Marques Padreny, LauraLópez-Martínez, Carlos2026-01-122026-01-122025https://hdl.handle.net/2445/225283Treballs Finals del Màster de Ciències Actuarials i Financeres, Facultat d'Economia i Empresa, Universitat de Barcelona, Curs: 2024-2025, Tutor: Laura Marquès PadrenyEste Trabajo Final de Máster analiza la capacidad predictiva del sentimiento financiero sobre la volatilidad del S&P 500, entendida como el cuadrado de los retornos diarios. Se utilizan modelos GARCH, Random Forest, XGBoost y redes LSTM, integrando variables de sentimiento extraídas con FinBERT. Se realiza un riguroso proceso de selección de variables, validación temporal y optimización de hiper parámetros. Además, se evalúan divergencias entre distribuciones (KL, JSD), riesgo epistémico (MC Dropout, bootstrapping) y causalidad (Granger, DoubleML). Los resultados muestran que el uso de series de sentimiento puede mejorar la predicción de la volatilidad.231 p.application/pdfspacc-by-nc-nd (c) López-Martínez, 2025http://creativecommons.org/licenses/by-nc-nd/4.0/Mercat financerInterpolació (Matemàtica)Teoria de la prediccióTreballs de fi de màsterFinancial marketInterpolationPrediction theoryMaster's thesisinfo:eu-repo/semantics/masterThesisinfo:eu-repo/semantics/openAccess