Effects of analyst sentiment on volatility dynamics in financial market

Resumo Técnico: Efeitos do Sentimento de Analistas na Dinâmica da Volatilidade no Mercado Financeiro

Definição do Problema
Embora os relatórios de analistas sejam estabelecidos como referências indispensáveis para a tomada de decisões de investimento, a literatura existente foca predominantemente em dados estruturados (ex: previsões de lucros, classificações de compra-manutenção-venda). Os dados textuais qualitativos contidos nesses relatórios, que refletem o sentimento do investidor, têm sido amplamente negligenciados, apesar da viabilidade de quantificá-los via Processamento de Linguagem Natural (PLN). Este estudo aborda a lacuna na compreensão de como o sentimento dos analistas, especificamente extraído de textos não estruturados, influencia a dinâmica da volatilidade do mercado de ações chinês. A pesquisa busca determinar se o sentimento atua como um fator de risco sistemático e quantificar o fluxo direcional de informação entre o sentimento e a volatilidade do mercado.

Metodologia
O estudo emprega uma abordagem quantitativa de múltiplos estágios utilizando dados do mercado de ações chinês:

1. Coleta de Dados: Os autores coletaram resumos de 7.789 relatórios de analistas cobrindo 197 ações entre abril de 2013 e dezembro de 2015. Para garantir confiabilidade e relevância preditiva, a amostra foi restrita a relatórios publicados antes das divulgações de relatórios anuais e focou em ações amplamente acompanhadas (excluindo aquelas com menos de 20 relatórios por ano fiscal).
2. Extração de Sentimento: Utilizando o kit de ferramentas de segmentação de texto Jieba de código aberto e um vocabulário de sentimento chinês curado manualmente, os autores identificaram tendências emocionais. As palavras de sentimento foram pontuadas em uma escala de -2 (muito pessimista) a +2 (muito otimista), contabilizando negações e intensificadores.
3. Construção de Índices: Índices semanais de sentimento foram construídos tanto para o sentimento otimista ($S^+$) quanto para o pessimista ($S^-$), normalizados pelo número total de relatórios ($N_t$) em uma determinada semana.
4. Análise Estatística:
   • Autocorrelação: Analisou as propriedades de memória dos índices de sentimento.
   • Análise de Correlação: Definiu uma função de correlação sentimento-volatilidade $G(\Delta t)$ para medir a dependência linear entre o sentimento e a volatilidade (definida como o valor absoluto dos retornos logarítmicos) em vários atrasos temporais.
   • Entropia de Transferência: Aplicada a séries temporais financeiras não estacionárias para medir o fluxo líquido de informação ($\delta_{XY}$) entre o sentimento e a volatilidade, determinando a direcionalidade causal.
   • Modelagem GARCH: Incorporou índices de sentimento como variáveis exógenas em um modelo GARCH(1,1) para avaliar seu poder explicativo para a variância condicional (volatilidade) após considerar a persistência da volatilidade.

Principais Resultados

1. Características de Memória: Tanto os sentimentos otimistas quanto os pessimistas exibem autocorrelação de curto alcance. O sentimento pessimista demonstra uma duração de memória mais longa (aproximadamente 5 semanas) em comparação ao sentimento otimista (aproximadamente 3 semanas).
2. Dinâmica de Correlação:
   • Sentimento Pessimista: Mostra uma correlação negativa significativa com a volatilidade futura. Altos níveis de pessimismo estão associados à redução da volatilidade futura, enquanto o baixo pessimismo correlaciona-se com maior volatilidade.
   • Sentimento Otimista: Mostra uma correlação positiva com a volatilidade. O alto otimismo induz maior volatilidade.
   • Direcionalidade: A correlação é observada apenas quando $\Delta t > 0$ (sentimento afetando a volatilidade futura), sugerindo que o sentimento impulsiona a volatilidade, mas não o contrário.
3. Fluxo de Informação (Entropia de Transferência): A análise revela um fluxo líquido unidirecional do passado sentimento pessimista para a volatilidade futura. Em contraste, não há fluxo direcional significativo entre o sentimento otimista e a volatilidade.
4. Descobertas do Modelo GARCH:
   • Quando incorporado à estrutura GARCH(1,1), o sentimento pessimista serve como um fator explicativo estatisticamente significativo para a volatilidade (especificamente para o Índice CSI 300). O coeficiente $\lambda$ é negativo, confirmando que o alto pessimismo reduz a volatilidade futura.
   • O sentimento otimista não é estatisticamente significativo como uma variável exógena no modelo de volatilidade.
   • A inclusão do sentimento pessimista reduz a soma dos coeficientes ($\alpha + \beta$), indicando que ele captura uma parte da persistência da volatilidade.

Significância e Alegações
O artigo alega que o sentimento pessimista dos analistas fornece informações preditivas independentes sobre a dinâmica da volatilidade do mercado, distinguindo-se do sentimento otimista, que carece de tal poder preditivo neste contexto.

Os autores atribuem a correlação negativa entre o pessimismo e a volatilidade a dois mecanismos primários:

1. Fatores Comportamentais: Investidores exibem racionalidade limitada e aversão ao risco. O alto pessimismo leva à inatividade de negociação, reduzindo assim a volatilidade, enquanto o alto otimismo desencadeia negociações ativas que aumentam a volatilidade.
2. Divulgação de Informações: Analistas afiliados a bancos de investimento são frequentemente cautelosos ao lançar relatórios pessimistas precocemente devido aos laços com as empresas listadas. Consequentemente, relatórios pessimistas são frequentemente lançados após as notícias já terem circulado via rumores ou informações privilegiadas. Uma vez que o relatório pessimista oficial é lançado, a especulação cessa, a incerteza do mercado diminui e a volatilidade cai.

O estudo conclui que o sentimento pessimista é um proxy robusto para o sentimento do mercado que pode melhorar a modelagem da volatilidade financeira, particularmente dentro da estrutura GARCH, enquanto o sentimento otimista não oferece valor explicativo semelhante.