La información juega un rol fundamental en los mercados financieros. Las noticias el
sentimiento de mercado o los resultados financieros de las empresas son claves para
los inversionistas. Asimismo, la evolución de la tecnología ha permitido un análisis
más eficaz de la información y ha desarrollado nuevas formas de visualización, es así
como el machine learning ha permitido usar información poco común para los
inversionistas como son las redes sociales (Twitter), noticias de periódicos (Wall Street
Journal) o los earnings calls de las empresas para extraer datos relevantes. Por otro
lado, las transcripciones de los earnings calls son públicas y contienen los nombres
de los participantes de la llamada (ejecutivos y analistas), la presentación donde se
exponen los resultados del trimestre y ciertas proyecciones o tendencias de los
siguientes trimestres. El estudio se enfoca en combinar dos algoritmos distintos de
clasificación usados dentro del machine learning (Random Forest Classifier y Naive
Bayesian) y así ayudar a analizar y predecir el comportamiento de los earning calls en
el movimiento de las acciones de empresas mineras (Southern Copper Corporation,
Trevali Mining Corp, Compañía de Minas Buenaventura y Minsur) que cotizan en la
Bolsa de Valores de Lima (BVL), así como clasificar el transcrip en sentimientos
negativos, positivos y neutros.
| Identifer | oai:union.ndltd.org:PUCP/oai:tesis.pucp.edu.pe:20.500.12404/26773 |
| Date | 11 January 2024 |
| Creators | Macedo Pereira, Andrea |
| Contributors | Estrada Mendoza, Gernan Francisco |
| Publisher | Pontificia Universidad Católica del Perú, PE |
| Source Sets | Pontificia Universidad Católica del Perú |
| Language | Spanish |
| Detected Language | Spanish |
| Type | info:eu-repo/semantics/bachelorThesis |
| Format | application/pdf |
| Rights | info:eu-repo/semantics/closedAccess |
Page generated in 0.0028 seconds