Agente AI para Análisis de Noticias Financieras

Autor: Anabel Arasanz
Fecha: 28 de abril de 2025

Descripción del Proyecto

• Este Agente AI automatiza el análisis de noticias financieras, extrayendo insights clave para inversores.
• Su arquitectura modular permite integrar nuevos modelos y métricas, ofreciendo un equilibrio entre precisión (OpenAI) y autonomía (Zephyr).
• El proyecto se planteó para que cumpliera una serie de requisitos

Nota sobre el proyecto

Este proyecto fue desarrollado contemplando ciertos requisitos específicos definidos en su contexto original.
En futuras iteraciones, el flujo y el código podrían optimizarse para reducir redundancias y mejorar la eficiencia general.

---

Metodología

1. Pipeline de Procesamiento

• Extracción de entidades

  • Identifica empresas y países mencionados en el texto.
  • Normaliza nombres de países a su forma oficial (ej: "USA" → "United States").
  • Excluye ciudades, estados, personas y organizaciones no financieras.

• Generación de resúmenes

  • Crea resúmenes concisos para cada entidad, enfocándose en su relevancia en el contexto financiero.

• Clasificación de sentimiento

  • Clasifica el tono como "positivo", "neutral" o "negativo" usando modelos de lenguaje.

• Detección de sesgos

  • Se aplica únicamente a resúmenes clasificados como "neutrales" para identificar polaridad oculta (umbral heurístico: ±0.15).

2. Modelos Utilizados

• CrewAI (OpenAI, GPT-4.1-nano)

  • Optimizado para tareas estructuradas de extracción, resumen y sentimiento.
  • Alta precisión en la interpretación de contexto.

• Zephyr (Open Source, HuggingFace)

  • Modelo de código abierto para comparación de resultados.
  • Costo reducido y flexibilidad en entornos sin API de OpenAI.

3. Herramientas Complementarias

• Visualización interactiva

  • Gráficos de barras e histogramas con Plotly.
  • Selector desplegable para explorar detalles por entidad.

• Métricas de eficiencia

  • Registro de tokens utilizados (OpenAI) y tiempo de procesamiento.

---

Instalación

1. Clonar el repositorio

git clone <enlace del repositorio>
cd <repositorio>

2. Crear entorno virtual (opcional)

python -m venv venv
source venv/bin/activate  # Linux/Mac
venv\Scripts\activate     # Windows

3. Instalar dependencias

pip install pandas plotly textblob torch tiktoken ipywidgets             requests langchain-openai crewai transformers             google-colab

---

Uso

1. Abrir el notebook:

jupyter notebook arasanz_project_aiagents.ipynb

2. Cargar el dataset de noticias financieras.
3. Ejecutar la extracción de entidades.
4. Generar resúmenes y clasificar sentimiento.
5. Visualizar resultados y métricas.

---

Formato de Resultados

Resultados CrewAI (GPT-4.1-nano):

date	entity	type	summary	sentiment
2025-04-28	United States	country	...	neutral

Resultados CrewAI + Bias:

date	entity	type	summary	sentiment	bias_flag
2025-04-28	United States	country	...	neutral