Este documento examina el impacto regulatorio en el sector bancario europeo utilizando técnicas avanzadas de aprendizaje profundo para analizar la relación entre las directrices de Finanzas Sostenibles y el índice SX7P desde enero de 2012 hasta diciembre de 2023. Utilizando un auto-codificador de memoria a largo y corto plazo (LSTM-AE), un auto-codificador variacional (VAE) y una red neuronal convolucional (CNN) para la detección de anomalías, el estudio compara anomalías e investiga su correlación con eventos de la Autoridad Bancaria Europea (EBA) y directrices de Finanzas Sostenibles desde enero de 2020 hasta diciembre de 2023. A través del análisis de 43 documentos pertinentes de la EBA, la investigación identifica patrones y variaciones en las anomalías, evaluando su asociación con cambios regulatorios. Los resultados revelan anomalías significativas alineadas con eventos regulatorios, indicando una posible relación causal. Notablemente, la metodología VAE muestra la correlación más fuerte entre los eventos de Finanzas Sostenibles de la EBA y las anomalías. Esta investigación avanza en la comprensión de las aplicaciones de aprendizaje profundo en los mercados financieros y ofrece valiosos conocimientos para los responsables de políticas y las instituciones financieras respecto a los cambios regulatorios en Finanzas Sostenibles.