Identificación de regímenes de mercado mediante análisis de noticias financieras y técnicas clustering aplicadas a series temporales

Abstract

La evolución de los mercados financieros se caracteriza por la alternancia de distintos regímenes: fases de expansión, asociadas a rentabilidades positivas y menor percepción del riesgo, y fases de contracción o crisis, en las que la incertidumbre aumenta significativamente y la volatilidad se incrementa. Este Trabajo de Fin de Grado diseña e implementa un pipeline completo que combina indicadores técnicos del S&P 500 con sentimiento sectorial extraído de noticias financieras mediante FinBERT, con el objetivo de identificar regímenes de mercado mediante técnicas de clustering no supervisado.

El pipeline desarrollado consta de seis etapas: adquisición y filtrado de datos del corpus FNSPID restringiendo a constituyentes históricos del S&P 500, puntuación de sentimiento con FinBERT, agregación sectorial GICS, cálculo de nueve indicadores técnicos y entrenamiento de tres modelos K-Means con K=3. Se comparan tres configuraciones: Modelo A (solo indicadores técnicos), Modelo B (técnicos más sentimiento sectorial bruto) y Modelo C (solo sentimiento suavizado).

Los resultados confirman que los indicadores técnicos constituyen la base más sólida para la detección de regímenes, con un silhouette en espacio PCA común de 0,193 frente a 0,178 del Modelo B. Sin embargo, la validación económica revela que el Modelo B produce regímenes con diferenciación económica más marcada: el régimen bajista presenta ratios de Sharpe negativos en 10 de los 11 sectores GICS, y la diferenciación máxima de Sharpe alcanza 6,88 puntos, frente a 2,18 del Modelo C. El sentimiento aporta valor incremental como complemento a la información de precio, no como sustituto.The evolution of financial markets is characterized by the alternation of distinct market regimes: expansion phases, associated with positive returns and lower risk perception, and contraction or crisis phases, in which uncertainty increases significantly and volatility rises. This Bachelor's Thesis designs and implements a complete end-to-end pipeline combining S&P 500 technical indicators with sector-level sentiment extracted from financial news via FinBERT, with the aim of identifying market regimes through unsupervised clustering techniques.

The pipeline consists of six stages: acquisition and filtering of data from the FNSPID corpus restricting to historical S&P 500 constituents, sentiment scoring with FinBERT, GICS sector-level aggregation, computation of nine technical indicators, and training of three K-Means models with K=3. Three configurations are compared: Model A (technical indicators only), Model B (technical plus raw sectoral sentiment), and Model C (smoothed sentiment only).

Results confirm that technical indicators constitute the strongest foundation for regime detection, achieving a silhouette score of 0.193 in the common PCA space versus 0.178 for Model B. However, economic validation reveals that Model B produces regimes with more marked economic differentiation: the Bear regime presents negative Sharpe ratios in 10 of the 11 GICS sectors, and the maximum Sharpe spread reaches 6.88 points, compared to 2.18 for Model C. Sentiment adds incremental value as a complement to price information, not as a substitute for it.