Van lokaal naar globaal: hoe wereldwijd nieuws beursbewegingen voorspelt

Wereldnieuwsnetwerken voorspellen beursrendementen

Het onderzoeksteam heeft nieuwe inzichten onthuld in de relatie tussen de wereldwijde nieuwsverspreiding en de voorspelbaarheid van financiële markten. De studie, getiteld “Global News Networks and Return Predictability”, toont aan dat informatie uit wereldnieuws een aanzienlijke invloed heeft op de timing van beursbewegingen en een duidelijke meerwaarde biedt ten opzichte van enkel lokaal nieuws.

Dat is een belangrijke bevinding, omdat het laat zien dat om de bewegingen van de financiële markt van een land te voorspellen, het niet voldoende is om te weten hoe dat land zijn eigen economie ziet; het is ook essentieel om te begrijpen hoe de rest van de wereld dat land ziet. Bovendien bevestigt het onderzoek dat wat eerder vooral voor de Amerikaanse markt was aangetoond – namelijk dat lokaal nieuws voorspellende waarde heeft – ook geldt voor andere ontwikkelde landen.

Een hoog-dimensionale, vernieuwende aanpak

Het team ontwikkelde sentimentindicatoren op basis van de omvangrijke Global Database of Events, Language, and Tone (GDELT), die meer dan 520 miljoen artikelen omvat. Deze vernieuwende methode maakte gebruik van een hoog-dimensionaal model om meer dan 30 terabyte aan ruwe data te verwerken. De gegevens werden samengevat in drie dimensies: de bron (waar het nieuws vandaan komt), het doel (het land of de landen waar het artikel over gaat) en het thema (waar het artikel over gaat, met 260 thema’s die direct of indirect een economische link hebben). Daarnaast werd meegenomen of het nieuws overwegend positief of negatief was.

Een cruciaal element van de aanpak was dat het team de nieuwsstromen tussen landen onderzocht, een perspectief dat in eerder onderzoek grotendeels over het hoofd werd gezien. Ze ontdekten dat, hoewel 80% van het nieuws in een land lokaal is, er een sterke focus ligt op de VS. Medeauteur Ali Moin licht toe: ‘Als je buiten de VS kijkt, gaat een zeer groot deel van het nieuws in andere landen over de VS.’ Het team construeerde een ‘wereldnieuwsnetwerk’ dat liet zien dat de VS de centrale speler is, gevolgd door China, met Duitsland en het VK als Europese hubs. Met deze informatie paste het team een Random Forest-machine learningmodel toe om sterke markt-timingstrategieën te ontwikkelen.

‘We voorspellen niet simpelweg dezelfde patronen als lokaal nieuws; we ontdekken andere, tot nu toe onverklaarde marktbewegingen,’ legt Moin uit. De wereldwijde strategie kan rendement opleveren dat onafhankelijk is van de lokale strategie. Deze meerwaarde van wereldnieuws ‘laat zien dat markten steeds meer geïntegreerd raken.’

Praktische toepassingen van het wereldnieuwsnetwerk

De bevindingen zijn zeer relevant voor zowel onderzoekers als praktijkmensen. Voor academici biedt het raamwerk mogelijkheden om ook in andere contexten te worden toegepast. Belangrijk is dat de gebruikte data publiek toegankelijk is via een door Google ondersteund project. Moin ziet dat als een groot voordeel: ‘In sentimentonderzoek wordt vaak gebruikgemaakt van dure of moeilijk toegankelijke data. Maar dit is een dataproject dat door Google wordt ondersteund, dus in principe kan iedereen erbij.’

Het advies aan financiële markten is duidelijk: het onderzoek bevestigt het economisch voordeel van het volgen van wereldnieuws voor markt-timing. De resultaten wijzen er sterk op dat professionals zich niet uitsluitend op Amerikaans nieuws en markten moeten richten, maar ook naar ‘ander nieuws’ uit diverse bronnen moeten kijken om een objectiever en completer perspectief te krijgen.