El análisis del mercado de valores juega un papel indispensable en adquirir conocimiento sobre el mercado de valores, desarrollar estrategias comerciales y determinar el valor intrínseco de las acciones. Sin embargo, predecir las tendencias del mercado de valores sigue siendo extremadamente difícil debido a una variedad de factores influyentes, noticias volátiles del mercado y sentimientos. En este estudio, presentamos un marco de análisis de datos híbrido que integra redes neuronales convolucionales y memoria a corto y largo plazo bidireccional (CNN-BiLSTM) para evaluar el impacto de la convergencia de eventos de noticias y tendencias de sentimiento con datos financieros cuantitativos en la predicción de tendencias bursátiles. Evaluamos el marco propuesto utilizando dos estudios de caso de los sectores inmobiliario y de comunicaciones basados en datos recopilados del Mercado Financiero de Dubai (DFM) entre el 1 de enero de 2020 y el 1 de diciembre de 2021. Los resultados muestran que combinar eventos de noticias y tendencias de sentimiento con datos financieros cuantitativos mejora la precisión de predecir las tendencias bursátiles. En comparación con modelos de aprendizaje automático de referencia, CNN-BiLSTM ofrece una mejora del 11.6% en bienes raíces y del 25.6% en comunicaciones cuando se combinan eventos de noticias y tendencias de sentimiento. Este estudio proporciona varias implicaciones teóricas y prácticas para investigaciones adicionales sobre factores contextuales que influyen en la predicción y análisis de tendencias bursátiles.