Ir para conteúdo

Como dados de sentimento de notícias embasam estratégias de negociação e investimento

Svetlana Borokova
Svetlana Borokova
Professora Associada na Vrije University Amsterdam, e Head of Quantitative Modelling na Probability & Partners

Inserir dados de sentimentos da mídia em algoritmos de Machine Learning pode melhorar muito o desempenho de negociações e investimentos. Confira aqui como um recente white paper com foco em empresas do Euro STOXX 50 e S&P 500 comprova o potencial de previsão do Refinitiv News Analytics.


  1. Machine Learning, Inteligência Artificial e conjuntos de dados não estruturados ou alternativos estão sendo cada vez mais usados ​​para melhorar o desempenho do mercado.
  2. O Refinitiv News Analytics torna os dados de sentimento adequados para utilização pelos algoritmos de Machine Learning.
  3. Segundo um levantamento com cem ações que apresentam maior liquidez no índice S&P500 há até três vezes mais retorno médio em comparação às estratégias tradicionais de negociação.

Em mercados guiados por uma intensa concorrência e pela necessidade constante de melhorar o desempenho, inovação é fundamental. Machine Learning, Inteligência Artificial, dados não estruturados e outros conjuntos de dados alternativos estão sendo cada vez mais empregados para atender a essa necessidade.

Em um recente white paper –que inclui pesquisas concluídas em 2019—, Svetlana Borokova, professora associada da Vrije University de Amsterdam e chefe de Modelagem Quantitativa da Probability & Partners, descreve como o desempenho dos algoritmos de Machine Learning pode ser aprimorado, alimentando-os com dados alternativos.

“Nesse caso específico, a abordagem é baseada em previsões de Machine Learning com foco em sentimentos de notícias que podem melhorar a performance das estratégias de negociação e investimento”, explica a professora.

Faça o download do white paper Learning With Sentiment

Melhore suas estratégias de pesquisa e negociação com o Refinitiv News Analytics

Caminhos mostrados pelos dados de sentimento

As aplicações do Machine Learning na previsão de mercado são muitas. Mas elas seguem os métodos tradicionais de análise técnica para procurar padrões no comportamento de preços anteriores e são limitadas pela falta de informações atuais.

No entanto, ao adicionar dados mais novos de sentimento da mídia aos algoritmos de Machine Learning, torna-se possível melhorar significativamente as previsões de preços e ajustar o desempenho ao risco.

Essa tarefa será um tanto árdua se tivermos de lidar com dados não estruturados que não podem ser absorvidos de imediato por algoritmos quantitativos padrão. Porém, o problema pode ser resolvido por meio de técnicas de Processamento de Linguagem Natural (PLN) que conseguem digitalizar os dados e prepará-los para consumo.

A solução News Analytics, da Refinitiv, baseia-se em um mecanismo de PLN que lê e interpreta as notícias veiculadas pela Reuters e por outras agências –tudo em tempo real. As matérias abrangem cerca de 33.000 empresas de capital aberto em todo o mundo e várias classes de commodities.

Como explica Eric Fischkin, Proposition Director for Machine Readable News na Refinitiv, o interesse por dados estruturados de sentimentos aumentou rapidamente nos últimos anos, com a crescente adoção do Machine Learning e a realização de pesquisas robustas sobre os benefícios dessas referências para impulsionar estratégias de investimento.

Dois ótimos exemplos de aplicação do Refinitiv News Analytics e de algoritmos de Machine Learning –e que servem para ilustrar os comentários de Fischkin— estão nas previsões intradiárias do EURO STOXX 50 e na negociação diária das 100 ações mais líquidas da S&P 500.

Melhore suas estratégias de pesquisa e negociação com o Refinitiv News Analytics

Previsões para o EURO STOXX 50

O aplicativo EURO STOXX 50 (SX5E) foi projetado para prever a direção do índice, que engloba 50 das maiores empresas por capitalização de mercado em 11 países da Zona Euro. As previsões são feitas em intervalos de cinco minutos, com preços registrados no mesmo período e correspondendo a 102 cotações por dia.

O aplicativo inclui uma rede de deep learning –que foi desenvolvida com base na análise de vários meses de dados de sentimentos e preços—, além do banco de dados do Refinitiv News Analytics.

Somente as notícias relevantes para as empresas do SX5E são selecionadas pela rede, embora essa seleção seja alterada a cada três meses para refletir as mudanças no índice. Com base nesses dados, as previsões são feitas pela rede de deep learning, que consegue se “lembrar” de estados anteriores e usá-los como entrada para iterações subsequentes de seu “pensamento”.

Nesta aplicação, a rede foi utilizada para testar previsões de Machine Learning para quatro estratégias de negociação durante uma semana aleatória.

Os resultados mostram retornos relativos a estratégias de negociação específicas, demonstrando que a inserção de sentimentos de notícias em algoritmos de Machine Learning ajuda a fornecer melhores previsões de curto prazo sobre a direção dos preços dos índices; e essas, por sua vez, podem ser usadas para melhorar o desempenho dos investimentos.

A melhora é particularmente visível na previsão de movimentos de índices descendentes.

Negociação de ações do S&P 500

Esta outra aplicação de previsões de Machine Learning baseadas em sentimentos de notícias destina-se a negociação de ações individuais, particularmente às cem ações mais líquidas do S&P 500.

As pontuações de sentimentos, que incluem fatores como relevância, novidade e volume, foram compiladas para cada ação em um dia de trading. As dez ações dignas de maior destaque atraíram até 45 notícias por dia, enquanto todo o conjunto recebeu, em média, apenas 1,4.

Ao vincular pontuações de sentimentos a preços defasados ​​e informações de negociação, o objetivo era prever a direção das cotações no dia seguinte, e gerar sinais para o trading a partir dessas previsões.

Nesse caso, o algoritmo de previsão de Machine Learning foi desenvolvido com base na NeuroEvolution of Augmented Topologies, que seleciona a melhor rede neural para cada uma de suas iterações. Aqui, novamente, as previsões de Machine Learning baseadas em sentimentos trazem ganhos significativos para o desempenho de cada ação.

Melhore suas estratégias de pesquisa e negociação com o Refinitiv News Analytics

Embora o desempenho seja melhor para as ações mais líquidas e dignas de destaque –que normalmente não são as mesmas—, o resultado geral das negociações amparadas em previsões de Machine Learning gera retornos até três vezes maiores se compararmos a estratégias tradicionais.

Faça o download do white paper Learning with Sentiment

É inegável que os dados de sentimento continuam sendo subutilizados nas negociações algorítmicas. Mas os nossos aplicativos estão aí para destacar o potencial dessa estratégia para melhorar o desempenho do trading e dos investimentos, agregando cada vez mais valor aos negócios.

Para se informar mais sobre o uso de dados de sentimento nas estratégias de investimento, ouça o meu webinar em parceria com a Refinitiv: The role of sentiment as an early warning risk indicator

Melhore suas estratégias de pesquisa e negociação com o Refinitiv News Analytics