AI leest marktgevoel sneller dan traditionele peilingen

Julian Pemberton-Kerssens ontwikkelde een systeem dat sentiment uit nieuwsartikelen haalt en daarmee beleggers en beleidsmakers cruciale tijd kan besparen

Tegen de tijd dat de maandelijkse vertrouwenscijfers verschijnen, heeft de beurs al weken bewogen. Econometrist Julian Pemberton-Kerssens van de Universiteit van Amsterdam toont aan dat het anders kan: zijn AI-systeem analyseert dagelijks honderden nieuwsartikelen en meet sentiment – de heersende stemming onder consumenten en investeerders – vrijwel real-time. “Waar traditionele methoden afhankelijk zijn van trage, dure enquêtes, kan mijn aanpak sentiment vrijwel direct en automatisch meten”, zegt Pemberton-Kerssens.

Persoonlijke drive vanuit technologie-geschiedenis

De inspiratie voor het onderzoek ligt diep geworteld in Pemberton-Kerssens’ familiegeschiedenis. “Mijn vader hielp in de jaren ’90 bij het opzetten van het web in Nederland en werkte op mijn leeftijd aan de ontwikkeling van computers, in de oude afdeling van Alan Turing, de vader van AI. Als klein jongetje leerde ik hoe nieuwe technologieën de wereld ingrijpend kunnen veranderen.”

Waarom marktsentiment zo cruciaal is

Het meten van marktsentiment is essentieel omdat schommelingen in stemming vaak vroege signalen zijn van recessies, groeiversnellingen of koersbewegingen. “De wetenschappelijke literatuur erkent al decennialang dat menselijke emoties een cruciale rol spelen in de werking van de economie. Tot nu toe ontbraken echter de technologische middelen om deze emoties exact, tijdig én economisch rendabel te meten”, legt Pemberton-Kerssens uit.

Van half miljoen artikelen naar betrouwbare indices

Met een zelfgeschreven Python-script verzamelde Pemberton-Kerssens circa 500.000 nieuwsartikelen van meer dan 13.000 bronnen over tien jaar. Een geavanceerd AI-taalmodel classificeerde elk artikel op sentiment. “Stel je voor dat ik jou een tekst geef en vertel dat het sentiment positief is. Jij leest die tekst en herkent gaandeweg patronen: bepaalde woorden, hoe zinnen zijn opgebouwd, en de context waarin begrippen terugkomen. Zo werkt het AI-model ook: na duizenden gelabelde artikelen te hebben gelezen leert het diezelfde patronen herkennen. Daardoor kan het uiteindelijk heel accuraat nieuwe artikelen beoordelen, zelfs wanneer het sentiment nergens letterlijk staat opgeschreven.”

Het resultaat: een marktsentimentindex die 82% correleert met de bekende Amerikaanse Michigan Consumer Sentiment Index – een gevestigde graadmeter voor economisch vertrouwen – maar dan zonder de gebruikelijke weken vertraging, en de kosten die er aan verbonden zijn.

Doorbraak in bedrijfsspecifiek sentiment

Nog belangrijker is dat het systeem voor het eerst sentiment per specifiek bedrijf kan meten. “Stel je hebt aandelen in Boeing en er komt nieuws over gebrekkige onderdelen. Misschien ben je op vakantie en volg je het nieuws niet constant. Mijn systeem leest elke dag honderden nieuwsartikelen over Boeing en ziet het meteen wanneer de toon plotseling negatief wordt. Je krijgt dan vrijwel direct een signaal, zodat je eerder een besluit kunt nemen over verkopen of bijkopen.”

Bewezen meerwaarde voor beleggers

Tests tonen aan dat de nieuwe meetmethoden de voorspelkracht van financiële modellen verbeteren. “Bedrijfsspecifiek sentiment helpt daadwerkelijk bij het voorspellen van koersbewegingen voor dat bedrijf, wat met traditionele metingen niet mogelijk was.” Testsimulaties met verschillende handelsstrategieën leverden betere resultaten op dan standaard beleggingsmethoden.

Brede maatschappelijke impact

De toepassingen reiken veel verder dan alleen financiële markten. Beleidsmakers kunnen sneller reageren op sentiment-omslagen die vaak voorafgaan aan recessies. “Met mijn systeem is algemeen marktsentiment meteen beschikbaar, zodat beleidsmakers sneller op de hoogte zijn van scherpe dalingen en direct maatregelen kunnen nemen om bijvoorbeeld een recessie te beperken.”

Ook organisaties en bedrijven, zoals pensioenfondsen en banken kunnen beter inschatten welke investeringen risicovol worden door negatief nieuws. Daarnaast zag een hoogleraar mogelijkheden om interesse in zijn universiteit te meten via sentiment rond de instelling, om daar wervingscampagnes en beleid op af te stemmen.

Ethische en transparante technologie

“Eerlijk handelen, duurzaamheid en openheid zijn extra belangrijk als we met AI werken. Alleen dan kunnen we de digitale wereld op een verantwoorde manier vernieuwen. In plaats van persoonlijke gegevens te verzamelen om emoties te meten, gebruik ik alleen openbare nieuwsbronnen. Dat maakt het systeem goedkoper én beter voor de privacy. Omdat het model open-source is, kan iedereen zien hoe het werkt – een belangrijke stap richting transparantie, zeker als AI wordt gebruikt bij beleid.”

Voor de toekomst ziet Julian grote kansen: “Door per onderwerp te meten hoe mensen erover denken, krijgen we een veel verfijnder beeld van wat de economie beïnvloedt. Het is alsof we het licht op risico door een prisma laten vallen: wat eerst één straal leek, wordt nu een spectrum van gevoeligheden.” Zijn voorspelling: “AI wordt de nieuwe infrastructuur voor vrijwel alle domeinen, zoals elektriciteit en het internet. Wie nu leert samenwerken met AI, heeft straks een blijvende voorsprong.”

Geselecteerde citaten:

1. “Waar traditionele methoden afhankelijk zijn van trage enquêtes, kan mijn aanpak sentiment vrijwel direct meten.”
2. “Mijn systeem ziet het meteen wanneer de toon plotseling negatief wordt. Je krijgt dan direct een signaal.”
3. “AI wordt de nieuwe infrastructuur voor vrijwel alle domeinen, zoals elektriciteit en het internet.”