Metodología de proyección emocional en la predicción de cotizaciones bursátiles

Abstract

Este proyecto tiene como objetivo desarrollar una metodología para predecir oportunidades en el mercado bursátil utilizando las emociones generadas por los titulares de las noticias. Se emplea un dataset de titulares categorizados para entrenar un clasificador temático basado en el algoritmo de Naive-Bayes. Para el análisis de sentimientos se ha utilizado la biblioteca Flair que emplea redes neuronales para analizar los sentimientos de los titulares. Se creó un dataset de titulares para diseñar y comparar modelos de regresión, seleccionando el más adecuado para nuestra base de datos. El modelo final es un regresor polinomial que pronostica cambios porcentuales en el valor del IBEX 35 a partir del análisis de sentimientos de los titulares de noticias. Por último, se realiza un estudio de viabilidad económica para evaluar la posible creación de una empresa basada en la metodología desarrollada.

This project aims to develop a methodology to predict stock market opportunities using emotions generated by news headlines. A dataset of categorized headlines is used to train a thematic classifier based on the Naive-Bayes algorithm. For sentiment analysis, the Flair library was used which employs neural networks to analyze headline sentiments. A dataset of headlines was created to design and compare regression models, selecting the most appropriate one for our database. The final model is a polynomial regressor that predicts percentage changes in the value of the IBEX 35 from the sentiment analysis of news headlines. Finally, an economic feasibility study is performed to evaluate the possible creation of a company based on the developed methodology.