El presente proyecto aborda la problemática de la detección temprana de crisis económicas mediante el análisis automatizado del lenguaje en noticias financieras. Su objetivo principal fue evaluar la capacidad de los Modelos de Lenguaje de Gran Escala (LLM) para identificar patrones semánticos y narrativos asociados a contextos de crisis, explorando su potencial como herramientas predictivas dentro del ámbito económico.
El trabajo se enmarca dentro del ámbito del Procesamiento del Lenguaje Natural (PLN) y el aprendizaje profundo, empleando modelos contemporáneos como DistilBERT, XLM-RoBERTa, GPT-3.5 y LLaMA 2. A través de la recopilación y tratamiento de un corpus multilingüe de noticias financieras entre los años 2018 y 2025, se pretende evaluar el rendimiento comparativo de dichas arquitecturas en tareas de clasificación binaria (crisis/no crisis).
El proyecto se orienta al diseño e implementación de un sistema capaz de analizar grandes volúmenes de información textual, extrayendo indicadores narrativos que reflejen la evolución del clima económico. Se espera que los resultados obtenidos aporten una base empírica sólida para el desarrollo de modelos predictivos basados en lenguaje, aplicables a la vigilancia y gestión del riesgo financiero en entornos reales.
Excepto si se señala otra cosa, la licencia del ítem se describe como Attribution-NonCommercial-NoDerivatives 4.0 Internacional