Übersicht
Descripción general del contenido del recurso.
"This thesis examines whether unusually negative financial news is associated with increased short-term market volatility, measured by absolute VIX movements. The analysis is based on more than 1.3 million cleaned and deduplicated news articles, drawn from a raw dataset of around 2 million entries collected via the GDELT database and classified using FinBERT, a language model specialized in financial text. Daily sentiment scores are aggregated and used to identify extreme negative events based on rolling z-scores and quantile thresholds. Their impact on future VIX movements is analyzed across multiple time horizons using several statistical methods, including two-sided independent-samples t-tests, chi-square tests of independence, Cramér’s V as a measure of effect size, and conditional probability analysis. The results show that days with particularly negative sentiment are consistently associated with higher volatility movements. The effect is strongest for the next trading day and decreases over longer horizons. While the findings are statistically significant, the economic magnitude remains moderate. A sub-sample analysis by volatility regime further reveals that the effect is concentrated in high-volatility market conditions, where the association is approximately twice as strong as in the full sample, while no statistically robust association is detected in calm market conditions. Overall, the results suggest that extreme news sentiment is systematically related to short-term volatility dynamics and may provide useful information for risk management and forecasting, particularly during periods of elevated market stress". "Esta tesis examina si las noticias financieras inusualmente negativas están asociadas con un aumento de la volatilidad del mercado a corto plazo, medida por los movimientos absolutos del VIX. El análisis se basa en más de 1,3 millones de artículos de noticias limpios y deduplicados, extraídos de un conjunto de datos bruto de alrededor de 2 millones de entradas recopiladas a través de la base de datos GDELT y clasificadas mediante FinBERT, un modelo de lenguaje especializado en textos financieros. Las puntuaciones de sentimiento diarias se agregan para identificar eventos negativos extremos basados en z-scores móviles y umbrales de cuantiles. Su impacto en los movimientos futuros del VIX se analiza en múltiples horizontes temporales mediante varios métodos estadísticos, incluyendo t-tests bilaterales de muestras independientes, pruebas de independencia chi-cuadrado, V de Cramér como medida del tamaño del efecto y análisis de probabilidad condicional. Los resultados muestran que los días con sentimiento particularmente negativo están consistentemente asociados con mayores movimientos de volatilidad. El efecto es más fuerte para el siguiente día de negociación y disminuye en horizontes más largos. Si bien los hallazgos son estadísticamente significativos, la magnitud económica sigue siendo moderada. Un análisis de submuestra por régimen de volatilidad revela además que el efecto se concentra en condiciones de alta volatilidad del mercado, donde la asociación es aproximadamente el doble de fuerte que en la muestra completa, mientras que no se detecta ninguna asociación estadísticamente robusta en condiciones de mercado tranquilas. En general, los resultados sugieren que el sentimiento extremo de las noticias está sistemáticamente relacionado con la dinámica de volatilidad a corto plazo y puede proporcionar información útil para la gestión del riesgo y la previsión, particularmente durante períodos de elevado estrés del mercado".
