tut. (Universitat Autònoma de Barcelona. Departament d'Empresa)
| Títol variant: |
¿Pueden los LLM predecir el mercado? ChatGPT vs. DeepSeek en el análisis del sentimiento financiero |
| Títol variant: |
Poden els MLEs predir el mercat? ChatGPT vs. DeepSeek en l'anàlisi del sentiment financer |
| Data: |
2025 |
| Resum: |
Aquesta investigació pretén analitzar si els models de llenguatge extens (LLM), ChatGPT (GPT-4o) i DeepSeek (V3) concretament, són capaços de predir moviments en el valor de mercat de Repsol a curt termini a partir de l'anàlisi de sentiment aplicat a notícies publicades durant 2024. Per a això, un conjunt de 5. 244 articles van ser utilitzats, previ filtrat segons rellevància. Aquests articles van ser avaluats per tots dos models per assignar una puntuació de sentiment en una escala contínua de -1 a 1. Aquestes puntuacions van ser combinades amb informació de mercat de l'empresa, així com variables de control com l'IBEX 35, preus de futur de futurs del petroli Brent i l'emissió de dividends. |
| Resum: |
Esta investigación pretende analizar si los modelos de lenguaje extenso (LLM), ChatGPT (GPT-4o) y DeepSeek (V3) concretamente, son capaces de predecir movimientos en el valor de mercado de Repsol a corto plazo a partir del análisis de sentimiento aplicado a noticias publicadas durante 2024. Para ello, un conjunto de 5. 244 artículos fueron extraídos usando Google News, los cuales fueron analizados por ambos modelos, previo filtrado, según relevancia. Dichos artículos fueron evaluados por ambos modelos con tal de asignar una puntuación de sentimiento en una escala continua de -1 a 1. Estas puntuaciones fueron combinadas con información de mercado de la empresa, así como variables de control como el IBEX 35, precios de futuro de futuros del petróleo Brent y la emisión de dividendos. |
| Resum: |
This research seeks to analyze whether Large Language Models (LLMs), more precisely ChatGPT (GPT-4o) and DeepSeek (V3), are capable of predicting Repsol's stock movements in the short term from sentiment analysis applied to news articles published during 2024. To do so, a set of 5, 244 articles were gathered from Google News, which were then analyzed by both models, after being filtered for relevance. These news headlines and snippets were assessed by both models to assign a sentiment score on a continuous scale from -1 to 1. These scores were combined with Repsol's stock market data, as well as control variables such as the IBEX 35 Index, Brent futures oil prices, and dividend issuance. |
| Drets: |
Aquest document està subjecte a una llicència d'ús Creative Commons. Es permet la reproducció total o parcial, la distribució, i la comunicació pública de l'obra, sempre que no sigui amb finalitats comercials, i sempre que es reconegui l'autoria de l'obra original. No es permet la creació d'obres derivades.  |
| Llengua: |
Anglès |
| Titulació: |
Administració i Direcció d'Empreses [2501572] |
| Pla d'estudis: |
Grau en Administració i Direcció d'Empreses [1417] |
| Document: |
Treball final de grau ; Text |
| Matèria: |
Models de llenguatge extens ;
Anàlisi del sentiment financer ;
Intel.ligència artificial ;
Processament del llenguatge natural ;
Previsió financera ;
ChatGPT ;
DeepSeek ;
Modelos extensos de lenguaje ;
Análisis de sentimiento financiero ;
Inteligencia artificial ;
Procesamiento del lenguaje natural ;
Previsión financiera ;
Large Language Models ;
Financial sentiment analysis ;
Artificial intelligence ;
Natural language processing ;
Financial forecasting |
visitant ::
identificació
