Análisis de sentimientos del mercado bursátil: Deep Learning y la influencia de los medios de comunicación en el índice S&P 500 (2019-2021)

En este documento se analiza el impacto de las noticias financieras en el precio del índice del S&P500 entre los años 2019 al 2021. Esto se hizo por medio de un análisis de sentimientos basado en técnicas de procesamiento de lenguaje natural (NLP, por sus siglas en inglés) con el fin de medir la polaridad de la información de las noticias financieras para su posterior modelación. Además, con el fin de comparar la precisión de modelos convencionales para la predicción de series de tiempo, como lo es el caso de los modelos ARIMA y sus variantes GARCH, se implementó modelos de deep learning de la serie de redes neuronales recurrentes de tipo long short-term memory (LSTM). Por otro lado se mide el impacto de incluir la polaridad de los sentimientos como una variable adicional en el modelo LSTM y ARIMA para determinar su influencia en la precisión de la predicción del índice. Todo esto busca determinar qué modelo ofrece una mejor precisión en la predicción del índice queriendo hacer un hibrido entre el análisis de sentimientos, la econometría y la inteligencia artificial.

• Autores: Ochoa Ortiz, Brian Steven
• Tipo de recurso: Trabajo de grado de pregrado
• Fecha de publicación: 2025
• Institución: Universidad de Ibagué
• Repositorio: Repositorio Universidad de Ibagué
• Idioma: spa
• OAI Identifier: oai:repositorio.unibague.edu.co:20.500.12313/5259
• Acceso en línea: https://hdl.handle.net/20.500.12313/5259
• Palabra clave: Mercado busátil; Deep Learning; Deep Learning - S&P 500 (2019-2021); Mercado busátil - S&P 500 (2019-2021); Análisis de sentimientos; S&P500; Procesamiento de lenguaje natural; Inteligencia artificial; Deep learning; Predicción del mercado bursátil; Sentiment analysis; Natural Language Processing; Stock market prediction; Artificial intelligence
• Rights: openAccess
• License: http://purl.org/coar/access_right/c_abf2