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

Resumen Técnico: De Puntuaciones de Sentimiento de Noticias Ruidosas a la Dinámica Temporal Interpretable

Planteamiento del Problema
Los indicadores de sentimiento basados en texto se utilizan ampliamente para monitorear el ánimo público y del mercado; sin embargo, las series de sentimiento agregadas semanalmente son inherentemente ruidosas. Una fuente primaria de este ruido es la variabilidad temporal y categórica en el volumen de noticias relevantes. Algunos promedios semanales se basan en cientos de artículos, mientras que otros se basan en muy pocos. Los enfoques existentes a menudo no logran contabilizar explícitamente estas fluctuaciones en la disponibilidad de datos al medir la incertidumbre. En consecuencia, los métodos de agregación estándar confunden cambios genuinos en el sentimiento con cambios en la fiabilidad de los datos. Este problema es crítico porque utilizar variables generadas por IA como verdad fundamental (ground truth) en análisis econométricos sin tener en cuenta el error de medición puede conducir a estimaciones sesgadas e inferencias inválidas. Además, la literatura reciente enfatiza que la cuantificación de la incertidumbre es esencial para hacer que las señales de IA sean fiables para la toma de decisiones financieras.

Metodología
El artículo propone un modelo de espacio de estados bayesiano jerárquico diseñado para transformar el sentimiento de las noticias agregadas en una serie temporal suavizada con una cuantificación de la incertidumbre fundamentada.

• Procesamiento de Datos: Los artículos de noticias se recopilan y califican utilizando modelos de PLN preentrenados. Se utiliza FinBERT para generar puntuaciones de sentimiento ($S_i \in [-1, 1]$), y un modelo de clasificación zero-shot (bart-large-mnli) asigna puntuaciones de relevancia ($C_{ij}$) a categorías temáticas predefinidas. Los artículos con puntuaciones de relevancia inferiores a un umbral de 0.25 son filtrados.
• Agregación: Para cada ventana temporal $t$ y categoría $j$, se calcula una puntuación de sentimiento agregada ($y_{tj}$) como un promedio ponderado de las puntuaciones a nivel de artículo, donde los pesos son las puntuaciones de relevancia de la categoría.
• Dinámica del Estado Latente: El modelo postula un proceso de sentimiento latente no observado ($x_{tj}$) que evoluciona en el tiempo. Este proceso se modela como un proceso autorregresivo de orden uno (AR(1)) alrededor de una media de largo plazo ($\mu_j$), gobernado por un parámetro de persistencia ($\theta_j$) y una escala de innovación latente ($\sigma_{\eta j}$).
• Modelo de Observación y Peso Efectivo: El sentimiento observado $y_{tj}$ es tratado como una medición ruidosa del estado latente $x_{tj}$. La innovación central reside en el término de ruido de observación, el cual es escalado por un "peso de información efectiva" ($n_{tj}$).
  • $n_{tj}$ se define como la suma de las puntuaciones de relevancia de la categoría para todos los artículos en una ventana determinada.
  • La varianza de la observación se modela como $\sigma_j^2 / n_{tj}$.
  • Mecanismo: Cuando $n_{tj}$ es alto (alta cobertura), el ruido de observación es pequeño y el estado latente se ancla fuertemente a los datos observados. Cuando $n_{tj}$ es bajo (cobertura dispersa), la incertidumbre aumenta y el modelo depende más de la dinámica temporal latente para inferir el estado.
• Estructura Jerárquica: Para mejorar la robustez, particularmente para categorías con datos dispersos, el modelo emplea prioris jerárquicos. Esto permite parámetros específicos de la categoría (persistencia, innovación y ruido de observación) mientras se comparte información entre categorías a través de hiperprioris.
• Inferencia: Las distribuciones posteriores se estiman utilizando métodos de Monte Carlo por cadenas de Markov (MCMC) implementados en JAGS.

Contribuciones Clave

1. Ruido Escalado por Densidad de Información: Los autores introducen un modelo de espacio de estados bayesiano donde el ruido de observación se escala explícitamente por una medida observable y basada en datos de la densidad de información ($n_{tj}$). Esto vincula directamente la disponibilidad de datos con la incertidumbre de la medición, evitando la necesidad de inferir un ruido variante en el tiempo mediante una volatilidad latente genérica.
2. Robustez Jerárquica: El marco utiliza una estructura jerárquica para compartir información a través de múltiples categorías temáticas. Este enfoque mejora la estabilidad de la estimación para categorías con menos mensajes, permitiendo al mismo tiempo comportamientos específicos de cada categoría.
3. Marco Consciente de la Incertidumbre: El modelo proporciona distribuciones posteriores completas para los estados latentes y los parámetros, lo que permite el reporte de intervalos de credibilidad. Esto facilita un enfoque fundamentado para el monitoreo de la dinámica del sentimiento donde la incertidumbre se cuantifica en lugar de ignorarse.

Resultados
El análisis empírico se llevó a cabo sobre un conjunto de datos de aproximadamente 9,918 artículos de noticias que abarcan desde finales de 2023 hasta finales de 2025, categorizados en seis grupos temáticos.

• Inferencia de Parámetros: El análisis posterior revela que el parámetro de persistencia ($\theta_j$) y la escala de innovación latente ($\sigma_{\eta j}$) son ampliamente similares entre las categorías. Las diferencias entre un modelo de agrupación total (fully pooled) y el modelo jerárquico son relativamente pequeñas para estos parámetros, lo que sugiere que la persistencia temporal y la volatilidad a corto plazo son características compartidas entre las categorías.
• Heterogeneidad del Ruido de Observación: Por el contrario, el parámetro de ruido de observación ($\sigma_j$) exhibe una variación significativa entre las categorías. Esto indica que la fiabilidad del sentimiento agregado como un proxy del estado latente varía según el tema, probablemente debido a diferencias en la ambigüedad de la categoría o en la variabilidad del contenido de las noticias.
• Validación del Modelo: Una comparación entre un modelo heterocedástico (donde la varianza escala con $1/n_{tj}$) y un modelo homocedástico (varianza constante) confirma el supuesto central del modelado. La especificación heterocedástica demuestra que la incertidumbre posterior (el ancho del intervalo) aumenta mecánicamente a medida que la densidad de información disminuye, una relación que es estadísticamente significativa y más fuerte que en la variante homocedástica.
• Dinámicas Latentes vs. Observadas: Las estimaciones del estado latente ($x_{tj}$) proporcionan una trayectoria más suave que las puntuaciones agregadas brutas ($y_{tj}$). El modelo filtra eficazmente las fluctuaciones de corto plazo, particularmente durante periodos de cobertura dispersa, distinguiendo la señal del ruido de medición.

Significancia y Reivindicaciones
El artículo posiciona este marco principalmente como una herramienta de monitoreo descriptivo más que de pronóstico. Los autores afirman que, al modelar explícitamente la fiabilidad de la medición basada en la disponibilidad de información, el marco ofrece una representación más interpretable y estable de la dinámica del sentimiento.

La significancia del trabajo radica en su capacidad para:

• Separar los cambios reales de sentimiento de los artefactos causados por el volumen variable de datos.
• Proporcionar intervalos de credibilidad que reflejan la densidad de información real de las fuentes de texto subyacentes.
• Ofrecer un enfoque generalizable para cualquier análisis de sentimiento basado en texto donde la disponibilidad de información fluctúe en el tiempo (por ejemplo, redes sociales, plataformas de mensajería o fuentes de noticias).

Los autores mantienen un alcance modesto, reconociendo limitaciones como la naturaleza arbitraria del umbral de relevancia, la dependencia de modelos de PLN específicos y las dinámicas AR(1) simplificadas elegidas por parsimonia. No reclaman una precisión de pronóstico superior, sino que enfatizan el valor de la cuantificación de la incertidumbre para un análisis y una toma de decisiones posteriores más fiables.