🔬 physics

Effects of analyst sentiment on volatility dynamics in financial market

Questo articolo analizza il sentiment degli analisti nel mercato azionario cinese utilizzando l'elaborazione del linguaggio naturale e la modellizzazione GARCH per dimostrare che, sebbene sia il sentiment ottimista che quello pessimista presentino una memoria a breve termine, solo il sentiment pessimista guida e spiega significativamente la futura volatilità del mercato.

Autori originali: Xiongfei Jiang, Tao Cen, Ling Bai, Lifu Jin, Jiu Zhang, Long Xiong

Pubblicato 2026-06-02

📖 4 min di lettura☕ Lettura da pausa caffè

CC BY 4.0

Autori originali: Xiongfei Jiang, Tao Cen, Ling Bai, Lifu Jin, Jiu Zhang, Long Xiong

Articolo originale sotto licenza CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Questa è una spiegazione generata dall'IA dell'articolo qui sotto. Non è stata scritta né approvata dagli autori. Per precisione tecnica, consulta l'articolo originale. Leggi il disclaimer completo

Immaginate il mercato azionario come un oceano gigante e frenetico. Le onde (i prezzi) salgono e scendono, a volte dolcemente, a volte violentamente. Per decenni, gli investitori hanno cercato di prevedere queste onde osservando i "rapporti meteorologici" scritti dagli analisti finanziari. Di solito, si sono concentrati sui numeri rigidi di questi rapporti, come le previsioni sugli utili o i rating di acquisto/vendita.

Ma questo articolo pone una domanda diversa: E quanto riguarda l'umore del rapporto meteorologico stesso?

Gli autori hanno deciso di esaminare il testo di migliaia di rapporti di analisi del mercato azionario cinese (2013–2015) e di utilizzare la tecnologia informatica per misurare la "temperatura emotiva" degli scrittori. Volevano vedere se l'ottimismo o il pessimismo di queste parole potesse prevedere quanto sarebbero state selvagge le onde del mercato (volatilità).

Ecco cosa hanno scoperto, suddiviso in concetti semplici:

1. I due umori: Sole o Nuvole di Tempesta

I ricercatori hanno costruito due "misuratori di umore":

Il Misuratore di Ottimismo: Quante parole felici, "bullish" (rialziste), sono state usate?
Il Misuratore di Pessimismo: Quante parole tristi, "bearish" (ribassiste), sono state usate?

Hanno scoperto che entrambi gli umori sono "effimeri". Come una folata di vento improvvisa o un breve acquazzone, l'umore nei rapporti non dura per sempre. Tuttavia, il pessimismo tende a persistere un po' più a lungo (circa 4–5 settimane) rispetto all'ottimismo (circa 3 settimane).

2. La sorprendente relazione con le onde

La parte più interessante è come questi umori si relazionano alla "ruvidità" del mercato (volatilità).

L'ottimismo agisce come una festa: Quando gli analisti sono molto ottimisti, il mercato tende a diventare più agitato. È come una festa che diventa più rumorosa e caotica; l'alto ottimismo porta a un maggiore trading e a oscillazioni di prezzo più ampie.
Il pessimismo agisce come una biblioteca silenziosa: Quando gli analisti sono molto pessimisti, il mercato diventa in realtà più calmo. È controintuitivo, ma i dati mostrano che l'alto pessimismo porta a meno volatilità.

Perché? Gli autori suggeriscono che si tratti di comportamento umano. Quando le persone sono eccitate (ottimiste), corrono a fare trading, creando caos. Quando le persone sono spaventate o pessimiste, tendono a immobilizzarsi e smettere di fare trading, il che in realtà calma il mercato.

3. Chi è il conducente? (La scoperta della "strada a senso unico")

I ricercatori hanno utilizzato uno strumento matematico chiamato "Entropia di Trasferimento" per capire chi guida chi. Immaginate due auto su una strada: è l'Auto A che spinge l'Auto B, o è l'Auto B che spinge l'Auto A?

Il pessimismo guida la volatilità: Lo studio ha trovato una chiara strada a senso unico. Il pessimismo passato predice la calma futura. Se gli analisti erano cupi la scorsa settimana, è probabile che il mercato sia più calmo questa settimana. La cupezza fornisce informazioni utili che aiutano a stabilizzare il mercato.
L'ottimismo è solo un passeggero: Non c'era una direzione chiara tra l'ottimismo e la volatilità. L'ottimismo non sembra prevedere in modo affidabile cosa faranno le onde del mercato in seguito.

4. Il test "GARCH": La palla di cristallo

Per esserne certi, gli autori hanno eseguito un test statistico sofisticato (chiamato modello GARCH), che è come una palla di cristallo per prevedere la turbolenza del mercato.

Il risultato: Quando hanno aggiunto il "Pessimismo" alla loro palla di cristallo, questa è diventata molto più brava a prevedere quanto il mercato sarebbe stato calmo.
Il limite: Quando hanno aggiunto l' "Ottimismo", la palla di cristallo non è migliorata affatto. L'ottimismo non ha aiutato a prevedere le onde.

5. Perché il pessimismo calma il mercato?

L'articolo offre una spiegazione affascinante sul perché le cattive notizie calmino il mercato:

L'effetto "Voci di corridoio": Nel mondo reale, le cattive notizie spesso trapelano come voci prima che diventino ufficiali. Questo causa panico e trading selvaggio (alta volatilità).
L'effetto "Rapporto Ufficiale": Quando l'analista scrive finalmente il rapporto pessimista ufficiale, questo conferma ciò che la gente già sospettava. L'incertezza è svanita. La "speculazione" si ferma perché la verità è fuori. Una volta che la verità è nota, le persone si sentono più sicure, smettono di farsi prendere dal panico e il mercato si calma.

In sintamente

Questo articolo ci dice che nel mercato azionario cinese, le cattive notizie (pessimismo) sono in realtà un elemento stabilizzatore, mentre le buone notizie (ottimismo) sono una fonte di caos.

Se volete sapere se il mercato sarà calmo la prossima settimana, guardate quanto erano cupi gli analisti questa settimana. Se erano molto negativi, è probabile che il mercato si calmi. Se erano molto felici, aspettatevi turbolenze. L'ottimismo, tuttavia, non sembra dirci molto su ciò che accadrà in seguito.

Sintesi Tecnica: Effetti del Sentiment degli Analisti sulla Dinamica della Volatilità nei Mercati Finanziari

Definizione del Problema
Sebbene i report degli analisti siano considerati riferimenti indispensabili per il processo decisionale di investimento, la letteratura esistente si concentra prevalentemente sui dati strutturati (ad esempio, previsioni sugli utili, rating buy-hold-sell). I dati testuali qualitativi contenuti in tali report, che riflettono il sentiment degli investitori, sono stati ampiamente trascurati nonostante la fattibilità della loro quantificazione tramite l'elaborazione del linguaggio naturale (NLP). Questo studio affronta il vuoto nella comprensione di come il sentiment degli analisti, specificamente estratto da testi non strutturati, influenzi la dinamica della volatilità nel mercato azionario cinese. La ricerca mira a determinare se il sentiment agisca come un fattore di rischio sistematico e a quantificare il flusso direzionale di informazioni tra il sentiment e la volatilità del mercato.

Metodologia
Lo studio impiega un approccio quantitativo multistadio utilizzando dati provenienti dal mercato azionario cinese:

Raccolta dei Dati: Gli autori hanno raccolto gli abstract di 7.789 report di analisti relativi a 197 titoli tra aprile 2013 e dicembre 2015. Per garantire affidabilità e rilevanza predittiva, il campione è stato limitato a report pubblicati prima del rilascio dei bilanci annuali e focalizzato su titoli ampiamente seguiti (escludendo quelli con meno di 20 report per anno fiscale).
Estrazione del Sentiment: Utilizzando il toolkit di segmentazione testuale Jieba e un vocabolario di sentiment cinese curato manualmente, gli autori hanno identificato le tendenze emotive. Le parole legate al sentiment sono state punteggiate su una scala da -2 (molto pessimista) a +2 (molto ottimista), tenendo conto di negazioni e intensificatori.
Costruzione dell'Indice: Sono stati costruiti indici settimanali di sentiment sia per il sentiment ottimistico ( $S^+$ ) che per quello pessimistico ( $S^-$ ), normalizzati rispetto al numero totale di report ( $N_t$ ) in una data settimana.
Analisi Statistica:
- Auto-correlazione: Analisi delle proprietà di memoria degli indici di sentiment.
- Analisi di Correlazione: Definizione di una funzione di correlazione sentiment-volatilità $G(\Delta t)$ per misurare la dipendenza lineare tra sentiment e volatilità (definita come il valore assoluto dei rendimenti logaritmici) a vari lag temporali.
- Entropia di Trasferimento: Applicata a serie temporali finanziarie non stazionarie per misurare il flusso netto di informazioni ( $\delta_{XY}$ ) tra sentiment e volatilità, determinando la direzionalità causale.
- Modellazione GARCH: Inserimento degli indici di sentiment come variabili esogene in un modello GARCH(1,1) per valutare il loro potere esplicativo sulla varianza condizionale (volatilità) dopo aver considerato la persistenza della volatilità.

Risultati Chiave

Caratteristiche di Memoria: Sia il sentiment ottimistico che quello pessimistico mostrano un'auto-correlazione a breve termine. Il sentiment pessimistico dimostra una durata della memoria più lunga (circa 5 settimane) rispetto al sentiment ottimistico (circa 3 settimane).
Dinamiche di Correlazione:
- Sentiment Pessimistico: Mostra una significativa correlazione negativa con la volatilità futura. Alti livelli di pessimismo sono associati a una riduzione della volatilità futura, mentre un basso pessimismo correla con una maggiore volatilità.
- Sentiment Ottimistico: Mostra una correlazione positiva con la volatità. L'alto ottimismo induce una maggiore volatilità.
- Direzionalità: La correlazione si osserva solo quando $\Delta t > 0$ (il sentiment che influenza la volatilità futura), suggerendo che il sentiment guidi la volatilità e non viceversa.
Flusso di Informazioni (Entropia di Trasferimento): L'analisi rivela un flusso netto di informazioni unidirezionale dal passato sentiment pessimistico verso la volatilità futura. Al contrario, non vi è alcun flusso direzionale significativo tra il sentiment ottimistico e la volatilità.
Risultati del Modello GARCH:
- Quando incorporato nel framework GARCH(1,1), il sentiment pessimistico funge da fattore esplicativo statisticamente significativo per la volatilità (specificamente per l'indice CSI 300). Il coefficiente $\lambda$ è negativo, confermando che un alto pessimismo riduce la volatilità futura.
- Il sentiment ottimistico non è statisticamente significativo come variabile esogena nel modello di volatilità.
- L'inclusione del sentiment pessimistico riduce la somma dei coefficienti ( $\alpha + \beta$ ), indicando che esso cattura una parte della persistenza della volatilità.

Significatività e Rivendicazioni
Il documento sostiene che il sentiment pessimistico degli analisti fornisca informazioni predittive indipendenti riguardo alle dinamiche della volatilità di mercato, distinguendosi dal sentiment ottimistico che manca di tale potere predittivo in questo contesto.

Gli autori attribuiscono la correlazione negativa tra pessimismo e volatilità a due meccanismi primari:

Fattori Comportamentali: Gli investitori mostrano razionalità limitata e avversione al rischio. L'alto pessimismo porta all'inattività di trading, riducendo così la volatilità, mentre l'alto ottimismo innesca un trading attivo che aumenta la volatilità.
Divulgazione delle Informazioni: Gli analisti affiliati alle banche d'investimento sono spesso cauti nel rilasciare report pessimistici precocemente a causa dei legami con le società quotate. Di conseguenza, i report pessimistici vengono spesso rilasciati dopo che le notizie sono già circolate tramite voci o informazioni interne. Una volta rilasciato il report pessimistico ufficiale, la speculazione cessa, l'incertezza del mercato diminuisce e la volatilità cala.

Lo studio conclude che il sentiment pessimistico è un proxy robusto del sentiment di mercato che può migliorare la modellazione della volatilità finanziaria, particolarmente all'interno del framework GARCH, mentre il sentiment ottimistico non offre un valore esplicativo simile.