Modelo de recomendación para inversión en acciones colombianas pertenecientes al índice colcap basado en análisis técnico y sentimiento del mercado local
En el año 2018 se creó la Segunda Misión del Mercado de Capitales en Colombia, con el objetivo de estudiar el estado actual de los mercados financieros locales y sugerir soluciones para los problemas encontrados. Entre los hallazgos se encontró que el mercado de acciones ha tenido un decrecimiento n...
- Autores:
-
Palacio Roldan, Julian
- Tipo de recurso:
- Fecha de publicación:
- 2022
- Institución:
- Universidad Nacional de Colombia
- Repositorio:
- Universidad Nacional de Colombia
- Idioma:
- spa
- OAI Identifier:
- oai:repositorio.unal.edu.co:unal/81458
- Palabra clave:
- Mercados financieros
Análisis de sentimientos Español
Long short-term memory
Gated recurrent unit
- Rights
- openAccess
- License
- Reconocimiento 4.0 Internacional
| id |
UNACIONAL2_acbe3b7ca7bd3265192429ce7d672010 |
|---|---|
| oai_identifier_str |
oai:repositorio.unal.edu.co:unal/81458 |
| network_acronym_str |
UNACIONAL2 |
| network_name_str |
Universidad Nacional de Colombia |
| repository_id_str |
|
| dc.title.spa.fl_str_mv |
Modelo de recomendación para inversión en acciones colombianas pertenecientes al índice colcap basado en análisis técnico y sentimiento del mercado local |
| dc.title.translated.eng.fl_str_mv |
Recommendation model for Colombian COLCAP index stocks based on technical analysis and local market sentiment |
| title |
Modelo de recomendación para inversión en acciones colombianas pertenecientes al índice colcap basado en análisis técnico y sentimiento del mercado local |
| spellingShingle |
Modelo de recomendación para inversión en acciones colombianas pertenecientes al índice colcap basado en análisis técnico y sentimiento del mercado local Mercados financieros Análisis de sentimientos Español Long short-term memory Gated recurrent unit |
| title_short |
Modelo de recomendación para inversión en acciones colombianas pertenecientes al índice colcap basado en análisis técnico y sentimiento del mercado local |
| title_full |
Modelo de recomendación para inversión en acciones colombianas pertenecientes al índice colcap basado en análisis técnico y sentimiento del mercado local |
| title_fullStr |
Modelo de recomendación para inversión en acciones colombianas pertenecientes al índice colcap basado en análisis técnico y sentimiento del mercado local |
| title_full_unstemmed |
Modelo de recomendación para inversión en acciones colombianas pertenecientes al índice colcap basado en análisis técnico y sentimiento del mercado local |
| title_sort |
Modelo de recomendación para inversión en acciones colombianas pertenecientes al índice colcap basado en análisis técnico y sentimiento del mercado local |
| dc.creator.fl_str_mv |
Palacio Roldan, Julian |
| dc.contributor.advisor.none.fl_str_mv |
Villa Garzón, Fernán Alonso |
| dc.contributor.author.none.fl_str_mv |
Palacio Roldan, Julian |
| dc.subject.proposal.spa.fl_str_mv |
Mercados financieros Análisis de sentimientos Español |
| topic |
Mercados financieros Análisis de sentimientos Español Long short-term memory Gated recurrent unit |
| dc.subject.proposal.eng.fl_str_mv |
Long short-term memory Gated recurrent unit |
| description |
En el año 2018 se creó la Segunda Misión del Mercado de Capitales en Colombia, con el objetivo de estudiar el estado actual de los mercados financieros locales y sugerir soluciones para los problemas encontrados. Entre los hallazgos se encontró que el mercado de acciones ha tenido un decrecimiento notable en los años recientes, por lo que se deben tomar acciones que fomenten la participación en este mercado. Como aporte a la solución, en este trabajo se desarrolla un modelo de recomendación de acciones pertenecientes al índice COLCAP, cuyo objetivo es el de ser incluido en una herramienta que, además de mostrar los resultados del modelo, le permita ver al inversionista cifras de riesgo y los insumos que utilizó el modelo para llegar al resultado: indicadores basados en precios históricos de las acciones, noticias e indicadores financieros de cada emisor. Para ello, se proponen dos modelos de redes neuronales recurrentes que predicen los precios de las acciones, y luego estas predicciones son utilizadas para clasificar las acciones de mejor a peor según la rentabilidad calculada con dichos pronósticos. Para entrenar los modelos, se obtienen datos de precios, noticias y estados financieros, utilizando técnicas de web scraping para los primeros dos, luego se realiza un análisis de sentimientos con redes neuronales recurrentes para clasificar las noticias en positivas, negativas o neutras; y se genera un dataset final añadiendo variables calculadas. Una vez entrenados los modelos, se utiliza la técnica de validación cruzada para obtener medidas de pronóstico, y luego, después de comparar, se escoge el modelo gated recurrent unit como el mejor ya que es más preciso en los pronósticos. (Texto tomado de la fuente) |
| publishDate |
2022 |
| dc.date.accessioned.none.fl_str_mv |
2022-05-20T20:48:00Z |
| dc.date.available.none.fl_str_mv |
2022-05-20T20:48:00Z |
| dc.date.issued.none.fl_str_mv |
2022 |
| dc.type.spa.fl_str_mv |
Trabajo de grado - Maestría |
| dc.type.driver.spa.fl_str_mv |
info:eu-repo/semantics/masterThesis |
| dc.type.version.spa.fl_str_mv |
info:eu-repo/semantics/acceptedVersion |
| dc.type.content.spa.fl_str_mv |
Text |
| dc.type.redcol.spa.fl_str_mv |
http://purl.org/redcol/resource_type/TM |
| status_str |
acceptedVersion |
| dc.identifier.uri.none.fl_str_mv |
https://repositorio.unal.edu.co/handle/unal/81458 |
| dc.identifier.instname.spa.fl_str_mv |
Universidad Nacional de Colombia |
| dc.identifier.reponame.spa.fl_str_mv |
Repositorio Institucional Universidad Nacional de Colombia |
| dc.identifier.repourl.spa.fl_str_mv |
https://repositorio.unal.edu.co/ |
| url |
https://repositorio.unal.edu.co/handle/unal/81458 https://repositorio.unal.edu.co/ |
| identifier_str_mv |
Universidad Nacional de Colombia Repositorio Institucional Universidad Nacional de Colombia |
| dc.language.iso.spa.fl_str_mv |
spa |
| language |
spa |
| dc.relation.references.spa.fl_str_mv |
Adhikari, U. R. (2020). The Market Risk Framework. ResearchGate. Asociación Bancaria y de Entidades Financieras de Colombia. (2019). Caracterización del mercado de capitales colombiano: una perspectiva integral. Asociación Bancaria y de Entidades Financieras de Colombia. (2019). Segunda Misión del Mercado de Capitales: reflexiones desde el sector financiero. Bogotá: Semana Económica. Autorregulador del mercado de valores de Colombia. (2019). Guía de estudio: Análisis Económico y Financiero. 144. Banco de la República de Colombia. (05 de 09 de 2021). Mercado accionario. Obtenido de https://www.banrep.gov.co/es/estadisticas/mercado-accionario#:~:text=El%20COLCAP%20es%20un%20%C3%ADndice,ajustada%20(flotante%20de%20la%20compa%C3%B1%C3%ADa Bolsa de Valores de Colombia. (2021). Análisis técnico BVC. Obtenido de https://www.bvc.com.co/pps/tibco/portalbvc/Home/Mercados/Analisis_Tecnico?action=dummy Bolsa de Valores de Colombia. (2021). Análisis técnico BVC. Obtenido de https://www.bvc.com.co/pps/tibco/portalbvc/Home/Mercados/Analisis_Tecnico?action=dummy Bouazizi, M., & Ohtsuki, T. (2019). Multi-Class Sentiment Analysis on Twitter: Classification Performance. BIG DATA MINING AND ANALYTICS, 14. Cajamarca, I. (25 de 10 de 2021). La República. Obtenido de https://www.larepublica.co/finanzas/conozca-tres-opciones-para-comprar-acciones-en-la-bolsa-de-valores-colombiana-3251818 Cajamarca, I. (26 de 01 de 2022). La República. Obtenido de https://www.larepublica.co/especiales/opa-por-nutresa/durante-el-periodo-de-aceptacion-de-opa-el-grupo-sura-transo-227679-millones-3291967 Castro Alfaro, A., & Anturi Santos, R. (2015). EL ANÁLISIS TECNICO Y FUNDAMENTAL EN UN CONTEXTO DE GLOBALIZACIÓN: BANCOLOMBIA. AGLALA. Chami, R., Fullenkamp, C., & Sharma, S. (2009). A Framework for Financial Market Development. International Monetary Fund , 60. Córdoba Garcés, J., & Molina Ungar, E. (2017). Elementos para alcanzar el mercado de capitales que Colombia necesita: hoja de ruta y desafios estructurales. Centro de Estudios Sobre Desarrollo Económico, Universidad de los Andes, 37. Drakopoulou, V. (2015). A Review of Fundamental and Technical Stock Analysis Techniques. Journal of Stock & Forex Trading. Fama, E. (1970). Efficient Capital Markets: A Review of Theory and Empirical Work. Journal of Finance. Grandini, M., Bagli, E., & Visani, G. (2020). METRICS FOR MULTI-CLASS CLASSIFICATION: AN OVERVIEW. Guo, H. (2002). Understanding the Risk-Return Tradeoff in the Stock Market. FEDERAL RESERVE BANK OF ST. LOUIS. Johnson, C. A. (2001). Value at Risk: Teoría y aplicaciones. Estudios de Economía vol. 28. Khairi, T., Zaki, R., & Mahmood, W. (2019). Stock Price Prediction using Technical, Fundamental and News based Approach. 2nd Scientific Conference of Computer Sciences (SCCS), University of Technology - Iraq. Lagos Cortés, D. (2013). Análisis de las prácticas de Gobierno Corporativo en la Bolsa de Valores de Colombia. AD-minister, 19. Lasek, M., & Lasek, J. (2015). Are Stock Markets Driven More by Sentiments than Efficiemcy? Journal of Engineering, Project, and Production Management. Levine, R. (1996). Financial Development and Economic Growth. Policy Research Department, World Bank, 84. Li, X., Wu, P., & Wang, W. (2020). Incorporating stock prices and news sentiments for stock market prediction: A case of Hong Kong. Information Processing & Management, 19. Linsmeier, T. J., & Pearson, N. D. (2000). Value at Risk. Association for Investment Management and Research. LUKIC, R. (2018). The Analysis of the Operative Profit Margin of Trade Companies in Serbia. Review of International Comparative Management. Malkiel, B. (2003). The Efficient Market Hypothesis and Its Critics. Journal of Economic Perspectives, 60. Martín, M. Á. (2011). Mercado de capitales: Una perspectiva global. Buenos Aires: CENGAGE Learning. Medhat, W., Hassan, A., & Korashy, H. (2014). Sentiment analysis algorithms and applications:A survey. Ain Shams Engineering Journal, 21. Ministerio de Hacienda, Banco Mundial & Fedesarrollo. (1996). Misión de Estudios del Mercado de Capitales. Bogotá: Fundación para la educación superior y el desarrollo. Ministerio de Hacienda, Banco Mundial & Programa de Cooperación Económica y Desarrollo. (2019). Misión del mercado de capitales. Miskolczi, P. (2017). NOTE ON SIMPLE AND LOGARITHMIC RETURN. APSTRACT, 127-136. Mittal, A., & Goel, A. (2011). Stock Prediction Using Twitter Sentiment Analysis. Standford University. Moreno, A., & Humberto, J. (23 de Noviembre de 2019). Unos 65.600 accionistas salen de la Bolsa de Valores de Colombia cada año. La República, pág. 1. Nguyen, T. H., Shirai, K., & Velcin, J. (2015). Sentiment analysis on social media for stock movement prediction. Expert Systems with Applications. Pernagallo, G., & Torrisi, B. (2020). Blindfolded monkeys or financial analysts: who is worth your money? New evidence on informational inefficiencies in the US stock market. Physica A: Statistical Mechanics and its Applications. Portafolio. (13 de Octubre de 2020). Bolsa de Colombia: cada vez menos emisores de acciones. Portafolio. Portafolio. (2021). Valor en libros de las acciones muestra que están baratas. Portafolio. Qaiser, H., & Shafique, U. (2014). A Comparative Study of Data Mining Process Models (KDD, CRISP-DM and SEMMA). International Journal of Innovation and Scientific Research. Quiñonez Avendaño, C. (2010). INTERVENCIÓN DEL ESTADO COLOMBIANO EN EL MERCADO DE VALORES. Iustitia. Rojas, C. I., & Gonzalez, A. (2008). Mercado de Capitales en Colombia: Diagnóstico y Perspectivas de su. Asociación Nacional de Instituciones Financieras. Rouf, N., Bashir Malik, M., Arif, T., Sharma, S., Singh, S., Aich, S., & Kim, H.-C. (2021). Stock Market Prediction Using Machine Learning Techniques: A Decade Survey on Methodologies, Recent Developments, and Future Directions. Electronics. Salazar Sierra, C. (17 de 12 de 2021). Editorial La República S.A.S. Obtenido de https://www.larepublica.co/economia/colombia-seria-lider-en-la-region-en-crecimiento-cerrando-2021-con-un-pib-de-97-3278348 Sasank Pagolu, V., Reddy Challa, K. N., Panda, G., & Majhi, B. (2016). Sentiment Analysis of Twitter Data for Predicting Stock Market Movements. International conference on Signal Processing, Communication, Power and Embedded System (SCOPES)-2016, 6. Superintendencia Financiera de Colombia. (2019). Actualidad del Sistema Financiero Colombiano. Dirección de Investigación y Desarrollo. Tatman, R. (2017). Pre-trained Word Vectors for Spanish. Obtenido de https://www.kaggle.com/rtatman/pretrained-word-vectors-for-spanish TensorFlow. (22 de 01 de 2021). TensorFlow. Obtenido de https://www.tensorflow.org/api_docs/python/tf/keras Tian, Y. (2009). Market Liquidity Risk and Market Risk Measurement. Delft University of Technology. Wang, H., Wang, T., & Li, Y. (2020). Incorporating Expert-Based Investment Opinion Signals in Stock Prediction: A Deep Learning Framework. Proceedings of the AAAI Conference on Artificial Intelligence. Wirth, R., & Hipp, J. (2000). CRISP-DM: Towards a Standard Process Model for Data Mining. Proceedings of the 4th International Conference on the Practical Applications of Knowledge Discovery and Data Mining. . Yadav, A., & Vishwakarma, D. K. (2020). Sentiment analysis using deep learning architectures: a review. Artif Intell Rev 53. Yang, Y. (2007). CONSISTENCY OF CROSS VALIDATION FOR COMPARING REGRESSION PROCEDURES. The Annals of Statistics. Zhang, Y., & Wallace, B. (2015). A Sensitivity Analysis of (and Practitioners’ Guide to) Convolutional Neural Networks for Sentence Classification. arXiv preprint arXiv:1510.03820 |
| dc.rights.coar.fl_str_mv |
http://purl.org/coar/access_right/c_abf2 |
| dc.rights.license.spa.fl_str_mv |
Reconocimiento 4.0 Internacional |
| dc.rights.accessrights.spa.fl_str_mv |
info:eu-repo/semantics/openAccess |
| rights_invalid_str_mv |
Reconocimiento 4.0 Internacional http://purl.org/coar/access_right/c_abf2 |
| eu_rights_str_mv |
openAccess |
| dc.format.mimetype.spa.fl_str_mv |
application/pdf |
| dc.publisher.spa.fl_str_mv |
Universidad Nacional de Colombia |
| dc.publisher.program.spa.fl_str_mv |
Medellín - Minas - Maestría en Ingeniería - Analítica |
| dc.publisher.department.spa.fl_str_mv |
Departamento de la Computación y la Decisión |
| dc.publisher.faculty.spa.fl_str_mv |
Facultad de Minas |
| dc.publisher.place.spa.fl_str_mv |
Medellín, Colombia |
| dc.publisher.branch.spa.fl_str_mv |
Universidad Nacional de Colombia - Sede Medellín |
| institution |
Universidad Nacional de Colombia |
| bitstream.url.fl_str_mv |
https://repositorio.unal.edu.co/bitstream/unal/81458/1/1036649568.2022.pdf https://repositorio.unal.edu.co/bitstream/unal/81458/2/license.txt https://repositorio.unal.edu.co/bitstream/unal/81458/3/1036649568.2022.pdf.jpg |
| bitstream.checksum.fl_str_mv |
5ae9c825db571e688828f052c9bc8e5a 8153f7789df02f0a4c9e079953658ab2 d69d23172868f7819d7c8b848b0939cc |
| bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 MD5 |
| repository.name.fl_str_mv |
Repositorio Institucional Universidad Nacional de Colombia |
| repository.mail.fl_str_mv |
repositorio_nal@unal.edu.co |
| _version_ |
1814089912298766336 |
| spelling |
Reconocimiento 4.0 Internacionalinfo:eu-repo/semantics/openAccesshttp://purl.org/coar/access_right/c_abf2Villa Garzón, Fernán Alonso9c83ea56495b8f17a79c27fd0001bb81Palacio Roldan, Juliandf432ae291c788bc1590a7d9ae2a11d82022-05-20T20:48:00Z2022-05-20T20:48:00Z2022https://repositorio.unal.edu.co/handle/unal/81458Universidad Nacional de ColombiaRepositorio Institucional Universidad Nacional de Colombiahttps://repositorio.unal.edu.co/En el año 2018 se creó la Segunda Misión del Mercado de Capitales en Colombia, con el objetivo de estudiar el estado actual de los mercados financieros locales y sugerir soluciones para los problemas encontrados. Entre los hallazgos se encontró que el mercado de acciones ha tenido un decrecimiento notable en los años recientes, por lo que se deben tomar acciones que fomenten la participación en este mercado. Como aporte a la solución, en este trabajo se desarrolla un modelo de recomendación de acciones pertenecientes al índice COLCAP, cuyo objetivo es el de ser incluido en una herramienta que, además de mostrar los resultados del modelo, le permita ver al inversionista cifras de riesgo y los insumos que utilizó el modelo para llegar al resultado: indicadores basados en precios históricos de las acciones, noticias e indicadores financieros de cada emisor. Para ello, se proponen dos modelos de redes neuronales recurrentes que predicen los precios de las acciones, y luego estas predicciones son utilizadas para clasificar las acciones de mejor a peor según la rentabilidad calculada con dichos pronósticos. Para entrenar los modelos, se obtienen datos de precios, noticias y estados financieros, utilizando técnicas de web scraping para los primeros dos, luego se realiza un análisis de sentimientos con redes neuronales recurrentes para clasificar las noticias en positivas, negativas o neutras; y se genera un dataset final añadiendo variables calculadas. Una vez entrenados los modelos, se utiliza la técnica de validación cruzada para obtener medidas de pronóstico, y luego, después de comparar, se escoge el modelo gated recurrent unit como el mejor ya que es más preciso en los pronósticos. (Texto tomado de la fuente)In 2018 the second capital markets mission was created in Colombia, with the purpose of studying the current state of the local financial markets and to suggest solutions for the problems that were found. Among the findings, it was found that the stock market has had a notable decrease in recent years, so actions should be taken to encourage participation in this market. As a contribution to the solution, in this work, a COLCAP index stock recommendation model is developed, whose objective is to be included in an application that, not only displays the results of the model, but also allows the investor to see risk metrics and the inputs used by the model to get to the result: indicators based on historical stock prices, news and financial indicators for each issuer. To achieve this, two recurrent neural network models are proposed to predict stock prices, and then these predictions are used to classify the stocks from best to worst according to the returns calculated with those same predictions. Prices, news, and financial statements are obtained for the model training, using web scraping techniques for the first two, afterwards, a sentiment analysis is performed with recurrent neural networks to classify the news as positive, negative or neutral; and a final dataset is created adding calculated variables. After the models were trained, a cross-validation technique is used to calculate forecast metrics, and then, after comparing, the gated recurrent unit model is chosen as the best because of its more accurate forecasts.MaestríaMagíster en Ingeniería - AnalíticaÁrea Curricular de Ingeniería de Sistemas e Informáticaapplication/pdfspaUniversidad Nacional de ColombiaMedellín - Minas - Maestría en Ingeniería - AnalíticaDepartamento de la Computación y la DecisiónFacultad de MinasMedellín, ColombiaUniversidad Nacional de Colombia - Sede MedellínModelo de recomendación para inversión en acciones colombianas pertenecientes al índice colcap basado en análisis técnico y sentimiento del mercado localRecommendation model for Colombian COLCAP index stocks based on technical analysis and local market sentimentTrabajo de grado - Maestríainfo:eu-repo/semantics/masterThesisinfo:eu-repo/semantics/acceptedVersionTexthttp://purl.org/redcol/resource_type/TMAdhikari, U. R. (2020). The Market Risk Framework. ResearchGate.Asociación Bancaria y de Entidades Financieras de Colombia. (2019). Caracterización del mercado de capitales colombiano: una perspectiva integral.Asociación Bancaria y de Entidades Financieras de Colombia. (2019). Segunda Misión del Mercado de Capitales: reflexiones desde el sector financiero. Bogotá: Semana Económica.Autorregulador del mercado de valores de Colombia. (2019). Guía de estudio: Análisis Económico y Financiero. 144.Banco de la República de Colombia. (05 de 09 de 2021). Mercado accionario. Obtenido de https://www.banrep.gov.co/es/estadisticas/mercado-accionario#:~:text=El%20COLCAP%20es%20un%20%C3%ADndice,ajustada%20(flotante%20de%20la%20compa%C3%B1%C3%ADaBolsa de Valores de Colombia. (2021). Análisis técnico BVC. Obtenido de https://www.bvc.com.co/pps/tibco/portalbvc/Home/Mercados/Analisis_Tecnico?action=dummyBolsa de Valores de Colombia. (2021). Análisis técnico BVC. Obtenido de https://www.bvc.com.co/pps/tibco/portalbvc/Home/Mercados/Analisis_Tecnico?action=dummyBouazizi, M., & Ohtsuki, T. (2019). Multi-Class Sentiment Analysis on Twitter: Classification Performance. BIG DATA MINING AND ANALYTICS, 14.Cajamarca, I. (25 de 10 de 2021). La República. Obtenido de https://www.larepublica.co/finanzas/conozca-tres-opciones-para-comprar-acciones-en-la-bolsa-de-valores-colombiana-3251818Cajamarca, I. (26 de 01 de 2022). La República. Obtenido de https://www.larepublica.co/especiales/opa-por-nutresa/durante-el-periodo-de-aceptacion-de-opa-el-grupo-sura-transo-227679-millones-3291967Castro Alfaro, A., & Anturi Santos, R. (2015). EL ANÁLISIS TECNICO Y FUNDAMENTAL EN UN CONTEXTO DE GLOBALIZACIÓN: BANCOLOMBIA. AGLALA.Chami, R., Fullenkamp, C., & Sharma, S. (2009). A Framework for Financial Market Development. International Monetary Fund , 60.Córdoba Garcés, J., & Molina Ungar, E. (2017). Elementos para alcanzar el mercado de capitales que Colombia necesita: hoja de ruta y desafios estructurales. Centro de Estudios Sobre Desarrollo Económico, Universidad de los Andes, 37.Drakopoulou, V. (2015). A Review of Fundamental and Technical Stock Analysis Techniques. Journal of Stock & Forex Trading.Fama, E. (1970). Efficient Capital Markets: A Review of Theory and Empirical Work. Journal of Finance.Grandini, M., Bagli, E., & Visani, G. (2020). METRICS FOR MULTI-CLASS CLASSIFICATION: AN OVERVIEW.Guo, H. (2002). Understanding the Risk-Return Tradeoff in the Stock Market. FEDERAL RESERVE BANK OF ST. LOUIS.Johnson, C. A. (2001). Value at Risk: Teoría y aplicaciones. Estudios de Economía vol. 28.Khairi, T., Zaki, R., & Mahmood, W. (2019). Stock Price Prediction using Technical, Fundamental and News based Approach. 2nd Scientific Conference of Computer Sciences (SCCS), University of Technology - Iraq.Lagos Cortés, D. (2013). Análisis de las prácticas de Gobierno Corporativo en la Bolsa de Valores de Colombia. AD-minister, 19.Lasek, M., & Lasek, J. (2015). Are Stock Markets Driven More by Sentiments than Efficiemcy? Journal of Engineering, Project, and Production Management.Levine, R. (1996). Financial Development and Economic Growth. Policy Research Department, World Bank, 84.Li, X., Wu, P., & Wang, W. (2020). Incorporating stock prices and news sentiments for stock market prediction: A case of Hong Kong. Information Processing & Management, 19.Linsmeier, T. J., & Pearson, N. D. (2000). Value at Risk. Association for Investment Management and Research.LUKIC, R. (2018). The Analysis of the Operative Profit Margin of Trade Companies in Serbia. Review of International Comparative Management.Malkiel, B. (2003). The Efficient Market Hypothesis and Its Critics. Journal of Economic Perspectives, 60.Martín, M. Á. (2011). Mercado de capitales: Una perspectiva global. Buenos Aires: CENGAGE Learning.Medhat, W., Hassan, A., & Korashy, H. (2014). Sentiment analysis algorithms and applications:A survey. Ain Shams Engineering Journal, 21.Ministerio de Hacienda, Banco Mundial & Fedesarrollo. (1996). Misión de Estudios del Mercado de Capitales. Bogotá: Fundación para la educación superior y el desarrollo.Ministerio de Hacienda, Banco Mundial & Programa de Cooperación Económica y Desarrollo. (2019). Misión del mercado de capitales.Miskolczi, P. (2017). NOTE ON SIMPLE AND LOGARITHMIC RETURN. APSTRACT, 127-136.Mittal, A., & Goel, A. (2011). Stock Prediction Using Twitter Sentiment Analysis. Standford University.Moreno, A., & Humberto, J. (23 de Noviembre de 2019). Unos 65.600 accionistas salen de la Bolsa de Valores de Colombia cada año. La República, pág. 1.Nguyen, T. H., Shirai, K., & Velcin, J. (2015). Sentiment analysis on social media for stock movement prediction. Expert Systems with Applications.Pernagallo, G., & Torrisi, B. (2020). Blindfolded monkeys or financial analysts: who is worth your money? New evidence on informational inefficiencies in the US stock market. Physica A: Statistical Mechanics and its Applications.Portafolio. (13 de Octubre de 2020). Bolsa de Colombia: cada vez menos emisores de acciones. Portafolio.Portafolio. (2021). Valor en libros de las acciones muestra que están baratas. Portafolio.Qaiser, H., & Shafique, U. (2014). A Comparative Study of Data Mining Process Models (KDD, CRISP-DM and SEMMA). International Journal of Innovation and Scientific Research.Quiñonez Avendaño, C. (2010). INTERVENCIÓN DEL ESTADO COLOMBIANO EN EL MERCADO DE VALORES. Iustitia.Rojas, C. I., & Gonzalez, A. (2008). Mercado de Capitales en Colombia: Diagnóstico y Perspectivas de su. Asociación Nacional de Instituciones Financieras.Rouf, N., Bashir Malik, M., Arif, T., Sharma, S., Singh, S., Aich, S., & Kim, H.-C. (2021). Stock Market Prediction Using Machine Learning Techniques: A Decade Survey on Methodologies, Recent Developments, and Future Directions. Electronics.Salazar Sierra, C. (17 de 12 de 2021). Editorial La República S.A.S. Obtenido de https://www.larepublica.co/economia/colombia-seria-lider-en-la-region-en-crecimiento-cerrando-2021-con-un-pib-de-97-3278348Sasank Pagolu, V., Reddy Challa, K. N., Panda, G., & Majhi, B. (2016). Sentiment Analysis of Twitter Data for Predicting Stock Market Movements. International conference on Signal Processing, Communication, Power and Embedded System (SCOPES)-2016, 6.Superintendencia Financiera de Colombia. (2019). Actualidad del Sistema Financiero Colombiano. Dirección de Investigación y Desarrollo.Tatman, R. (2017). Pre-trained Word Vectors for Spanish. Obtenido de https://www.kaggle.com/rtatman/pretrained-word-vectors-for-spanishTensorFlow. (22 de 01 de 2021). TensorFlow. Obtenido de https://www.tensorflow.org/api_docs/python/tf/kerasTian, Y. (2009). Market Liquidity Risk and Market Risk Measurement. Delft University of Technology.Wang, H., Wang, T., & Li, Y. (2020). Incorporating Expert-Based Investment Opinion Signals in Stock Prediction: A Deep Learning Framework. Proceedings of the AAAI Conference on Artificial Intelligence.Wirth, R., & Hipp, J. (2000). CRISP-DM: Towards a Standard Process Model for Data Mining. Proceedings of the 4th International Conference on the Practical Applications of Knowledge Discovery and Data Mining. .Yadav, A., & Vishwakarma, D. K. (2020). Sentiment analysis using deep learning architectures: a review. Artif Intell Rev 53.Yang, Y. (2007). CONSISTENCY OF CROSS VALIDATION FOR COMPARING REGRESSION PROCEDURES. The Annals of Statistics.Zhang, Y., & Wallace, B. (2015). A Sensitivity Analysis of (and Practitioners’ Guide to) Convolutional Neural Networks for Sentence Classification. arXiv preprint arXiv:1510.03820Mercados financierosAnálisis de sentimientos EspañolLong short-term memoryGated recurrent unitEstudiantesInvestigadoresORIGINAL1036649568.2022.pdf1036649568.2022.pdfapplication/pdf1486825https://repositorio.unal.edu.co/bitstream/unal/81458/1/1036649568.2022.pdf5ae9c825db571e688828f052c9bc8e5aMD51LICENSElicense.txtlicense.txttext/plain; charset=utf-84074https://repositorio.unal.edu.co/bitstream/unal/81458/2/license.txt8153f7789df02f0a4c9e079953658ab2MD52THUMBNAIL1036649568.2022.pdf.jpg1036649568.2022.pdf.jpgGenerated Thumbnailimage/jpeg4935https://repositorio.unal.edu.co/bitstream/unal/81458/3/1036649568.2022.pdf.jpgd69d23172868f7819d7c8b848b0939ccMD53unal/81458oai:repositorio.unal.edu.co:unal/814582024-08-05 23:10:43.901Repositorio Institucional Universidad Nacional de Colombiarepositorio_nal@unal.edu.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 |