ANÁLISIS DEL VALOR PREDICTIVO DE LAS NOTICIAS FINANCIERAS SOBRE EL NASDAQ MEDIANTE PROCESAMIENTO DE LENGUAJE NATURAL Y APRENDIZAJE AUTOMÁTICO

Abstract

Este Trabajo Fin de Grado analiza si las noticias financieras, transformadas en variables cuantitativas mediante técnicas de procesamiento de lenguaje natural, pueden mejorar la predicción del comportamiento del NASDAQ frente a un modelo basado únicamente en datos históricos del índice. Para ello, se construye un dataset diario que combina variables de mercado con información extraída de noticias financieras, incluyendo sentimiento, volumen informativo, dispersión del tono, polarización y atención por compañía. Los resultados muestran mejoras moderadas en algunas métricas y configuraciones, especialmente en F1-score y en la detección de movimientos significativos del índice.

This Final Degree Project studies whether financial news, once transformed into quantitative variables through natural language processing techniques, can improve the prediction of NASDAQ movements compared with a model based only on historical market data. To do so, a daily dataset is built by combining market variables with information extracted from financial news, including sentiment, news volume, tone dispersion, polarization and company-level attention. The results show moderate improvements in some metrics and model configurations, particularly in F1-score and in the detection of significant market movements.