Utilizamos un enfoque de aprendizaje automático de cuantiles (bosques aleatorios) para analizar la capacidad predictiva de los índices de atención macroeconómica basados en periódicos (MAIs) sobre ocho fundamentos principales de los Estados Unidos en la volatilidad realizada de un importante mercado de valores emergente exportador de materias primas, a saber, Sudáfrica. Comparamos el rendimiento de los MAIs con el rendimiento de un índice de sentimiento de noticias (NSI) de los EE. UU. Encontramos que tanto los fundamentos como el sentimiento mejoran el rendimiento predictivo, pero el impacto relativo de los primeros es más fuerte. Documentamos cómo el impacto de los fundamentos y el sentimiento en el rendimiento predictivo varía a lo largo de los cuantiles de la distribución condicional de la volatilidad realizada, y a lo largo de diferentes horizontes de predicción. Específicamente, los fundamentos importan más en los cuantiles extremos a corto plazo, y en la mediana a largo plazo. Además, informamos varios controles de robustez (involucrando el período de muestra y definiciones alternativas de volatilidad realizada), e indicamos que los resultados obtenidos para Sudáfrica también tienden a extenderse a otros países emergentes como Brasil, China, India y Rusia. Nuestros resultados tienen importantes implicaciones para los inversores, ya que la volatilidad es un input para decisiones de asignación de cartera. Además, al capturar la incertidumbre financiera, la variabilidad del mercado de valores también tiene un papel en el diseño de políticas para prevenir posibles colapsos.