Este estudio investiga si las narrativas específicas de las empresas extraídas de las noticias añaden contenido predictivo a los modelos de retorno mensual de acciones. Utilizando representaciones de codificadores bidireccionales de modelado de temas basado en transformadores (BERTopic), procesamos noticias de Microsoft (MSFT) y construimos activaciones narrativas mensuales (presencia binaria y ponderación de decaimiento). Estas activaciones narrativas se utilizan en modelos autorregresivos de media móvil con regresores exógenos (ARIMA-X) para analizar los retornos logarítmicos mensuales de MSFT junto con el índice de Incertidumbre de Política Económica de EE. UU. (EPU) desde febrero de 2021 hasta marzo de 2025. Los modelos de decaimiento utilizando una incrustación BERT destilada por similitud produjeron tres narrativas significativas: Percepción de los Medios y del Público (beta = 0.0128, = 0.002), Moneda y Entorno Macroeconómico (beta = -0.0143, < 0.001), y Ecosistema Tecnológico y de Semiconductores (beta = -0.0606, = 0.014). La activación binaria identifica choques reputacionales: el indicador de Percepción de los Medios y del Público predice menores retornos a uno y dos meses de retraso (beta = -0.0758, = 0.043; beta = -0.1048, = 0.007). Una prueba de razón de verosimilitud que compara modelos ARIMA-X con regresores narrativos con un ARIMA base (sin narrativas) rechaza la hipótesis nula de que las narrativas no añaden mejora en el ajuste ( < 0.01). Las narrativas a nivel de empresa mejoran las previsiones mensuales más allá de los predictores convencionales; la activación de decaimiento y las incrustaciones destiladas por similitud tienen el mejor rendimiento. Demostrado en Microsoft como prueba de concepto, el diseño independiente del ticker se escala a múltiples empresas y sectores, dependiendo de la cobertura de noticias etiquetadas por la empresa para la validez externa.