Modelo de recomendación para inversión en acciones colombianas pertenecientes al índice colcap basado en análisis técnico y sentimiento del mercado local

Abstract

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.