En este trabajo, estudiamos la tarea de predecir el precio de cierre del día siguiente de una acción, basándonos en análisis técnico, artículos de noticias y opiniones públicas. La intuición de este estudio radica en el hecho de que el análisis técnico contiene información sobre el evento, pero no sobre la causa del cambio, mientras que datos como artículos de noticias y opiniones públicas pueden interpretarse como una causa. El documento utiliza técnicas de análisis de series temporales como Aproximación Sintética de Agregados (SAX) y Warping Dinámico de Tiempo (DTW) para estudiar la existencia de una relación entre los datos de precios y la información textual, ya sea de noticias o de redes sociales. También se incorporan técnicas de coincidencia de patrones a partir de datos de series temporales, con el fin de validar experimentalmente posibles correlaciones entre los precios y la información textual dentro de períodos de tiempo específicos. El objetivo final es crear un modelo de pronóstico que explote los patrones previamente descubiertos para aumentar la precisión del pronóstico. Los resultados obtenidos de la fase experimental son prometedores. El rendimiento del clasificador muestra claros signos de mejora y robustez dentro de los períodos de tiempo donde se han identificado patrones entre el precio de la acción y la información textual, en comparación con los períodos en los que los patrones no existían.