Análisis de reseñas o análisis de comentarios en redes sociales.

Abstract

Este trabajo analiza 20.022 observaciones post-ticker procedentes de 14.152 publicaciones únicas de Reddit de subreddits financieros, publicadas entre enero de 2019 y el 3 de julio de 2025. El corpus final contiene menciones efectivas a 58 tickers del S&P 500 pertenecientes a los sectores de Tecnología y Energía, a partir de una muestra sectorial inicial de 59 tickers. El objetivo es combinar técnicas de modelado de tópicos y análisis de sentimiento para caracterizar el discurso financiero observado en Reddit, interpretado como proxy del discurso minorista online, y comparar los patrones temáticos y emocionales entre ambos sectores.

Se emplea Latent Dirichlet Allocation (LDA) con K=9 tópicos para identificar los principales ejes temáticos del corpus. La selección de K se fundamenta en una búsqueda en rejilla de 360 configuraciones evaluadas con la métrica de coherencia c_v, combinada con una revisión manual de interpretabilidad. Los scores de sentimiento se calculan mediante tres modelos: VADER, Loughran-McDonald y FinBERT.

Los resultados muestran que el tópico más positivo según FinBERT es Trading y Derivados, mientras que el más negativo es Resultados Trimestrales. El sector energético presenta un sentimiento medio ligeramente más negativo que el tecnológico bajo Loughran-McDonald y FinBERT, aunque las diferencias son modestas. VADER muestra una polaridad positiva estructural elevada en ambos sectores, atribuible a las características léxicas de los foros de Reddit.This dissertation analyses 20,022 post-ticker observations from 14,152 unique Reddit posts published in financial subreddits between January 2019 and 3 July 2025. The final corpus contains effective mentions of 58 S&P 500 tickers from the Technology and Energy sectors, obtained from an initial sector sample of 59 tickers. The objective is to combine topic modelling and sentiment analysis techniques in order to characterise the financial discourse observed on Reddit, interpreted as a proxy for online retail-investor discourse, and to compare thematic and emotional patterns across both sectors.

Latent Dirichlet Allocation (LDA) with K=9 topics is used to identify the main thematic axes of the corpus. The choice of K is based on a grid search of 360 model configurations evaluated with the c_v coherence metric, complemented by a manual interpretability review. Sentiment scores are computed using three models: VADER, Loughran-McDonald and FinBERT.

The results show that the most positive topic according to FinBERT is Trading and Derivatives, while the most negative topic is Quarterly Earnings. The Energy sector shows slightly more negative average sentiment than Technology under Loughran-McDonald and FinBERT, although the differences are modest. VADER assigns structurally high positive polarity to both sectors, which is attributed to the lexical features of Reddit forums.