte Erklärung des untenstehenden Papers. Sie wurde nicht von den Autoren verfasst oder gebilligt. Für technische Genauigkeit konsultieren Sie das Originalpaper. Vollständigen Haftungsausschluss lesen

Stellen Sie sich vor, Sie versuchen, einen fernen Radiosender zu hören, der ein fortlaufendes Lied über das Gefühl der Menschen (die „Stimmung“) spielt. Manchmal ist das Signal kristallklar, weil tausende Menschen gleichzeitig mitsingen. Ein andermal ist das Signal voller statischem Rauschen, weil nur wenige Menschen singen oder sie weit entfernt sind.

In dieser Arbeit geht es darum, einen besseren Radioempfänger zu bauen, um dieses „Stimmungs-Lied“ klar zu hören, selbst wenn das Signal schwach oder verrauscht ist.

Das Problem: Das „Rauschen“ in den Nachrichten

Jede Woche lesen Computer tausende Nachrichtenartikel und geben ihnen einen Wert von -1 (sehr schlechte Stimmung) bis +1 (sehr gute Stimmung). Wenn man einfach die Durchschnittswerte Woche für Woche zusammenfasst, erhält man eine zackige, unruhige Linie.

Warum ist sie so unruhig?

Echte Stimmungsschwankungen: Manchmal werden die Menschen tatsächlich wütender oder glücklicher.
Das „Problem der Gruppengröße“: Manchmal gibt es hunderte Artikel über ein Thema (wie „Wirtschaft“). Ein andermal gibt es nur drei.
- Wenn Sie 1.000 Artikel haben, ist Ihr Durchschnitt sehr zuverlässig.
- Wenn Sie nur 3 Artikel haben, ist Ihr Durchschnitt eine bloße Schätzung. Es kann aussehen wie eine riesige Änderung der Stimmung, aber es ist nur deshalb so, weil der Stichprobenumfang winzig war.

Aktuelle Methoden behandeln eine Woche mit 3 Artikeln oft genauso wie eine Woche mit 1.000 Artikeln. Dies vermischt echte Stimmungsschwankungen mit dem „Rauschen“, das durch zu wenig Daten entsteht.

Die Lösung: Der „Intelligente Filter“

Der Autor, Ian Carbó Casals, hat ein Bayesianisches Zustandsraummodell entwickelt. Auf Deutsch gesagt, ist dies ein „Intelligenter Filter“, der zwei Dinge gleichzeitig tut:

Er errät, wie die wahre, zugrunde liegende Stimmung ist (der „latente Zustand“).
Er findet heraus, wie sehr man den Nachrichten, die man gerade liest, vertrauen kann, basierend darauf, wie viele Artikel vorhanden sind.

Die Analogie des „Vertrauensgewichts“:
Stellen Sie sich vor, Sie versuchen, die Außentemperatur zu erraten.

Szenario A: Sie haben 100 Thermometer, die alle 21 °C anzeigen. Sie sind sehr sicher, dass die Temperatur 21 °C beträgt.
Szenario B: Sie haben nur ein einziges Thermometer, und es zeigt 21 °C an. Sie sind weniger sicher. Vielleicht ist es kaputt oder vielleicht ist es nur ein Zufallstreffer.

Dieses Modell verwendet ein „Vertrauensgewicht“ (im Paper als $n_{tj}$ bezeichnet).

Hohes Gewicht (Viele Artikel): Das Modell sagt: „Okay, die Nachrichten sagen, die Stimmung ist positiv. Da es so viele Artikel gibt, vertraue ich dieser Zahl und lasse sie meine Schätzung der ‚wahren Stimmung‘ näher an die Nachrichten heranführen.“
Niedriges Gewicht (Wenige Artikel): Das Modell sagt: „Die Nachrichten sagen, die Stimmung ist positiv, aber es gibt nur wenige Artikel. Das könnte Rauschen sein. Ich werde dem Trend der letzten Wochen mehr Vertrauen schenken als diesen einzelnen Wochenwert und zugeben, dass ich mir nicht zu 100 % sicher bin.“

Wie es funktioniert (Der Motor)

Das Modell behandelt die „wahre Stimmung“ wie einen verborgenen Charakter, der einen Pfad entlangläuft.

Der Pfad: Die Stimmung verändert sich nicht wild; sie bewegt sich über die Zeit hinweg stetig (wie ein Mensch, der geht, und nicht wie jemand, der teleportiert).
Die unklaren Hinweise: Die wöchentlichen Nachrichtenwerte sind wie verschwommene Schnappschüsse dieses Charakters.
Die Magie: Das Modell betrachtet das „Verschwommensein“ des Schnappschusses. Wenn der Schnappschuss verschwommen ist (wenige Artikel), ignoriert das Modell das Verschwommene und nimmt an, dass die Person immer noch ihrem gewohnten Pfad folgt. Wenn der Schnappschuss scharf ist (viele Artikel), passt das Modell den Pfad an, um dem neuen Foto zu entsprechen.

Was sie herausgefunden haben

Der Autor testete dies an Nachrichten zu sechs verschiedenen Themen: Wirtschaft, Technologie, Geopolitik, Energie, Gesellschaft und Unternehmenswesen.

Die „wahre Stimmung“ bewegt sich langsam: Unabhängig davon, ob es um Geld oder Krieg geht, tendiert die zugrunde liegende Stimmung dazu, sich schrittweise zu verändern. Sie springt nicht jede Woche hin und her.
Das Rauschen ist unterschiedlich: Der größte Unterschied zwischen den Themen lag nicht darin, wie sich die Stimmung veränderte, sondern wie verrauscht die Nachrichten waren.
- Einige Themen (wie die Wirtschaft) haben normalerweise viele Artikel, sodass die „wahre Stimmung“ leicht zu erkennen ist.
- Andere Themen haben manchmal sehr wenige Artikel, was es schwieriger macht, die „wahre Stimmung“ genau zu bestimmen.
Das Ergebnis: Das Modell erzeugte für jedes Thema eine glatte, saubere Linie für die „wahre Stimmung“, ergänzt durch eine „unscharfe Zone“ (Unsicherheit) um diese Linie herum. Wenn es wenige Artikel gab, wurde die unscharfe Zone breiter und gab ehrlich zu: „Wir sind uns gerade nicht sicher.“

Warum das wichtig ist

Es geht hier nicht darum, den Aktienmarkt vorherzusagen oder Ihnen zu sagen, was Sie kaufen sollen. Es geht darum, besser zuzuhören.

Wenn Sie ein Forscher oder ein Beobachter sind, der die öffentliche Stimmung verstehen möchte, verhindert dieses Werkzeug, dass Sie in Panik geraten, wenn eine Woche mit sehr wenigen Nachrichten einsetzt. Es sagt Ihnen: „Dieser große Sprung, den du siehst? Das liegt wahrscheinlich nur daran, dass wir in dieser Woche nicht genug Daten hatten, und nicht daran, dass sich die Welt plötzlich verändert hat.“

Es verwandelt ein verrauschtes, zackiges Radiosignal in ein klares, stetiges Lied und sagt Ihnen gleichzeitig ehrlich, wenn das Signal zu schwach ist, um sicher zu sein.

Technische Zusammenfassung: Von verrauschten Nachrichten-Sentiment-Scores zu interpretierbaren temporalen Dynamiken

Problemstellung
Textbasierte Sentiment-Indikatoren werden weit verbreitet zur Überwachung der öffentlichen und Marktstimmung eingesetzt; wöchentlich aggregierte Sentiment-Serien sind jedoch inhärent verrauscht. Eine primäre Quelle dieses Rauschens ist die temporale und kategorische Variabilität im Volumen relevanter Nachrichten. Einige wöchentliche Durchschnitte stützen sich auf hunderte von Artikeln, während andere auf sehr wenigen basieren. Bestehende Ansätze versäumen es oft, diese Schwankungen in der Datenverfügbarkeit explizit bei der Messung von Unsicherheit zu berücksichtigen. Infolgedessen vermengen Standard-Aggregationsmethoden echte Verschiebungen im Sentiment mit Änderungen der Datenzuverlässigkeit. Dieses Problem ist kritisch, da die Verwendung von KI-generierten Variablen als Ground Truth in der ökonometrischen Analyse ohne Berücksichtigung des Messfehlers zu verzerrten Schätzungen und ungültiger Inferenz führen kann. Darüber hinaus betont die jüngere Literatur, dass die Quantifizierung von Unsicherheit essenziell ist, um KI-Signale für finanzielle Entscheidungsfindungen zuverlässig zu machen.

Methodik
Das Paper schlägt ein hierarchisches Bayessches Zustandsraummodell vor, das darauf ausgelegt ist, aggregiertes Nachrichtensentiment in eine geglättete Zeitreihe mit fundierter Quantifizierung von Unsicherheit zu transformieren.

Datenverarbeitung: Nachrichtenartikel werden gesammelt und mittels vortrainierter NLP-Modelle bewertet. FinBERT wird verwendet, um Sentiment-Scores ( $S_i \in [-1, 1]$ ) zu generieren, und ein Zero-Shot-Klassifikationsmodell (bart-large-mnli) weist Relevanz-Scores ( $C_{ij}$ ) zu vordefinierten thematischen Kategorien zu. Artikel mit einem Relevanz-Score unter dem Schwellenwert von 0,25 werden herausgefiltert.
Aggregation: Für jedes Zeitfenster $t$ und jede Kategorie $j$ wird ein aggregierter Sentiment-Score ( $y_{tj}$ ) als gewichteter Durchschnitt der Artikel-basierten Scores bereft, wobei die Gewichte die Relevanz-Scores der Kategorien sind.
Latente Zustandsdynamik: Das Modell postuliert einen nicht beobachtbaren latenten Sentiment-Prozess ( $x_{tj}$ ), der sich über die Zeit entwickelt. Dieser Prozess wird als ein Autoregressiver Prozess erster Ordnung (AR(1)) um einen langfristigen Mittelwert ( $\mu_j$ ) modelliert, gesteuert durch einen Persistenzparameter ( $\theta_j$ ) und eine latente Innovationsskala ( $\sigma_{\eta j}$ ).
Beobachtungsmodell und effektives Gewicht: Der beobachtete Sentiment ( $y_{tj}$ $y_{t j}$ ) wird als verrauschtes Maß des latenten Zustands $x_{tj}$ $x_{t j}$ behandelt. Die zentrale Innovation liegt im Beobachtungswert-Rauschterm, der durch ein „effektives Informationsgewicht“ ( $n_{tj}$ $n_{t j}$ ) skaliert wird.
- $n_{tj}$ ist definiert als die Summe der Relevanz-Scores aller Artikel in einem gegebenen Fenster.
- Die Beobachtungs-Varianz wird als $\sigma_j^2 / n_{tj}$ modelliert.
- Mechanismus: Wenn $n_{tj}$ hoch ist (hohe Abdeckung), ist das Beobachtungswert-Rauschen klein und der latente Zustand wird stark an die beobachteten Daten gebunden. Wenn $n_{tj}$ niedrig ist (geringe Abdeckung), steigt die Unsicherheit und das Modell verlässt sich stärker auf die latenten temporalen Dynamiken, um den Zustand abzuleiten.
Hierarchische Struktur: Um die Robustheit zu verbessern, insbesondere für Kategorien mit spärlichen Daten, verwendet das Modell hierarchische Priors. Dies ermöglicht kategorie-spezifische Parameter (Persistenz, Innovation und Beobachtungswert-Rauschen), während Informationen über Kategorien hinweg durch Hyperpriors geteilt werden.
Inferenz: Die Posteriori-Verteilungen werden mittels Markov-Chain-Monte-Carlo-Methoden (MCMC) geschätzt, die in JAGS implementiert sind.

Zentrale Beiträge

Informationsdichte-skalierte Rauschunterdrückung: Die Autoren führen ein Bayessches Zustandsraummodell ein, bei dem das Beobachtungswert-Rauschen explizit durch ein beobachtbares, datengesteuertes Maß der Informationsdichte ( $n_{tj}$ ) skaliert wird. Dies verknüpft die Datenverfügbarkeit direkt mit der Messunsicherheit und vermeidet die Notwendigkeit, zeitvariante Volatilität über generische latente Prozesse zu inferieren.
Hierarchische Robustheit: Das Framework nutzt eine hierarchische Struktur, um Informationen über mehrere thematische Kategorien hinweg zu teilen. Dieser Ansatz verbessert die Schätzstabilität für Kategorien mit weniger Nachrichten, während er gleichzeitig kategorie-spezifische Verhaltensweisen zulässt.
Unsicherheit-bewusstes Framework: Das Modell liefert vollständige Posteriori-Verteilungen für latente Zustände und Parameter, was die Angabe von Glaubwürdigkeitsintervallen (Credible Intervals) ermöglicht. Dies erleichtert einen prinzipiengetreuen Ansatz zur Überwachung von Sentiment-Dynamiken, bei dem Unsicherheit quantifiziert statt ignoriert wird.

Ergebnisse
Die empirische Analyse wurde an einem Datensatz von etwa 9.918 Nachrichtenartikeln durchgeführt, die von Ende 2023 bis Ende 2025 den sechs thematischen Gruppen zugeordnet wurden.

Parameter-Inferenz: Die Posteriori-Analyse zeigt, dass der Persistenzparameter ( $\theta_j$ ) und die latente Innovationsskala ( $\sigma_{\eta j}$ ) über die Kategorien hinweg weitgehend ähnlich sind. Die Unterschiede zwischen einem voll gepoolten Modell und dem hierarchischen Modell sind für diese Parameter relativ gering, was darauf hindeutet, dass temporale Persistenz und kurzfristige Volatilität geteilte Merkmale über die Kategorien hinweg sind.
Heterogenität des Beobachtungswert-Rauschens: Im Gegensatz dazu zeigt der Beobachtungswert-Rauschparameter ( $\sigma_j$ ) signifikante Variationen zwischen den Kategorien. Dies deutet darauf hin, dass die Zuverlässigkeit des aggregierten Sentiments als Proxy für den latenten Zustand je nach Thema variiert, was wahrscheinlich auf Unterschiede in der Kategorien-Ambiguität oder der Variabilität der Nachrichteninhalte zurückzuführen ist.
Modellvalidierung: Ein Vergleich zwischen einem heteroskedastischen Modell (bei dem die Varianz mit $1/n_{tj}$ skaliert) und einem homoskedastischen Modell (konstante Varianz) bestätigt die zentrale Modellannahme. Die heteroskedastische Spezifikation zeigt, dass die Posteriori-Unsicherheit (Intervallbreite) mechanisch zunimmt, wenn die Informationsdichte abnimmt – eine Beziehung, die statistisch signifikant ist und stärker ausgeprägt ist als in der homoskedastischen Variante.
Latente vs. beobachtete Dynamiken: Die Schätzungen der latenten Zustände ( $x_{tj}$ ) liefern eine glattere Trajektorie als die rohen aggregierten Scores ( $y_{tj}$ ). Das Modell filtert kurzfristige Fluktuationen effektiv heraus, insbesondere in Zeiten geringer Abdeckung, und unterscheidet so zwischen Signal und Messrauschen.

Bedeutung und Ansprüche
Das Paper positioniert dieses Framework primär als Werkzeug zur deskriptiven Überwachung und nicht zur Prognose. Die Autoren behaupten, dass das Framework durch die explizite Modellierung der Messzuverlässigkeit basierend auf der Informationsverfügbarkeit eine interpretierbarere und stabilere Darstellung der Sentiment-Dynamiken bietet.

Die Bedeutung der Arbeit liegt in ihrer Fähigkeit:

Wahre Sentiment-Änderungen von Artefakten zu trennen, die durch variierende Datenvolumina verursacht werden.
Glaubwürdigkeitsintervalle bereitzustellen, die die tatsächliche Informationsdichte der zugrunde liegenden Textquellen widerspiegeln.
Einen generalisierbaren Ansatz für jede textbasierte Sentiment-Analyse zu bieten, bei der die Informationsverfügbarkeit über die Zeit schwankt (z. B. Social Media, Messaging-Plattformen oder News-Feeds).

Die Autoren halten den Umfang moderat und räumen Einschränkungen wie der willkürlichen Natur des Relevanz-Schwellenwerts, der Abhängigkeit von spezifischen NLP-Modellen und der vereinfachten AR(1)-Dynamik für die Parsimonie ein. Sie beanspruchen keine überlegene Prognosegenauigkeit, sondern betonen den Wert der Quantifizierung von Unsicherheit für eine zuverlässige nachgelagerte Analyse und Entscheidungsfindung.