📈 economics

CausalAlpha: A Real-Time Geopolitical Risk Index from OSINT Channels for Causal Discovery in Financial Markets

Cet article présente CausalAlpha, un cadre open-source qui exploite le traitement du langage naturel sur les données OSINT de Telegram pour construire un indice de risque géopolitique en temps réel et emploie des algorithmes de découverte causale pour démontrer que l'instabilité politique et la couverture médiatique de l'énergie pilotent les récits de conflit, lesquels impactent par la suite les rendements boursiers du secteur de l'énergie, tout en révélant que la transmission quotidienne de ces signaux aux marchés financiers plus larges est statistiquement faible.

Auteurs originaux : Andres Azqueta-Gavaldon, Borja Ureta

Publié 2026-06-08

📖 5 min de lecture🧠 Analyse approfondie

CC BY 4.0

Auteurs originaux : Andres Azqueta-Gavaldon, Borja Ureta

Article original sous licence CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Ceci est une explication générée par l'IA de l'article ci-dessous. Elle n'a pas été rédigée ni approuvée par les auteurs. Pour une précision technique, consultez l'article original. Lire la clause de non-responsabilité complète

Imaginez que vous essayiez de prédire une tempête. Traditionnellement, les météorologues attendent le rapport officiel du gouvernement, qui est précis mais arrive souvent un jour ou deux après que les nuages ont déjà commencé à s'accumuler.

CausalAlpha est un nouvel outil qui agit comme un réseau de milliers de observateurs météorologiques amateurs sur une application de messagerie privée (Telegram). Au lieu d'attendre le rapport officiel, il écoute ces observateurs en temps réel pour comprendre non seulement qu'une tempête arrive, mais aussi comment les différentes parties du système tempétueux sont connectées entre elles.

Voici une décomposition de ce que l'article a réellement trouvé, en utilisant des analogies simples :

1. L'outil : Un « radar météorologique géopolitique »

Les chercheurs ont construit un système appelé CauxalAlpha. Il scanne six canaux Telegram spécifiques gérés par des journalistes et des enquêteurs indépendants.

Comment ça marche : Il utilise un programme informatique pour lire des milliers de messages chaque jour. Il les classe dans cinq catégories : Conflit (guerres/combats), Instabilité politique (troubles/élections), Énergie (pétrole/gaz), Commerce (transport maritime/sanctions) et Stress financier (crises bancaires).
Le but : Au lieu de simplement compter combien de mots effrayants sont utilisés, le système essaie de comprendre la chaîne de cause à effet. Il demande : « Est-ce que les nouvelles concernant les problèmes politiques causent les nouvelles de guerre, ou est-ce que la guerre cause les problèmes politiques ? »

2. Le travail de détective : Trouver le « Qui a fait quoi à qui »

Pour résoudre ce puzzle, les auteurs ont utilisé un outil mathématique de détective spécial appelé l'Algorithme PC.

L'analogie : Imaginez que vous observez un groupe d'amis dans une pièce. Vous les voyez tous parler et réagir. Un observateur simple pourrait dire : « Ils réagissent tous à la même chose. » Mais l'algorithme PC est comme un détective qui demande : « Si on ignore tout le reste, est-ce que l'action de l'Ami A cause directement la réaction de l'Ami B ? »
Pourquoi c'est important : Cela aide les chercheurs à éviter d'être trompés par des choses qui arrivent simplement en même temps. Ils chercheent le véritable « effet domino ».

3. Les principales découvertes : La « chaîne de dominos »

Après avoir appliqué leur travail de détective sur les données, ils ont trouvé un schéma très cohérent dans la façon dont les nouvelles géopolitiques se propagent :

L'effet « Évier » : Pensez au « Conflit » (les nouvelles de guerre) comme à un grand drain ou un évier dans une cuisine.
- Constat : Les informations sur l'Instabilité politique et la Sécurité énergétique (comme les pipelines de pétrole ou les centrales électriques) coulent systématiquement dans l'évier du « Conflit ».
- Signification : Dans le cycle de l'information en temps réel, les rapports sur les troubles politiques et les menaces énergétiques ont tendance à se produire avant que les rapports sur l'escalade des combats réels ne surviennent. Les combats sont le résultat final de ces tensions antérieures.
La connexion avec le « Marché de l'énergie » :
- Constat : Lorsque le cycle de l'information devient bruyant au sujet des Conflits, cela est suivi de changements dans le cours des actions des entreprises énergétiques (plus précisément le fonds XLE).
- Signification : L'article suggère que lorsque le monde commence à parler d'un combat, le marché de l'énergie y réagit. Curieusement, les nouvelles sur le combat semblent précéder le marché, et non l'inverse.

4. Le rebondissement surprenant : Le « Mur Silencieux » entre les nouvelles et les prix

C'est la partie la plus contre-intuitive de l'article.

L'attente : Vous pourriez penser que si une chaîne d'information hurle « La guerre arrive ! », la bourse devrait immédiatement bondir ou s'effondrer.
La réalité : Les chercheurs ont découvert que, d'un jour à l' l'autre, la connexion est très faible.
L'analogie : Imaginez une sirène bruyante (l'information) qui retentit dans une ville, mais le trafic (le marché boursier) ne semble pas changer de vitesse immédiatement.
Pourquoi ? L'article suggère que les marchés financiers sont comme un groupe de traders très rapides et intelligents qui comprennent la nouvelle avant même qu'elle n'atteigne les canaux Telegram. Au moment où l'information est écrite et diffusée, le marché l'a déjà intégrée dans ses prix. Ainsi, les signaux de l'information nous disent principalement comment les médias parlent de la crise, et non nécessairement comment le marché bouge en temps réel.

5. Ce que cela signifie (selon l'article)

L'article conclut que cet outil est excellent pour surveiller le récit (la narration).

Il peut vous indiquer que l'instabilité politique et les menaces énergétiques sont en train de monter, ce qui mènera probablement à un pic de couverture médiatique sur les conflits.
Cependant, il avertit que ce n'est pas parce que l'actualité hurle à la crise que le marché boursier réagira aujourd'hui. Le marché est souvent un pas en avant du cycle de l'information.

En bref : CausalAlpha est une oreille attentive au sol en temps réel qui cartographie la façon dont les récits géopolitiques passent de petites étincelles politiques ou énergétiques à des récaux de conflits généralisés. Il nous indique que le récit médiatique suit un ordre spécifique, mais que le marché boursier est souvent trop rapide pour être rattrapé par le cycle quotidien de l'information.

Résumé Technique de « CausalAlpha : Un indice de risque géopolitique en temps réel issu des canaux OSINT pour la découverte causale sur les marchés financiers »

1. Énoncé du problème

Les indices de risque géopolitique (GPR) traditionnels, tels que l'œuvre séminale de Caldara et Iacoviello (2022), reposent sur les archives de journaux. Ces sources souffrent de décalages systématiques dus à la curation éditoriale, au filtrage et aux cycles de publication, créant un délai entre les événements géopolitiques et leur mesure. Bien que les réseaux sociaux offrent des données en temps réel, leur application en tant que signal financier — particulièrement à partir de plateformes de messagerie cryptées comme Telegram, où la surveillance des conflits précède souvent les médias traditionnels — reste sous-étudiée. De plus, les approches standards pour lier le risque aux marchés, telles que la causalité de Granger, échouent souvent à rendre compte des causes communes, menant à des inférences spécieuses. Il existe un besoin pour un indice GPR à haute fréquence et en temps réel, dérivé de l'intelligence de sources ouvertes (OSINT), qui utilise des méthodes rigoureuses de découverte causale pour cartographier les dépendances dirigées entre les récits géopolitiques et les variables des marchés financiers.

2. Méthodologie

Le document présente CausalAlpha, un cadre open-source qui intègre le traitement du langage naturel (NLP) avec la découverte causale basée sur des contraintes.

Construction des données :
- Corpus OSINT : Le système extrait en temps réel les messages de six canaux Telegram (ex: Bellingcat, WarTranslated, Reuters World) en utilisant la bibliothèque Telethon. Le corpus se concentre sur la surveillance des conflits et exclut les sources pro-Kremlin ou de désinformation.
- Indicateurs NLP : Au lieu d'un indice agrégé unique, le cadre génère cinq indicateurs GPR spécifiques par catégorie : Conflit, Instabilité Politique, Sécurité Énergétique, Perturbation du Commerce et Stress Financier.
- Métrique : Pour chaque catégorie $c$ et jour $t$ , l'indicateur brut est la part de messages contenant des mots-clés spécifiques à la catégorie. Pour préserver la variation hebdomadaire tout en lissant le bruit quotidien, une moyenne mobile de 7 jours est calculée.
- Variables financières : L'étude utilise les prix de clôture quotidiens de 16 variables réparties dans quatre classes d'actifs : matières premières (ex: Brent, Or), taux de change, indices boursiers/ETF sectoriels (ex: XLE, ITA) et instruments de crédit. Toutes les séries de prix sont différenciées pour assurer la stationnarité.
Découverte Causale (Algorithme PC) :
- La méthodologie centrale utilise l'algorithme de Peter–Clark (PC) (Spirtes et al., 2000) pour récupérer la classe d'équivalence de Markov du véritable graphe acyclique dirigé (DAG).
- Procédure : L'algorithme commence par un graphe non orienté complet et supprime les arêtes basées sur des tests d'indépendance conditionnelle (test Z de Fisher) conditionnés par des sous-ensembles de variables. Il oriente ensuite les arêtes en utilisant les règles de propagation de Meek pour identifier les structures en V.
- Protocole de robustesse : Pour garantir la fiabilité, les auteurs estiment l'algorithme PC via un balayage $4 \times 3$ $4 \times 3$ :
  - 4 spécifications de DAG : Variant le sous-ensemble de variables financières (Macro Core, Matières Premières, Crédit & FX, ETF Sectoriels) tout en maintenant constants les cinq indicateurs NLP.
  - 3 niveaux de signification : $\alpha \in \{0,05, 0,10, 0,15\}$ .
- Rééchantillonnage : Une procédure de block-bootstrap (500 rééchantillonnages, taille de bloc = 7 jours) est utilisée pour quantifier l'incertitude d'échantillonnage des arêtes identifiées, préservant la structure d'autocorrélation des données de fenêtre mobile.
- Validation : Un modèle VAR structurel (SVAR) est estimé sur le panel macro central pour générer des fonctions de réponse impulsionnelle (IRF) et des décompositions de la variance de l'erreur de prévision (FEVD), en utilisant l'ordre topologique dérivé de l'algorithme PC.

3. Contributions Clés

Indice GPR à haute fréquence : Construction d'un nouvel indice GPR à cinq dimensions dérivé directement de canaux OSINT Telegram en temps réel, offrant une alternative à plus faible latence que les mesures basées sur les journaux.
Application de la découverte causale : Application de l'algorithme PC pour identifier la structure causale dirigée entre l'incertitude géopolitique et les marchés financiers, évitant les risques d'inférence spécieuse associés à la causalité de Granger par paires en conditionnant sur l'ensemble des variables.
Système de production : Déploiement d'une application de production automatisée et open-source (CausalAlpha) sur Google Cloud Run qui gère la collecte de données, la construction de l'indice, l'estimation du graphe causal et le reporting.

4. Résultats Clés

L'analyse produit des conclusions spécifiques concernant l'architecture causale des récits géopolitiques et leur transmission aux marchés :

Architecture causale des récits : Deux arêtes sont globalement robustes à travers les quatre spécifications de DAG à $\alpha = 0,10$ $α = 0, 10$ :
- Instabilité Politique $\rightarrow$ Couverture de Conflit
- Couverture Média de l'Énergie $\rightarrow$ Couverture de Conflit
- Cela établit le « Conflit » comme le principal puits causal de l'escalade des récits géopolitiques dans les canaux OSINT, suggérant que la couverture des conflits agrège les signaux préalables des dimensions politiques et énergétiques.
Transmission au Marché :
- Au niveau de signification le plus strict ( $\alpha = 0,05$ ), l'arête Couverture de Conflit $\rightarrow$ Rendements des Actions du Secteur de l'Énergie ( $\Delta$ XLE) est identifiée. Cela suggère que l'escalade géopolitique se transmet aux marchés d'actions de l'énergie avant de se propager pleinement dans le cycle médiatique global.
- Obligations des Marchés Émergents $\rightarrow$ VIX : L'arête $\Delta$ EM Bonds $\rightarrow$ VIX survit à $\alpha = 0,05$ , indiquant que le stress des obligations souveraines agit comme un signal d'alerte précoce pour la volatilité plus large du marché.
- Faible transmission quotidienne : L'analyse SVAR révèle que la transmission dynamique des signaux NLP vers les prix des marchés financiers est statistiquement faible à fréquence quotidienne. Les fonctions de réponse impulsionnelle montrent des bandes de confiance incluant zéro pour la plupart des paires, et la FEVD indique que les indicateurs NLP géopolitiques expliquent moins de 5 % de la variance de prévision des prix du marché.
Ordre de l'information : Les résultats suggèrent que les signaux d'actualité géopolitique opèrent principalement au sein du système de récit médiatique (façonnant la manière dont les événements sont couverts) plutôt que de générer des mouvements de prix immédiats et statistiquement détectables sur les marchés à fréquence quotidienne.

5. Signification et Revendications

Le document prétend fournir une étape vers une surveillance en temps réel des risques macrofinanciers utilisant l'OSINT. Sa principale importance réside dans :

Rigueur méthodologique : Démontrer que la découverte causale basée sur des contraintes (algorithme PC) peut récupérer des dépendances dirigées dans des données financières de haute dimension sans imposer de restrictions d'ordre préalables, contrairement aux VAR structurels.
Insight empirique : Remettre en question l'hypothèse selon laquelle l'actualité OSINT en temps réel conduit immédiatement les prix quotidiens des actifs. Au contraire, les résultats suggèrent une hiérarchie où les récits politiques et énergétiques pilotent la couverture des conflits, laquelle influence ensuite des actions sectorielles spécifiques (Énergie) à des niveaux de signification stricts, tandis que la transmission globale au marché reste faible à des fréquences quotidiennes.
Utilité pratique : Offrir un cadre pour la surveillance du risque souverain où l'observation systématique des récits politiques et énergétiques dans les canaux OSINT peut fournir des signaux précurseurs de l'escalade des conflits avant qu'ils n'apparaissent dans les indices traditionnels.

Les auteurs restent modestes quant à la généralisabilité de leurs conclusions, notant que le corpus est fortement orienté vers le conflit Russie-Ukraine et que l'indicateur « Financier » est parcimonieux. Ils déclarent explicitement que le cadre est une étape de production vers la surveillance, avec la nécessité de travaux futurs pour étendre l'analyse à des fréquences plus basses et incorporer des données de marchés de prédiction comme troisième couche d'information.