Publicación:
Aplicación de redes neuronales convolucionales y técnicas de procesamiento de lenguaje natural para el análisis de sentimiento en datos financieros

Vista sencilla de ítem
dc.contributor.advisorAlmonacid Hurtado, Paula María
dc.contributor.authorFernández Ceballos, Juan Manuel
dc.coverage.spatialMedellín de: Lat: 06 15 00 N degrees minutes Lat: 6.2500 decimal degrees Long: 075 36 00 W degrees minutes Long: -75.6000 decimal degreeseng
dc.creator.degreeMagíster en Ciencias de Datos y Analíticaspa
dc.creator.emailjmfernand1@eafit.edu.co
dc.date.accessioned2025-05-13T16:39:50Z
dc.date.available2025-05-13T16:39:50Z
dc.date.issued2025
dc.descriptionEste 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.
dc.identifier.urihttps://hdl.handle.net/10784/35406
dc.language.isospaspa
dc.publisherUniversidad EAFITspa
dc.publisher.departmentEscuela de Ciencias Aplicadas e Ingeniería. Área Computación y Analíticaspa
dc.publisher.placeMedellín
dc.publisher.programMaestría en Ciencias de los Datos y Analíticaspa
dc.rightsTodos los derechos reservadosspa
dc.rights.accessrightsinfo:eu-repo/semantics/openAccesseng
dc.rights.localAcceso abiertospa
dc.subjectMinería de texto
dc.subjectProcesamiento de lenguaje natural (NLP)
dc.subjectPredicción bursátil
dc.subject.lembCIENCIA DE LA INFORMACIÓN
dc.subject.lembFINANZAS
dc.subject.lembLENGUAJES NATURALES
dc.subject.lembGESTIÓN FINANCIERA
dc.subject.lembANÁLISIS FINANCIERO
dc.titleAplicación de redes neuronales convolucionales y técnicas de procesamiento de lenguaje natural para el análisis de sentimiento en datos financieros
dc.typemasterThesiseng
dc.typeinfo:eu-repo/semantics/masterThesiseng
dc.type.hasVersionacceptedVersioneng
dc.type.localTesis de Maestríaspa
dc.type.spaMonografía
dspace.entity.typePublication

Archivos

Bloque original
Mostrando 1 - 3 de 3
No hay miniatura disponible
Nombre:
JuanManuel_FernandezCeballos_2025.pdf
Tamaño:
523.49 KB
Formato:
Adobe Portable Document Format
Descripción:
Trabajo de grado
Descargar
No hay miniatura disponible
Nombre:
carta_aprobacion_trabajo_grado_eafit.pdf
Tamaño:
71.31 KB
Formato:
Adobe Portable Document Format
Descripción:
Carta de aprobación de tesis de grado
Descargar
No hay miniatura disponible
Nombre:
formulario_de_autorizacion_publicacion.pdf
Tamaño:
356.25 KB
Formato:
Adobe Portable Document Format
Descripción:
Formulario de autorización de publicación de obras
Descargar
Bloque de licencias
Mostrando 1 - 1 de 1
No hay miniatura disponible
Nombre:
license.txt
Tamaño:
2.5 KB
Formato:
Item-specific license agreed upon to submission
Descripción:
Descargar

Colecciones

Maestría en Ciencias de los Datos y Analítica (tesis)