Narrativas estratégicas, posicionamiento institucional y señales de texto | Stratmill

Resumen

Este estudio pregunta cuándo conviene seguir el texto del mercado y cuándo apostar por su reversión. Distingue entre declaraciones institucionales (Say), repetición en los medios (Echo) y posicionamiento institucional revelado (Do). Un modelo lineal-cuadrático describe una institución informada que puede hablar y operar antes que una multitud parcialmente crédula. El artículo también desarrolla herramientas para identificar artículos repetidos mediante el momento de publicación y la similitud de embeddings, alinear embeddings de texto con retornos posteriores e inferir quién se movió primero a partir de las trayectorias de precios.

El modelo establece las condiciones en las que a una institución le conviene hablar a la baja de un activo mientras lo compra, y un resultado independiente de la distribución relaciona la covarianza negativa entre declaraciones y posicionamiento con un contenido predictivo negativo en las palabras. En simulaciones controladas con una realidad de referencia conocida, el sentimiento de los ecos predice retornos negativos en los 29 mercados; una correlación móvil Say-Do detecta eventos de falsa alarma con un AUC de AUC 0.90. Los autores también describen casos en los que las herramientas fallan. Estos resultados proceden de mercados simulados y no demuestran rendimiento con texto de mercados en vivo ni con datos de trading reales.

Ideas clave

• El marco distingue entre declaraciones institucionales, ecos de los medios y posicionamiento revelado.
• Según la identidad del artículo, una covarianza negativa entre declaraciones y posicionamiento implica que las palabras tienen contenido predictivo negativo.
• El modelo especifica las condiciones en las que una institución se beneficia de hablar negativamente mientras compra.
• Los métodos de medición combinan el momento y la similitud de los artículos, embeddings de texto alineados con retornos y patrones de las trayectorias de precios.
• En 29 mercados simulados controlados, el sentimiento de los ecos predice retornos negativos, mientras que una correlación móvil Say-Do señala falsas alarmas con un AUC de AUC 0.90.

Etiquetas

# Say, Echo, Do: Strategic Narratives and Revealed Positioning in Financial Markets


# Say, Echo, Do: Strategic Narratives and Revealed Positioning in Financial Markets









Machine-learning signals built from financial text treat what institutions say, and what the media repeat, as evidence about value. But whoever shapes a narrative may be trading against it. We study markets with three observable voices: institutional statements (Say), media repetition (Echo) and revealed positioning (Do). We ask when words should be followed and when they should be faded. In a linear-quadratic model of an informed institution that speaks and trades before a partly credulous crowd, talking an asset down while buying it is optimal exactly when $\varphi^2<2λk<\varphi$. A distribution-free identity then shows that when the observable Say-Do covariance is negative, words carry negative predictive content and should be faded. For measurement, we derive (i) an exact factorised posterior over which articles are echoes, combining arrival times with embedding similarity; (ii) a return-aligned contrastive objective that attains its bound exactly when squared embedding distances are an increasing affine function of squared outcome distances, with the tightest loss-based certificate of which neighbour rankings survive imperfect training; and (iii) a path-signature statistic for who moved first. In a controlled market with known ground truth, echo sentiment predicts returns with a significantly negative sign in all 29 simulated markets, the rolling Say-Do correlation flags false-alarm events with an AUC of 0.90, and return-aligned embeddings organise headlines by consequence rather than topic. We also report where the tools fail.

Se muestra íntegramente con atribución según la licencia de la fuente. Licencia: abstract CC0

Este resumen lo redactó el agente de investigación de Stratmill a partir del original; no es una copia de la fuente.