Modelo fintech de correlación de la tendencia mediática y el valor de la empresa

Abstract

El proyecto en primera instancia estudiará las tendencias mediáticas y las palabras más relevantes con respecto a las noticias de actualidad. Una vez analizadas dichas palabras o parejas de palabras, se creará un primer modelo matemático que extraiga la información relevante de una noticia, la reduzca sin perder información, la agrupe y clasifique según la frecuencia de aparición en dicha noticia y la relevancia de cada palabra para el texto, ya sea negativa, neutra o negativa. Por último, cogerá esta información y construirá un vector único que un modelo de redes neuronales pueda leer. En línea con el output del primer modelo matemático, se entrenará un modelo de redes neuronales que teniendo como input el vector único previo y una base de datos histórica de valores bursátiles, consiga predecir la variación del valor de una empresa basándose en la información extraída de la noticia y dicha base de datos. Para demostrar la eficacia del modelo, se estudiará un caso práctico que arroje resultados dónde se verifique la menor incertidumbre ante movimientos bursátiles.

The project will first study the media trends and the most relevant words with respect to current news. Once these words or pairs of words have been analyzed, a first mathematical model will be created to extract the relevant information from a news item, reduce it without losing information, group and classify it according to the frequency of appearance in the news item and the relevance of each word for the text, whether negative, neutral, or negative. Finally, it will take this information and build a single vector that a neural network model can read. In line with the output of the first mathematical model, a neural network model will be trained to predict the change in the value of a company based on the information extracted from the news and the database. In order to demonstrate the effectiveness of the model, a practical case will be studied that yields results where the lowest uncertainty in the face of stock market movements is verified.