📈 economics

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

Dit artikel introduceert CausalAlpha, een open-source framework dat NLP op Telegram OSINT-data gebruikt om een realtime geopolitieke risico-index te construeren en causale ontdekkingsalgoritmen inzet om aan te tonen dat politieke instabiliteit en mediaverslaglegging over energie de drijvende krachten zijn achter conflict-narratieven, die vervolgens de rendementen van aandelen in de energiesector beïnvloeden, terwijl wordt onthuld dat de dagelijkse transmissie van deze signalen naar bredere financiële markten statistisch zwak is.

Oorspronkelijke auteurs: Andres Azqueta-Gavaldon, Borja Ureta

Gepubliceerd 2026-06-08

📖 4 min leestijd☕ Koffiepauze-leesvoer

CC BY 4.0

Oorspronkelijke auteurs: Andres Azqueta-Gavaldon, Borja Ureta

Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Dit is een AI-gegenereerde uitleg van het onderstaande artikel. Het is niet geschreven of goedgekeurd door de auteurs. Raadpleeg het oorspronkelijke artikel voor technische nauwkeurigheid. Lees de volledige disclaimer

Stel je voor dat je een storm probeert te voorspellen. Traditioneel wachten meteorologen op het officiële weerbericht van de overheid, wat weliswaar accuraat is, maar vaak pas een dag of twee later arriveert nadat de wolken al zijn gaan samenklonteren.

CausalAlpha is een nieuwe tool die werkt als een netwerk van duizenden amateur-weerwaarnemers op een privéberichtenservice (Telegram). In plaats van te wachten op het officiële rapport, luistert het naar deze waarnemers in realtime om niet alleen te begrijpen dat er een storm aankomt, maar ook hoe de verschillende onderdelen van het stormsysteem met elkaar verbonden zijn.

Hier is een uitsplitsing van wat het paper daadwerkelijk heeft gevonden, uitgelegd met eenvoudige analogieën:

1. De Tool: Een "Geopolitische Weerradar"

De onderzoekers hebben een systeem gebouwd genaamd CausalAlpha. Het scant zes specifieke Telegram-kanalen die worden beheerd door onafhankelijke journalisten en onderzoekers.

Hoe het werkt: Het gebruikt een computerprogramma om dagelijks duizenden berichten te lezen. Het sorteert deze in vijf categorieën: Conflict (oorlogen/vechten), Politieke Instabiliteit (onrust/verkiezingen), Energie (olie/gas), Handel (scheepvaart/sancties) en Financiële Stress (bankencrises).
Het Doel: In plaats van alleen te tellen hoeveel "enge woorden" er worden gebruikt, probeert het systeem de oorzaak-gevolgketen te achterhalen. Het vraagt: "Veroorzaakt nieuws over politieke problemen oorzaak nieuws over oorlog, of veroorzaakt oorlog politieke problemen?"

2. Het Detectiewerk: Het vinden van de "Wie deed wat aan wie"

Om dit puzzelstukje op te lossen, gebruikten de auteurs een speciale wiskundige detectietool genaamd het PC-algoritme.

De Analogie: Stel je voor dat je een groep vrienden in een kamer observeert. Je ziet hen allemaal praten en reageren. Een eenvoudige waarnemer zou zeggen: "Ze reageren allemaal op hetzelfde ding." Maar het PC-algoritme is als een detective die vraagt: "Als we alles eromheen negeren, veroorzaakt de actie van Vriend A dan direct de reactie van Vriend B?"
Waarom dit belangrijk is: Dit helpt de onderzoekers om niet in de val te trappen van dingen die toevallig tegelijkertijd gebeuren. Ze zoeken naar het echte "domino-effect".

3. De Belangrijkste Ontdekkingen: De "Domino-keten"

Na het uitvoeren van hun detectiewerk op de data, vonden ze een zeer consistent patroon in hoe geopolitiek nieuws zich verspreidt:

Het "Sink"-effect (Het afvoer-effect): Denk aan "Conflict" (oorlogsnieuws) als een grote afvoer of een gootsteen in een keuken.
- Bevinding: Nieuws over Politieke Instabiliteit en Energieveiligheid (zoals oliepipelines of elektriciteitscentralen) stroomt consequent naar binnen in de "Conflict"-sink.
- Betekenis: In de realtime nieuwscyclus hebben berichten over politieke problemen en energietreigingen de neiging om plaats te vinden voordat de berichten over daadwerkelijke gevechten escaleren. De strijd is het uiteindelijke resultaat van die eerdere spanningen.
De "Energie Markt"-verbinding:
- Bevinding: Wanneer de nieuwscyclus luidruchtig wordt over Conflict, wordt dit gevolgd door veranderingen in de aandelenkoersen van energiebedrijven (specifiek het XLE-fonds).
- Betekenis: Het paper suggereert dat wanneer de wereld begint te praten over een strijd, de energiemarkt daarop reageert. Interessant genoeg lijkt het nieuws over de strijd de markt te leiden, en niet andersom.

4. De Verrassende Wending: De "Stille Muur" tussen Nieuws en Prijzen

Dit is het meest contra-intuïtieve deel van het paper.

De Verwachting: Je zou denken dat als een nieuwszender schreeuwt "Er komt oorlog!", de aandelenmarkt direct zal springen of crashen.
De Realiteit: De onderzoekers ontdekten dat de verbinding op dagelijkse basis zeer zwak is.
De Analogie: Stel je voor dat er een harde sirene (het nieuws) afgaat in een stad, maar dat het verkeer (de aandelenmarkt) de snelheid niet onmiddellijk aanpast.
Waarom? Het paper suggereert dat financiële markten bestaan uit een groep zeer snelle, slimme handelaren die het nieuws al begrijpen voordat het zelfs de Telegram-kanalen bereikt. Tegen de tijd dat het "nieuws" geschreven en uitgezonden wordt, heeft de markt het al verwerkt. Dus de nieuwssignalen vertellen ons vooral hoe de media over de crisis praten, en niet noodzakelijkerwijs hoe de markt in realtime beweegt.

5. Wat dit betekent (volgens het paper)

Het paper concludeert dat deze tool uitstekend is voor het monitoren van het narratief.

Het kan je vertellen dat politieke instabiliteit en energietreigingen zich opbouwen, wat waarschijnlijk zal leiden tot een piek in de berichtgeving over conflicten.
Het waarschuwt echter dat alleen omdat het nieuws schreeuwt over een crisis, het niet betekent dat de aandelenmarkt vandaag zal reageren. De markt is vaak één stap voor op de nieuwscyclus.

Kortom: CausalAlpha is een realtime oor aan de grond die in kaart brengt hoe geopolitieke verhalen groeien van kleine politieke of energetische vonken naar volledige conflictverhalen. Het vertelt ons dat het mediadomein in een specifieke volgorde beweegt, maar dat de aandelenmarkt vaak te snel is om door de dagelijkse nieuwscyclus te worden ingehaald.

Technische Samenvatting van "CausalAlpha: Een Real-Time Geopolitieke Risico-index uit OSINT-kanalen voor Causale Ontdekking in Financiële Markten"

1. Probleemstelling

Traditionele geopolitieke risico-indices (GPR), zoals het baanbrekende werk van Caldara en Iacoviello (2022), vertrouwen op krantenarchieven. Deze bronnen lijden aan systematische vertragingen door redactionele curatie, filtering en publicatiecycli, wat een kloof creëert tussen geopolitieke gebeurtenissen en hun meting. Hoewel sociale media real-time data bieden, blijft de toepassing ervan als financieel signaal — met name vanuit versleutelde berichtendiensten zoals Telegram, waar conflictmonitoring vaak voorafgaat aan traditionele media — onderbelicht. Bovendien schieten standaard benaderingen om risico aan markten te koppelen, zoals Granger-causaliteit, vaak tekort omdat ze geen rekening houden met gemeenschappelijke oorzaken, wat leidt tot spuriatieve inferenties. Er is behoefte aan een hoogfrequente, real-time GPR-index afgeleid van Open-Source Intelligence (OSINT) die rigoureuze causale ontdekkingsmethoden gebruikt om de gerichte afhankelijkheden tussen geopolitieke narratieven en financiële marktvariabelen in kaart te brengen.

2. Methodologie

Het artikel introduceert CausalAlpha, een open-source framework dat Natural Language Processing (NLP) integreert met constraint-based causale ontdekking.

Data Constructie:
- OSINT Corpus: Het systeem scrapt real-time berichten van zes Telegram-kanalen (bijv. Bellingcat, WarTranslated, Reuters World) met behulp van de Telethon-bibliotheek. Het corpus richt zich op conflictmonitoring en sluit pro-Kremlin of desinformatiebronnen uit.
- NLP Indicatoren: In plaats van één geaggregeerde index genereert het framework vijf categorie-specifieke GPR-indicatoren: Conflict, Politieke Instabiliteit, Energiezekerheid, Handelsverstoring en Financiële Stress.
- Metriek: Voor elke categorie $c$ en dag $t$ is de ruwe indicator het aandeel berichten dat categorie-specifieke trefwoorden bevat. Om de wekelijkse variatie te behouden terwijl dagelijkse ruis wordt afgevlakt, wordt een 7-daags voortschrijdend gemiddelde berekend.
- Financiële Variabelen: De studie maakt gebruik van dagelijkse slotkoersen van 16 variabelen over vier activaklassen: grondstoffen (bijv. Brent, Goud), wisselkoersen, aandelenindices/sector-ETF's (bijv. XLE, ITA) en kredietinstrumenten. Alle prijsreeksen worden eerst-verschillend om stationariteit te garanderen.
Causale Ontdekking (PC Algoritme):
- De kernmethodologie maakt gebruik van het Peter–Clark (PC) algoritme (Spirtes et al., 2000) om de Markov-equivalentieklasse van de ware causale Directed Acyclic Graph (DAG) te herstellen.
- Procedure: Het algoritme begint met een volledige ongerichte graaf en verwijdert randen op basis van conditionele onafhankelijkheidstests (Fisher's Z-test) geconditioneerd op deelverzamelingen van variabelen. Vervolgens oriënteert het randen met behulp van Meek's propagatieregels om V-structuren te identificeren.
- Robuustheidsprotocol: Om de betrouwbaarheid te waarborgen, schatten de auteurs het PC-algoritme in over een $4 \times 3$ $4 \times 3$ sweep:
  - 4 DAG Specificaties: Het variëren van de subset van financiële variabelen (Core Macro, Commodities, Credit & FX, Sector ETFs) terwijl de vijf NLP-indicatoren constant worden gehouden.
  - 3 Significantieniveaus: $\alpha \in \{0.05, 0.10, 0.15\}$ .
- Resampling: Een block-bootstrap procedure (500 resamples, block size = 7 dagen) wordt gebruikt om de steekproefonzekerheid van geïdentificeerde randen te kwantificeren, waarbij de autocorrelatiestructuur van de voortschrijdende vensterdata behouden blijft.
- Validatie: Een Structurele VAR (SVAR) wordt geschat op de core macro panel om impulse response functies (IRF's) en forecast error variance decompositions (FEVD) te genereren, gebruikmakend van de topologische ordening afgeleid van het PC-algoritme.

3. Belangrijkste Bijdragen

Hoogfrequente GPR-index: Constructie van een nieuwe, vijf-dimensionale GPR-index afgeleid direct van real-time Telegram OSINT-kanalen, wat een lagere latentie biedt ten opzichte van krantengebaseerde maten.
Toepassing van Causale Ontdekking: Toepassing van het PC-algoritme om de gerichte causale structuur tussen geopolitieke onzekerheid en financiële markten te identificeren, waarbij de risico's van spuriatieve inferentie die geassocieerd worden met pairwise Granger-causaliteit worden vermeden door te conditioneren op de volledige variabelenset.
Productiesysteem: Implementatie van een open-source, geautomatiseerde productie-applicatie (CausalAlpha) op Google Cloud Run die dataverzameling, indexconstructie, causale graafschatting en rapportage afhandelt.

4. Belangrijkste Resultaten

De analyse levert specifieke bevindingen op met betrekking tot de causale architectuur van geopolitieke narratieven en hun transmissie naar markten:

Causale Architectuur van Narratieven: Twee randen zijn globaal robuust over alle vier de DAG-specificaties bij $\alpha = 0.10$ $α = 0.10$ :
- Politieke Instabiliteit $\rightarrow$ Conflict Coverage
- Energie Media Coverage $\rightarrow$ Conflict Coverage
- Dit stelt "Conflict" vast als de primaire causale 'sink' van geopolitieke narratieve escalatie in OSINT-kanalen, wat suggereert dat conflict-coverage de voorgaande signalen van politieke en energie-dimensies aggregeert.
Markttransmissie:
- Bij het striktste significantieniveau ( $\alpha = 0.05$ ) wordt Conflict Coverage $\rightarrow$ Energy Sector Equity Returns ( $\Delta$ XLE) geïdentificeerd. Dit suggereert dat geopolitieke escalatie zich naar de energie-aandelenmarkten transmitteert voordat het volledig door de bredere mediacylus is gepropageerd.
- Emerging Market Bonds $\rightarrow$ VIX: De rand $\Delta$ EM Bonds $\rightarrow$ VIX overleeft bij $\alpha = 0.05$ , wat aangeeft dat stress in staatsobligaties fungeert als een vroeg waarschuwingssignaal voor bredere marktvolatiliteit.
- Zwakke Dagelijkse Transmissie: De SVAR-analyse laat zien dat de dynamische transmissie van NLP-signalen naar financiële marktprijzen statistisch zwak is op dagelijkse frequentie. Impulse response functies tonen aan dat betrouwbaarheidsintervallen voor de meeste paren nul bevatten, en FEVD geeft aan dat geopolitieke NLP-indicatoren minder dan 5% van de voorspellingsvariantie van marktprijzen verklaren.
Informatie-ordening: De resultaten suggereren dat geopolitieke nieuws-signalen primair opereren binnen het media-narratief systeem (het vormgeven van hoe gebeurtenissen worden behandeld), in plaats van onmiddellijke, statistisch detecteerbare kortetermijn bewegingen in financiële markten te genereren op dagelijkse frequentie.

5. Betekenis en Claims

Het artikel claimt een stap te zetten naar real-time macrofinanciële risicomonitoring met behulp van OSINT. De primaire betekenis ligt in:

Methodologische Rigor: Het demonstreren dat constraint-based causale ontdekking (PC-algoritme) gerichte afhankelijkheden in hoog-dimensionale financiële data kan herstellen zonder voorafgaande ordeningsrestricties op te leggen, in tegenstelling tot Structurele VAR's.
Empirisch Inzicht: Het uitdagen van de aanname dat real-time OSINT-nieuws dagelijkse activaprijzen onmiddellijk stuurt. In plaats daarvan suggereren de bevindingen een hiërarchie waarbij politieke en energie-narratieven conflict-coverage drijven, wat vervolgens de specifieke sectoraandelen (Energie) beïnvloedt bij strikte significantieniveaus, terwijl de bredere markttransmissie zwak blijft op dagelijkse frequenties.
Praktisch Nut: Het bieden van een framework voor de monitoring van soeverein risico, waarbij systematische observatie van politieke en energie-narratieven in OSINT-kanalen mogelijke leidende signalen van conflict-escalatie kan bieden voordat deze verschijnen in traditionele indices.

De auteurs blijven bescheiden over de generaliseerbaarheid van hun bevindingen, waarbij zij opmerken dat het corpus sterk georiënteerd is op het Rusland-Oekraïne conflict en dat de "Financiële" indicator schaars is. Zij stellen expliciet dat het framework een productiestap is richting monitoring, waarbij toekomstig werk nodig is om de analyse naar lagere frequenties uit te breiden en voorspellingsmarkten (prediction markets) als een derde informatielaag te integreren.