Publicación: Aplicación de redes neuronales convolucionales y técnicas de procesamiento de lenguaje natural para el análisis de sentimiento en datos financieros
Fecha
2025
Autores
Fernández Ceballos, Juan Manuel
Título de la revista
ISSN de la revista
Título del volumen
Editor
Universidad EAFIT
Resumen
Descripción
Este estudio entrelaza los métodos tradicionales de análisis financiero con la fuerza del procesamiento del lenguaje natrual (PLN) y el aprendizaje profundo, aplicando una adaptación del marco CRISP-DM. Esta investigación se concentra en el sector de electrónica de consumo del mercado bursátil estadounidense, para lo cual se reunieron noticias financieras y datos históricos de cotizaciones. Con el fin de comprender con mayor detalle la naturaleza del lenguaje en el ámbito financiero, se llevaron a cabo procesos de limpieza y preprocesamiento textual, así como diversos experimentos con arquitecturas de redes neuronales convolucionales (CNN). Estos experimentos compararon tres enfoques de embeddings (aleatorios, GloVe y fastText) para capturar los matices de sentimiento. Para determinar la influencia del sentimiento del mercado en las cotizaciones, se empleó un algoritmo de clasificación (Random Forest), con el propósito de pronosticar tendencias de precios, revelando el valor adicional que las emociones pueden aportar al mercado. Los resultados nos muestran la contribución positiva de los embeddings preentrenados a la clasificación de sentimientos y, a su vez, recalcan la importancia de incorporar otros indicadores para refinar la predicción de tendencias. De esta manera, el estudio sienta las bases para diseñar sistemas de análisis financiero más avanzados.