Predicción de precios en mercados financieros usando la información de las noticias a través de métodos estadísticos

Abstract

Cada vez hay más noticias que tratan sobre los mercados financieros, esas noticias pueden tener un efecto en la bolsa. En la actualidad, se están creando modelos que intentan combinar los efectos de las noticias con los modelos tradicionales. Este TFG quiere obtener una relación entre el valor sentimental de las noticias y el mercado financiero de las acciones.

Metodología El primer paso en este trabajo fin de grado ha sido la recolección de los datos de empresas del S&P500, la bolsa donde las mejores 500 empresas estadounidenses cotizan, y su procesamiento de los datos recogidos. Por otro lado, la clasificación del valor sentimental se ha trabajado con un banco de palabras en Excel que se ha creado por cuenta propia. Por último, con los datos de la clasificación obtenidos se han importado a MATLAB donde finalmente se ha llevado a cabo el análisis.

Resultados y conclusiones

Tras analizar más de 50 empresas, se ha llegado a varias conclusiones. En primer lugar, no se ha podido rechazar la teoría del camino aleatorio debido a que el modelo predictivo no fue capaz de predecir los futuros valores de la cotización. En segundo lugar, el valor sentimental que había sido asignado a una noticia no solía coincidir con el efecto de esa noticia., además, esto fue apoyado por las series temporales que realiza la herramienta. Por último, las noticias suelen tener un alto impacto en el volumen de la empresa.

Introdution Every day, there are more and more news about financial markets, these news may have an impact in the stock market. Currently, Models that combine traditional methods with news are being developed. This end-of-grade project wants to obtain a relationship between the sentimental value of the news and the financial market of the shares.

Methodology The first step in this end-of-grade project was the collection of company data from the S&P500, the stock exchange where the top 500 U.S. companies are listed, and their processing of the collected data. On the other hand, the sentimental value classification has been worked with a word bank in Excel that has been created from scratch Finally, with the classification data obtained they have been imported into MATLAB where the analysis has finally been carried out.

Results and conclusions

After analyzing more than 50 companies, several conclusions have been reached. First of all, the random path hypothesis could not be rejected because the predictive model was not able to predict future quote values. Secondly, the sentimental value that had been assigned to a news story did not often match the effect of that news.Moreover, this claim was supported by the time series that the tool performs. Finally, news often has a high impact on the company´s volume.