ML-basierter Sentiment-Indikator aus Nachrichtenbildern

Khaled Obaid von der California State University-East Bay und Kuntara Pukthuanthong von der University of Missouri nutzen einen Machine-Learning-Ansatz um aus den Bildern in US-Nachrichten einen Sentiment-Indikator zu entwickeln. Dieser gibt den Anteil der News-Fotos an, der eine negative Stimmung impliziert (PhotoPes).
Es zeigt sich ein negativer Einfluss von PhotoPes auf die Rendite des Aktienmarktes am Folgetag und ein positiver Einfluss auf die Rendite der restlichen Woche. Mit anderen Worten, je negativer die Stimmung der in den Nachrichten gezeigten Bilder, umso geringer die Rendite des Aktienmarktes am Folgetag (und umso höher für den Rest der Woche). Konsistent mit der Annahme, dass es sich bei PhotoPes um einen Sentiment-Proxy handelt, weist der Index einen positiven Zusammenhang zum Handelsvolumen des Folgetages auf.

Quelle: Obaid, Pukthuanthong, 2022

Drittens vergleichen die Autoren die Vorhersagekraft von PhotoPes und Sentiment in den News-Texten. Es wird gezeigt, dass das in Nachrichtenfotos und -texten eingebettete Sentiment (Pessimismus) Substitute darstellt. Fotos lenken die Aufmerksamkeit vom Text ab, wenn diese besonders auffällig sind, also insbesondere dann, wenn sie übermäßig negativ oder positiv sind. Im Gegensatz dazu dominiert in Zeiten, in denen die Nachrichtenfotos neutral oder gemischt sind das im Text eingebettete Sentiment.

Absolut|alternative bietet institutionellen Investoren einen einzigartigen Zugang zu liquiden alternativen Anlagestrategien, darunter Themen wie Smart-Beta- und Factor-Investing, Digital Assets, Quantitative Strategien, Künstliche Intelligenz und Sektorinvestments.