CLOSED
S&P—NASDAQ—DOW—R2K—VIX—AAPL—MSFT—NVDA—GOOGL—META—AMZN—TSLA—AVGO—GOLD—WTI—USDPEN—
Yahoo · 60s · delay ~15min
LIVE
BTC—ETH—SOL—XRP—ADA—BNB—DOGE—
CoinGecko · 30s
Cómo las palabras de instituciones y medios influyen en los mercados
Papers

Cómo las palabras de instituciones y medios influyen en los mercados

arXiv q-fin1 de octubre de 2026

Segun arXiv q-fin, un estudio reciente examina cómo las declaraciones de instituciones financieras y los mensajes repetidos por medios de comunicación afectan las decisiones de inversión. El análisis se centra en tres fuentes visibles de información: las declaraciones oficiales de instituciones (Say), la repetición mediática (Echo) y las posiciones reales reveladas en el mercado (Do). La investigación busca identificar cuándo es adecuado actuar sobre las palabras y cuándo es mejor ignorarlas. Se demuestra que, bajo un modelo lineal-quadrático, una institución informada que habla antes de una audiencia parcialmente crédula obtiene el mejor resultado cuando la relación entre sus acciones y el comportamiento de mercado cumple una condición específica: φ² < 2λk < φ.

Este resultado, independiente de las distribuciones de probabilidad, indica que si el vínculo entre las declaraciones y las posiciones reales en el mercado es negativo, entonces las palabras generan una predicción contraria al desempeño real. En ese caso, el mensaje debe ser desacreditado. Para medir estos efectos, se desarrollan tres herramientas: primero, un modelo exacto que identifica si un artículo es una repetición mediática, combinando el momento de llegada del contenido con su similitud en embeddings. Segundo, un objetivo de optimización que alinea las predicciones con los rendimientos reales, alcanzando su límite cuando las distancias en los embeddings crecen de forma lineal con las distancias cuadradas en los resultados. Tercero, una estadística basada en trayectorias que detecta quién actúa primero en el mercado.

En pruebas controladas con datos reales, el sentimiento mediático predice rendimientos con una señal significativamente negativa en todos los 29 escenarios simulados. La correlación entre declaraciones y posiciones reales detecta eventos falsos con una precisión de 0.90, mientras que los embeddings alineados con rendimientos organizan las noticias no por temas, sino por su impacto en el mercado. A pesar de estos avances, el estudio también señala que ciertos escenarios no son capturados por estas herramientas, lo que indica limitaciones en la generalización del modelo.

Para los inversores peruanos, este hallazgo es especialmente relevante. En un contexto donde las instituciones financieras y medios locales a menudo promueven noticias sobre activos, como acciones de empresas o bonos gubernamentales, la evidencia sugiere que no siempre las declaraciones reflejan la realidad del mercado. Por ejemplo, si un banco anuncia que una empresa está en riesgo pero al mismo tiempo aumenta su exposición, podría estar manipulando el mercado. Los peruanos que invierten en mercados locales deben estar atentos a la discrepancia entre lo que se dice y lo que realmente se observa en los precios. La comprensión de estas dinámicas permite tomar decisiones más informadas, evitando que las narrativas mediáticas o institucionales influyan de forma engañosa en sus estrategias. En un entorno donde la información se comparte rápidamente, reconocer que las palabras no siempre predicen el rendimiento es clave para proteger sus inversiones.