Resumen

En la última década, se ha estudiado cómo el Análisis de Sentimiento basado en lexicones en combinación con técnicas de Machine Learning puede ser utilizado para optimizar estrategias de Trading Algorítmico. El presente trabajo tiene como objetivo mostrar que un lexicón de dominio específico en finanzas (FSAL) diseñado para Bolsas y Mercados Argentinos obtiene mejores resultados que un lexicón de propósitos generales (SDAL). Primero, proponemos un lexicón a medida en finanzas. Segundo, mostramos que nuestro lexicón supera los resultados obtenidos en comparación a los resultados de un lexicón de propósitos generales aplicado sobre un corpus compuesto por tweets de cuentas de comunidades de confianza de los mercados argentinos, previamente clasificado de manera colaborativa por expertos en finanzas. Luego, realizamos un estudio comparado de los lexicones aplicando diferentes técnicas de Machine Learning. Final¬mente, presentamos algunos resultados preliminares y conclusiones.