🔬 physics

Effects of analyst sentiment on volatility dynamics in financial market

Este artículo analiza el sentimiento de los analistas en el mercado de valores chino utilizando procesamiento de lenguaje natural y modelos GARCH para demostrar que, si bien tanto el sentimiento optimista como el pesimista exhiben memoria de corto alcance, solo el sentimiento pesimista impulsa y explica significativamente la volatilidad futura del mercado.

Autores originales: Xiongfei Jiang, Tao Cen, Ling Bai, Lifu Jin, Jiu Zhang, Long Xiong

Publicado 2026-06-02

📖 5 min de lectura🧠 Análisis profundo

CC BY 4.0

Autores originales: Xiongfei Jiang, Tao Cen, Ling Bai, Lifu Jin, Jiu Zhang, Long Xiong

Artículo original bajo licencia CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Esta es una explicación generada por IA del artículo a continuación. No ha sido escrita ni avalada por los autores. Para mayor precisión técnica, consulte el artículo original. Leer descargo de responsabilidad completo

Imagina el mercado de valores como un océano gigante y bullicioso. Las olas (los precios) suben y bajan, a veces suavemente, otras veces violentamente. Durante décadas, los inversores han intentado predecir estas olas observando los "reportes meteorológicos" escritos por analistas financieros. Por lo general, se han centrado en los números duros de estos informes, como los pronósticos de ganancias o las calificaciones de compra/venta.

Pero este artículo plantea una pregunta diferente: ¿Qué pasa con el estado de ánimo del propio reporte meteorológico?

Los autores decidieron observar el texto de miles de informes de analistas del mercado de valores chino (2013–2015) y utilizar tecnología informática para medir la "temperatura emocional" de los escritores. Querían ver si el optimismo o el pesimismo en estas palabras podía predecir qué tan salvajes se volverían las olas del mercado (la volatilidad).

Aquí está lo que encontraron, desglosado en conceptos simples:

1. Los dos estados de ánimo: Brillo del sol frente a nubes de tormenta

Los investigadores construyeron dos "medidores de estado de ánimo":

El Medidor de Optimismo: ¿Cuántas palabras felices o "alcistas" se utilizaron?
El Medidor de Pesimismo: ¿Cuántas palabras tristes o "bajistas" se utilizaron?

Descubrieron que ambos estados de ánimo son "efímeros". Como una ráfaga de viento repentina o un breve aguacero, el estado de ánimo en los informes no dura para siempre. Sin embargo, el pesimismo tiende a permanecer un poco más (unas 4 o 5 semanas) que el optimismo (unas 3 semanas).

2. La sorprendente relación con las olas

La parte más interesante es cómo estos estados de ánimo se relacionan con la "rugosidad" del mercado (la volatilidad).

El optimismo actúa como una fiesta: Cuando los analistas son muy optimistas, el mercado tiende a volverse más agitado. Es como una fiesta que se vuelve más ruidosa y caótica; el alto optimismo conduce a más operaciones y mayores oscilaciones en el precio.
El pesimismo actúa como una biblioteca silenciosa: Cuando los analistas son muy pesimistas, el mercado en realidad se vuelve más tranquilo. Es contraintuitivo, pero los datos muestran que el alto pesimismo conduce a menos volatilidad.

¿Por qué? Los autores sugieren que se trata del comportamiento humano. Cuando la gente está emocionada (optimista), corre a operar, creando caos. Cuando la gente tiene miedo o es pesimista, tiende a congelarse y deja de operar, lo que en realidad calma el mercado.

3. ¿Quién es el conductor? (El descubrimiento de la "calle de un solo sentido")

Los investigadores utilizaron una herramienta matemática llamada "Entropía de Transferencia" para determinar quién conduce a quién. Imagina dos coches en una carretera: ¿está el Coche A empujando al Coche B, o el Coche B al Coche A?

El pesimismo impulsa la volatilidad: El estudio encontró una calle clara de un solo sentido. El pesimismo pasado predice la calma futura. Si los analistas fueron sombríos la semana pasada, es probable que el mercado sea más tranquilo esta semana. La melancolía proporciona información útil que ayuda a asentar el mercado.
El optimismo es solo un pasajero: No hubo una dirección clara entre el optimismo y la volatilidad. El optimismo no parece predecir de manera fiable qué harán las olas del mercado a continuación.

4. La prueba "GARCH": La bola de cristal

Para estar seguros, los autores ejecutaron una prueba estadística sofisticada (llamada modelo GARCH), que es como una bola de cristal para predecir la turbulencia del mercado.

El resultado: Cuando añadieron el "Pesimismo" a su bola de cristal, esta mejoró mucho en su capacidad para predecir qué tan tranquilo estaría el mercado.
El problema: Cuando añadieron el "Optimismo", la bola de cristal no mejoró en nada. El optimismo no ayudó a predecir las olas.

5. ¿Por qué el pesimismo calma el mercado?

El artículo ofrece una explicación fascinante de por qué las malas noticias calman el mercado:

El efecto del "rumor": En el mundo real, las malas noticias suelen filtrarse como rumores antes de que sean oficiales. Esto causa pánico y un comercio salvaje (alta volatilidad).
El efecto del "informe oficial": Cuando el analista finalmente escribe el informe pesimista oficial, este confirma lo que la gente ya sospechaba. La incertidumbre desaparece. La "especulación" se detiene porque la verdad ha salido a la luz. Una vez que se conoce la verdad, la gente siente más certeza, deja de entrar en pánico y el mercado se estabiliza.

Conclusión

Este artículo nos dice que, en el mercado de valores chino, las malas noticias (pesimismo) son en realidad un estabilizador, mientras que las buenas noticias (optimismo) son una fuente de caos.

Si quieres saber si el mercado estará tranquilo la próxima semana, observa qué tan sombríos fueron los analistas esta semana. Si fueron muy negativos, es probable que el mercado se calme. Si estuvieron muy felices, espera cierta turbulencia. El optimismo, sin embargo, no parece decirnos mucho sobre lo que vendrá después.

Resumen Técnico: Efectos del Sentimiento de los Analistas en la Dinámica de la Volatilidad en el Mercado Financiero

Planteamiento del Problema
Si bien los informes de analistas se han establecido como referencias indispensables para la toma de decisiones de inversión, la literatura existente se centra predominantemente en datos estructurados (por ejemplo, pronósticos de ganancias, calificaciones de compra-mantener-venta). Los datos textuales cualitativos dentro de estos informes, que reflejan el sentimiento de los inversores, han sido ampliamente ignorados a pesar de la viabilidad de cuantificarlos mediante el Procesamiento de Lenguaje Natural (PLN). Este estudio aborda la brecha en la comprensión de cómo el sentimiento de los analistas, específicamente el extraído de texto no estructurado, influye en la dinámica de la volatilidad del mercado de valores chino. La investigación busca determinar si el sentimiento actúa como un factor de riesgo sistemático y cuantificar el flujo direccional de información entre el sentimiento y la volatilidad del mercado.

Metodología
El estudio emplea un enfoque cuantitativo de múltiples etapas utilizando datos del mercado de valores chino:

Recopilación de Datos: Los autores recopilaron resúmenes de 7.789 informes de analistas que cubren 197 acciones entre abril de 2013 y diciembre de 2015. Para asegurar la fiabilidad y la relevancia predictiva, la muestra se restringió a informes publicados antes de las publicaciones de los informes anuales y se centró en acciones ampliamente seguidas (excluyendo aquellas con menos de 20 informes por año fiscal).
Extracción de Sentimiento: Utilizando la herramienta de segmentación de texto de código abierto Jieba y un vocabulario de sentimiento en chino curado manualmente, los autores identificaron tendencias emocionales. Las palabras de sentimiento fueron calificadas en una escala de -2 (muy pesimista) a +2 (muy optimista), contabilizando negaciones e intensificadores.
Construcción de Índices: Se construyeron índices de sentimiento semanales tanto para el sentimiento optimista ( $S^+$ ) como para el pesimista ( $S^-$ ), normalizados por el número total de informes ( $N_t$ ) en una semana determinada.
Análisis Estadístico:
- Autocorrelación: Analizó las propiedades de memoria de los índices de sentimiento.
- Análisis de Correlación: Definió una función de correlación sentimiento-volatilidad $G(\Delta t)$ para medir la dependencia lineal entre el sentimiento y la volatilidad (definida como el valor absoluto de los rendimientos logarítmicos) en varios desfases temporales.
- Entropía de Transferencia: Aplicada a series temporales financieras no estacionarias para medir el flujo neto de información ( $\delta_{XY}$ ) entre el sentimiento y la volatilidad, determinando la direccionalidad causal.
- Modelado GARCH: Incorporó los índices de sentimiento como variables exógenas en un modelo GARCH(1,1) para evaluar su poder explicativo sobre la varianza condicional (volatilidad) tras contabilizar la persistencia de la volatilidad.

Resultos Clave

Características de Memoria: Tanto el sentimiento optimista como el pesimista exhiben una autocorrelación de corto alcance. El sentimiento pesimista demuestra una duración de memoria más larga (aproximadamente 5 semanas) en comparación con el sentimiento optimista (aproximadamente 3 semanas).
Dinámica de Correlación:
- Sentimiento Pesimista: Muestra una correlación negativa significativa con la volatilidad futura. Los altos niveles de pesimismo están asociados con una reducción de la volatilidad futura, mientras que un bajo pesimismo se correlaciona con una mayor volatilidad.
- Sentimiento Optimista: Muestra una correlación positiva con la volatilidad. El alto optimismo induce una mayor volatilidad.
- Direccionalidad: La correlación se observa solo cuando $\Delta t > 0$ (el sentimiento afectando la volatilidad futura), lo que sugiere que el sentimiento impulsa la volatilidad pero no al revés.
Flujo de Información (Entropía de Transferencia): El análisis revela un flujo neto de información unidireccional desde el pasado sentimiento pesimista hacia la volatilidad futura. En contraste, no existe un flujo direccional significativo entre el sentimiento optimista y la volatilidad.
Hallazgos del Modelo GARCH:
- Al ser incorporado en el marco GARCH(1,1), el sentimiento pesimista sirve como un factor explicativo estadísticamente significativo para la volatilidad (específicamente para el índice CSI 300). El coeficiente $\lambda$ es negativo, confirmando que un alto pesimismo reduce la volatilidad futura.
- El sentimiento optimista no es estadísticamente significativo como variable exógena en el modelo de volatilidad.
- La inclusión del sentimiento pesimista reduce la suma de los coeficientes ( $\alpha + \beta$ ), lo que indica que captura una parte de la persistencia de la volatilidad.

Significancia y Reivindicaciones
El artículo sostiene que el sentimiento pesimista de los analistas proporciona información predictiva independiente respecto a la dinámica de la volatilidad del mercado, distinguiéndose del sentimiento optimista, el cual carece de tal poder predictivo en este contexto.

Los autores atribuyen la correlación negativa entre el pesimismo y la volatilidad a dos mecanismos primarios:

Factores Conductuales: Los inversores exhiben racionalidad limitada y aversión al riesgo. Un alto pesimismo conduce a la inactividad comercial, reduciendo así la volatilidad, mientras que un alto optimismo desencadena una actividad comercial intensa que aumenta la volatilidad.
Divulgación de Información: Los analistas afiliados a bancos de inversión suelen ser cautelosos al publicar informes pesimistas tempranos debido a sus vínculos con las empresas cotizadas. En consecuencia, los informes pesimistas se publican a menudo después de que las noticias ya han circulado a través de rumores o información privilegiada. Una vez que se publica el informe pesimista oficial, la especulación cesa, la incertidumbre del mercado disminuye y la volatilidad cae.

El estudio concluye que el sentimiento pesimista es un indicador robusto del sentimiento del mercado que puede mejorar el modelado de la volatilidad financiera, particularmente dentro del marco GARCH, mientras que el sentimiento optimista no ofrece un valor explicativo similar.