Análisis del sentimiento de las noticias financieras mediante el modelo bert

Resumen

Las decisiones financieras dependen en gran medida de un correcto análisis de los sentimientos. Los métodos tradicionales no suelen captar los sentimientos ocultos. Para el análisis se recopiló un conjunto de datos de mercados financieros compuesto por 5.842 opiniones. De ellas, 1.852 eran positivas, 860 negativas y 3.130 neutras. Tras el muestreo descendente, los datos se dividieron en dos grupos: el conjunto de entrenamiento y el conjunto de prueba. El conjunto de entrenamiento se empleó para entrenar el modelo, mientras que el conjunto de prueba se reservó para la evaluación. Este estudio aplica un enfoque de aprendizaje profundo utilizando el modelo Bidirectional Encoder Representations from Transformers (BERT) para entrenar el conjunto de datos. El rendimiento del modelo se midió utilizando la exactitud, la precisión, la recuperación y la puntuación F1. El modelo ofreció un alto rendimiento con una exactitud del 95,29%, una precisión del 95,37%, una recuperación del 95,24% y una pérdida mínima del 9,07%. Cabe destacar que la puntuación F1, que proporciona una evaluación equilibrada de la eficacia del modelo, es del 95,32%. Estos resultados ponen de relieve la eficacia del modelo BERT para realizar análisis de sentimiento en los mercados financieros. El estudio no solo mejora el campo del análisis del sentimiento financiero, sino que también pone de relieve la viabilidad y fiabilidad del uso de técnicas de aprendizaje profundo para extraer información significativa de los datos financieros.