The purpose of this dissertation is to explore the impact of textual data on the Brazilian economic cycle. Utilizing a dataset of articles from "Valor Econômico" newspaper spanning July 2011 to December 2022, we employ the topic model Latent Dirichlet Allocation (LDA) to transform this textual data into a series of monthly topic proportions. From this output, we have developed two news indices - NITVP and NLTM - each with distinct methodologies but sharing the objective of assessing the influence of news topics on asset prices. Adopting the identification strategy of Larsen and Thorsrud (2019), we incorporate these indices into a structural VAR model to differentiate between news and noise shocks and to analyze their effects on macroeconomic variables. Our results reveal that news shocks, as captured by the news indices, significantly impact both asset prices and a range of macroeconomic indicators. Both news and noise shocks are found to be crucial in explaining a considerable proportion of the variance in asset prices over short and long-term periods, underscoring the pivotal role of news information in market dynamics. Furthermore, our findings, when contrasted with previous studies like Beaudry and Portier (2006), affirm the effectiveness of employing news indices to identify news shocks, as opposed solely on asset prices. This dissertation contributes to the field of economic literature by showcasing the significance of textual data analysis in understanding economic cycles and highlighting the potential and importance of news as a resource for providing a comprehensive view of the economy.

O objetivo desta dissertação é investigar o impacto dos dados textuais no ciclo econômico brasileiro. Utilizamos um conjunto de dados de artigos do jornal "Valor Econômico", abrangendo de julho de 2011 a dezembro de 2022, empregamos o modelo de tópicos Alocação Latente de Dirichlet (LDA) para transformar esses dados textuais em uma série de proporções mensais de tópicos. A partir deste resultado, desenvolvemos dois índices de notícias - NITVP e NLTM - cada um com metodologias distintas, mas compartilhando o objetivo de avaliar a influência de tópicos de notícias sobre os preços de ativos. Adotando a estratégia de identificação de Larsen e Thorsrud (2019), incorporamos esses índices em um modelo VAR estrutural para diferenciar entre choques de notícias e de ruído e analisar seus efeitos sobre variáveis macroeconômicas. Nossos resultados revelam que os choques de notícias, capturados pelos índices de notícias, impactam significativamente tanto os preços de ativos quanto uma gama de indicadores macroeconômicos. Tanto os choques de notícias quanto de ruído são cruciais para explicar uma considerável proporção da variação nos preços dos ativos em períodos de curto e longo prazo, sublinhando o papel vital da informação das notícias na dinâmica do mercado. Além disso, nossas descobertas, quando contrastadas com estudos anteriores como Beaudry e Portier (2006), afirmam a eficácia do uso de índices de notícias para identificar choques de notícias, em oposição à dependência exclusiva dos preços de ativos. Esta dissertação contribui para o campo da literatura econômica ao destacar a importância da análise de dados textuais no entendimento dos ciclos econômicos e ressaltar o potencial e a importância das notícias como recurso para fornecer uma visão abrangente da economia.