Un papel importante en el análisis fundamental lo desempeña la adquisición y análisis de diversos tipos de información sobre la empresa. Los documentos de texto son una fuente cada vez más importante de esta información. Su análisis preciso y rápido es un desafío cada vez más importante para los analistas financieros. La investigación en el área del análisis de texto financiero se basa en el análisis de sentimientos. Las redes neuronales profundas y el rendimiento anormal acumulado de las acciones se utilizan en este artículo para analizar el sentimiento de los textos financieros. El enfoque propuesto, a diferencia de los utilizados hasta ahora, no requiere etiquetado manual de datos ni la creación de diccionarios y está libre de la evaluación subjetiva del investigador. Teniendo en cuenta el amplio contexto de las palabras y su significado en los textos financieros, también elimina el problema de la ambigüedad de las palabras en diversos contextos. El sentimiento de los textos financieros presentado en este documento está directamente relacionado con la reacción del mercado a la información contenida en estos textos. Para los textos que pertenecen a una de las dos clases (positiva o negativa) con la mayor probabilidad, el modelo de aprendizaje profundo ofrece predicciones con una precisión del 62% para la clase positiva y del 55% para la clase negativa. Los resultados del estudio de eventos muestran que el sentimiento calculado bajo el método propuesto puede ser utilizado con éxito para determinar la probable dirección de la reacción del mercado a la información contenida en los informes actuales con un nivel de significancia del 1 por ciento. Los resultados pueden ser utilizados en la investigación de la eficiencia del mercado, el desarrollo de estrategias de inversión o el apoyo a los analistas de inversiones que utilizan el análisis fundamental.