Model tersebut menghasilkan beberapa pola yang dapat diamati baik dalam perilaku pasar maupun struktur bahasa. Temuan ini menggambarkan bagaimana sinyal berbasis teks selaras dengan pergerakan kurva imbal hasil berikutnya.
Struktur Pasar dan Dinamika Kurva
Pertama, volatilitas jangka pendek di pasar pendapatan tetap Brasil lebih tinggi dibandingkan volatilitas jangka panjang. Hal ini berbeda dengan teori tradisional yang menyatakan bahwa, di pasar negara berkembang, investor bereaksi lebih kuat terhadap berita jangka pendek dan sinyal kebijakan. Instrumen-instrumen jangka panjang tampaknya diperdagangkan dengan volatilitas yang relatif lebih rendah, yang mencerminkan dominasi investor institusional dengan jangka waktu yang lebih panjang.
Selain itu, 84% pergerakan kurva imbal hasil harian masuk ke dalam empat dari sebelas konfigurasi standar yang diidentifikasi dalam literatur, dengan pergeseran paralel ke atas dan paralel ke bawah merupakan salah satu yang paling sering terjadi (yang juga menegaskan pola volatilitas jangka pendek ini). Konsentrasi ini menyoroti pentingnya mengklasifikasikan dengan benar sekumpulan kecil dinamika kurva dominan.
Mengekstrak Sinyal dari Bahasa
Untuk mempersiapkan data teks, kata-kata umum seperti “komite”, “skenario”, “miliar”, dan “harga” dihapus sebagai kata-kata penghenti, karena tidak berkontribusi pada klasifikasi. Frekuensi kata kemudian dipetakan untuk setiap kategori pergerakan kurva hasil, sehingga memungkinkan perbandingan pola bahasa di berbagai konfigurasi kurva.
Musiman dalam Pergerakan Kurva
Saat memeriksa bahasa yang terkait dengan pergerakan tertentu, muncul pola musiman. Misalnya, pergerakan penurunan harga sering dikaitkan dengan referensi pada bulan Agustus, September, dan Oktober, sedangkan pergerakan kenaikan harga lebih sering dikaitkan dengan bulan Januari, Februari, dan Maret. Uji chi-kuadrat memberikan bukti statistik mengenai pola musiman pada beberapa pergerakan kurva imbal hasil.