📈 economics

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

Questo articolo introduce CausalAlpha, un framework open-source che sfrutta l'NLP su dati OSINT di Telegram per costruire un indice di rischio geopolitico in tempo reale e impiega algoritmi di scoperta causale per dimostrare che l'instabilità politica e la copertura mediatica sull'energia guidano le narrazioni di conflitto, le quali successivamente impattano i rendimenti azziari del settore energetico, rivelando al contempo che la trasmissione giornaliera di questi segnali ai mercati finanziari più ampi è statisticamente debole.

Autori originali: Andres Azqueta-Gavaldon, Borja Ureta

Pubblicato 2026-06-08

📖 5 min di lettura🧠 Approfondimento

CC BY 4.0

Autori originali: Andres Azqueta-Gavaldon, Borja Ureta

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

Immagina di cercare di prevedere una tempesta. Tradizionalmente, i meteorologi aspettano il rapporto ufficiale del governo, che è accurato ma spesso arriva un giorno o due dopo che le nuvole hanno già iniziato ad accumularsi.

CausalAlpha è un nuovo strumento che agisce come una rete di migliaia di osservatori meteorologici dilettanti su un'app di messaggistica privata (Telegram). Invece di aspettare il rapporto ufficiale, ascolta questi osservatori in tempo reale per capire non solo che una tempesta stia arrivando, ma anche come le diverse parti del sistema temporalesco si colleghino tra loro.

Ecco una ripartizione di ciò che la ricerca ha effettivamente scoperto, utilizzando analogie semplici:

1. Lo Strumento: Un "Radar Meteorologico Geopolitico"

I ricercatori hanno costruito un sistema chiamato CausalAlpha. Esso scansiona sei canali Telegram specifici gestiti da giornalisti e investigatori indipendenti.

Come funziona: Utilizza un programma per computer per leggere migliaia di messaggi ogni giorno. Li suddivide in cinque categorie: Conflitto (guerre/combattimenti), Instabilità Politica (disordini/elezioni), Energia (petrolio/gas), Commercio (spedizioni/sanzioni) e Stress Finanziario (crisi bancarie).
L'obiettivo: Invece di limitarsi a contare quanti termini allarmanti vengono utilizzati, il sistema cerca di capire la catena di causa-effetto. Si chiede: "Le notizie sulla difficoltà politica causano notizie sulla guerra, o la guerra causa difficoltà politiche?"

2. Il Lavoro Investigativo: Trovare il "Chi ha fatto cosa a chi"

Per risolvere questo enigma, gli autori hanno utilizzato uno speciale strumento investigativo matematico chiamato Algoritmo PC.

L'analogia: Immagina di osservare un gruppo di amici in una stanza. Li vedi tutti parlare e reagire. Un osservatore semplice potrebbe dire: "Stanno tutti reagendo alla stessa cosa". Ma l'Algoritmo PC è come un detective che si chiede: "Se ignoriamo tutto il resto, l'azione dell'Amico A causa direttamente la reazione dell'Amico B?"
Perché è importante: Questo aiuta i ricercatori a evitare di essere ingannati da cose che accadono semplicemente nello stesso momento. Stanno cercando il vero "effetto domino".

3. Le Principali Scoperte: La "Catena di Domino"

Dopo aver eseguito il loro lavoro investigativo sui dati, hanno trovato un modello molto coerente in modo in cui le notizie geopolitiche si diffondono:

L'Effetto "Sink" (Lavandino): Pensa a "Conflitto" (notizie di guerra) come a un grande scarico o a un lavandino in una cucina.
- La scoperta: Le notizie su Instabilità Politica e Sicurezza Energetica (come oleodotti o centrali elettriche) fluiscono costantemente dentro il lavandino del "Conflitto".
- Il significato: Nel ciclo delle notizie in tempo reale, i rapporti sui problemi politici e sulle minacce energetiche tendono a verificarsi prima che i rapporti sui combattimenti effettivi si intensifichino. I combattimenti sono il risultato finale di quelle tensioni precedenti.
La Connessione con il "Mercato dell'Energia":
- La scoperta: Quando il ciclo delle notizie diventa rumoroso riguardo al Conflitto, questo è seguito da cambiamenti nei prezzi azionari delle aziende energetiche (nello specifico il fondo XLE).
- Il significato: Il documento suggerisce che quando il mondo inizia a parlare di una lotta, il mercato dell'energia reagisce ad essa. Interessantemente, le notizie sulla lotta sembrano precedere il mercato, non il contrario.

4. Il Colpo di Scena Sorprendente: Il "Muro Silenzioso" tra Notizie e Prezzi

Questa è la parte più controintuitiva del documento.

L'aspettativa: Potresti pensare che se un canale di notizie urla "Sta arrivando la guerra!", il mercato azionario dovrebbe immediatamente saltare o crollare.
La realtà: I ricercatori hanno scoperto che, su base giornaliera, la connessione è molto debole.
L'analogia: Immagina che una sirena rumorosa (la notizia) suoni in una città, ma il traffico (il mercato azionario) non sembra cambiare velocità immediatamente.
Perché? Il documento suggerisce che i mercati finanziari siano come un gruppo di trader molto veloci e intelligenti che capiscono la notizia prima ancora che arrivi sui canali Telegram. Nel momento in cui la "notizia" viene scritta e trasmessa, il mercato l'ha già incorporata nei prezzi. Quindi, i segnali delle notizie dicono principalmente come i media stanno parlando della crisi, non necessariamente come il mercato si sta muovendo in tempo reale.

5. Cosa Significa Questo (Secondo il Documento)

Il documento conclude che questo strumento è eccellente per monitorare la narrativa.

Può dirvi che l'instabilità politica e le minacce energetiche si stanno accumulando, il che porterà probabilmente a un picco nella copertura dei conflitti.
Tuttavia, avverte che il solo fatto che le notizie urlino riguardo a una crisi non significa che il mercato azionario reagirà oggi. Il mercato è spesso un passo avanti rispetto al ciclo delle notizie.

In breve: CausalAlpha è un orecchio teso al terreno in tempo reale che mappa come le storie geopolitiche crescono da piccole scintille politiche o energetiche fino a diventare storie di conflitto a tutto tondo. Ci dice che la narrativa dei media si muove in un ordine specifico, ma il mercato azionario è spesso troppo veloce per essere colto dal ciclo quotidico delle notizie.

Sintesi Tecnica di "CausalAlpha: Un Indice di Rischio Geopolitico in Tempo Reale da Canali OSINT per la Scoperta Causale nei Mercati Finanziari"

1. Definizione del Problema

Gli indici tradizionali di Rischio Geopolitico (GPR), come il lavoro seminale di Caldara e Iacoviello (2022), si basano su archivi di giornali. Queste fonti soffrono di ritardi sistematici dovuti alla curatela editoriale, al filtraggio e ai cicli di pubblicazione, creando un ritardo tra gli eventi geopolitici e la loro misurazione. Sebbene i social media offrano dati in tempo reale, la loro applicazione come segnale finanziario — in particolare dalle piattaforme di messaggistica criptata come Telegram, dove il monitoraggio dei conflitti spesso precede i media tradizionali — rimane scarsamente studiata. Inoltre, gli approoli standard per collegare il rischio ai mercati, come la causalità di Granger, spesso non tengono conto delle cause comuni, portando a inferenze spurie. È necessario un indice GPR ad alta frequenza e in tempo reale derivato dall'Open-Source Intelligence (OSINT) che impieghi rigorosi metodi di scoperta causale per mappare le dipendenze dirette tra le narrazioni geopolitiche e le variabili dei mercati finanziari.

2. Metodologia

Il documento presenta CausalAlpha, un framework open-source che integra l'elaborazione del linguaggio naturale (NLP) con la scoperta causale basata su vincoli.

Costruzione dei Dati:
- Corpus OSINT: Il sistema effettua lo scraping in tempo reale di messaggi da sei canali Telegram (ad es., Bellingcat, WarTranslated, Reuters World) utilizzando la libreria Telethon. Il corpus si concentra sul monitoraggio dei conflitti ed esclude fonti pro-Cremlino o di disinformazione.
- Indicatori NLP: Invece di un singolo indice aggregato, il framework genera cinque indicatori GPR specifici per categoria: Conflitto, Instabilità Politica, Sicurezza Energetica, Interruzione del Commercio e Stress Finanziario.
- Metrica: Per ogni categoria $c$ e giorno $t$ , l'indicatore grezzo è la quota di messaggi contenenti parole chiave specifiche della categoria. Per preservare la variazione settimanale pur attenuando il rumore giornaliero, viene calcolata una media mobile a 7 giorni della quota.
- Variabili Finanziarie: Lo studio utilizza i prezzi di chiusura giornalieri di 16 variabili attraverso quattro classi di attività: materie prime (ad es., Brent, Oro), tassi FX, indici azionari/ETF di settore (ad es., XLE, ITA) e strumenti di credito. Tutte le serie di prezzi sono differenziate in prima differenza per garantire la stazionarietà.
Scoperta Causale (Algoritmo PC):
- La metodologia centrale impiega l'algoritmo Peter–Clark (PC) (Spirtes et al., 2000) per recuperare la classe di equivalenza di Markov del vero Grafo Aciclico Diretto (DAG).
- Procedura: L'algoritmo parte da un grafo completo non orientato e rimuove gli archi basandosi su test di indipendenza condizionata (test Z di Fisher) condizionati su sottoinsiemi di variabili. Successivamente, orienta gli archi utilizzando le regole di propagazione di Meek per identificare le strutture a V.
- Protocollo di Robustezza: Per garantire l'affidabilità, gli autori stimano l'algoritmo PC attraverso un sweep $4 \times 3$ $4 \times 3$ :
  - 4 Specifiche DAG: Variando il sottoinsieme di variabili finanziarie (Core Macro, Materie Prime, Credito e FX, ETF di Settore) mantenendo costanti i cinque indicatori NLP.
  - 3 Livelli di Significatività: $\alpha \in \{0.05, 0.10, 0.15\}$ .
- Resampling: Una procedura di block-bootstrap (500 campionamenti, dimensione del blocco = 7 giorni) è utilizzata per quantificare l'incertezza di campionamento degli archi identificati, preservando la struttura di autocorrelazione dei dati della finestra mobile.
- Validazione: Un modello SVAR (Structural VAR) è stimato sul panel macro core per generare funzioni di risposta all'impulso (IRF) e scomposizioni della varianza dell'errore di previsione (FEVD), utilizzando l'ordinamento topologico derivato dall'algoritmo PC.

3. Contributi Chiave

Indice GPR ad Alta Frequenza: Costruzione di un nuovo indice GPR a cinque dimensioni derivato direttamente da canali OSINT di Telegram in tempo reale, offrendo un'alternativa a latenza inferiore rispetto alle misure basate sui giornali.
Applicazione della Scoperta Causale: Applicazione dell'algoritmo PC per identificare la struttura causale diretta tra l'incertezza geopolitica e i mercati finanziari, evitando i rischi di inferenza spuria associati alla causalità di Granger a coppie, condizionando sull'intero set di variabili.
Sistema di Produzione: Implementazione di un'applicazione di produzione automatizzata e open-source (CausalAlpha) su Google Cloud Run che gestisce la raccolta dei dati, la costruzione dell'indice, la stima del grafo causale e la reportistica.

4. Risultati Chiave

L'analisi produce risultati specifici riguardanti l'architettura causale delle narrazioni geopolitiche e la loro trasmissione ai mercati:

Architettura Causale delle Narrazioni: Due archi sono globalmente robusti in tutte e quattro le specifiche DAG a $\alpha = 0.10$ $α = 0.10$ :
- Instabilità Politica $\rightarrow$ Copertura del Conflitto
- Copertura Mediatica dell'Energia $\rightarrow$ Copertura del Conflitto
- Ciò stabilisce il "Conflitto" come il principale "sink" causale dell'escalation della narrativa geopolitica nei canali OSINT, suggerendo che la copertura del conflitto aggrega i segnali precedenti dalle dimensioni politica ed energetica.
Trasmissione ai Mercati:
- Al livello di significatività più stretto ( $\alpha = 0.05$ ), viene identificato l'arco Copertura del Conflitto $\rightarrow$ Rendimenti del Settore Energetico ( $\Delta$ XLE). Ciò suggerisce che l'escalation geopolitica si trasmette ai mercati azionari del settore energetico prima di propagarsi completamente attraverso il ciclo mediatico più ampio.
- Bond dei Mercati Emergenti $\rightarrow$ VIX: L'arco $\Delta$ EM Bonds $\rightarrow$ VIX sopravvive a $\alpha = 0.05$ , indicando che lo stress dei titoli di stato agisce come un segnale di allerta precoce per la volatilità del mercato più ampio.
- Debole Trasmissione Giornaliera: L'analisi SVAR rivela che la trasmissione dinamica dai segnali NLP ai prezzi dei mercati finanziari è statisticamente debole alla frequenza giornaliera. Le funzioni di risposta all'impulso mostrano bande di confidenza che includono lo zero per la maggior parte delle coppie, e la FEVD indica che gli indicatori NLP geopolitici spiegano meno del 5% della varianza della previsione dei prezzi di mercato.
Ordinamento dell'Informazione: I risultati suggeriscono che i segnali delle notizie geopolitiche operano principalmente all'interno del sistema della narrativa mediatica (modellando il modo in cui gli eventi vengono coperti), piuttosto che generare movimenti di prezzo immediati e statisticamente rilevabili nei mercati finanziari alla frequenza giornaliera.

5. Significatività e Rivendicazioni

Il documento sostiene di fornire un passo verso il monitoraggio del rischio macro-finanziario in tempo reale utilizzando l'OSINT. La sua importanza primaria risiede in:

Rigore Metodologico: Dimostrare che la scoperta causale basata su vincoli (algoritmo PC) può recuperare le dipendenze dirette in dati finanziari ad alta dimensionalità senza imporre restrizioni di ordinamento a priori, diversamente dai modelli SVAR.
Intuizione Empirica: Mettere in discussione l'assunto che le notizie OSINT in tempo reale guidino immediatamente i prezzi giornalieri dei beni. Al contrario, i risultati suggeriscono una gerarchia in cui le narrazioni politiche ed energetiche guidano la copertura del conflitto, che poi influenza specifici settori azionari (Energia) ai livelli di significatività più stretti, mentre la trasmissione al mercato più ampio rimane debole alle frequenze giornaliere.
Utilità Pratica: Offrire un framework per il monitoraggio del rischio sovrano, dove l'osservazione sistematica delle narrazioni politiche ed energetiche nei canali OSINT può fornire segnali precursori dell'escalation dei conflitti prima che appaiano negli indici tradizionali.

Gli autori rimangono modesti riguardo alla generalizzabilità delle loro scoperte, notando che il corpus è fortemente orientato verso il conflitto Russia-Ucraina e che l'indicatore "Finanziario" è rado. Affermano esplicitamente che il framework è un passo di produzione verso il monitoraggio, con la necessità di futuri lavori per estendere l'analisi a frequenze inferiori e incorporare i dati dei mercati delle previsioni (prediction markets) come un terzo livello informativo.