Las predicciones del mercado de valores son un problema desafiante debido a la naturaleza dinámica y compleja de los datos financieros. Este estudio propone un enfoque que integra el conocimiento del dominio de los inversores con un algoritmo de memoria a largo y corto plazo (LSTM) para predecir los precios de las acciones. El enfoque propuesto implica recopilar datos de los inversores en forma de indicadores técnicos y utilizarlos como entrada para el modelo LSTM. El modelo luego se entrena y prueba utilizando un conjunto de datos de 100 acciones. La precisión del modelo se evalúa utilizando varios métricos, incluida la precisión promedio de predicción, el rendimiento acumulativo promedio, el ratio de Sharpe y la máxima reducción. Los resultados se comparan con el rendimiento de otras estrategias, incluida la selección aleatoria de indicadores técnicos. Los resultados de la simulación demuestran que el modelo propuesto supera a las otras estrategias en términos de precisión y rendimiento en una simulación de inversión de 100 acciones, destacando el potencial de integrar el conocimiento del dominio del inversor con algoritmos de aprendizaje automático para la predicción de precios de acciones.