Este estudio emplea un algoritmo mejorado de procesamiento de lenguaje natural para analizar más de 500,000 artículos de noticias financieras de dieciséis fuentes principales en 12 sectores, con las 10 principales empresas en cada sector. El análisis identifica el cambio en la actividad económica basado en el sentimiento emocional de las noticias y desarrolla una red de co-ocurrencia de noticias para mostrar las relaciones entre empresas incluso a través de sectores. Este estudio creó un corpus y un algoritmo mejorados para identificar emociones en las noticias financieras. El método mejorado identificó 18 emociones adicionales más allá de lo que se había analizado previamente. Los investigadores etiquetaron términos financieros de Investopedia para validar el rendimiento de categorización del nuevo método. Usando el algoritmo mejorado, analizamos cómo las emociones en las noticias financieras se relacionan con el movimiento del mercado de pares de empresas. Encontramos una correlación moderada (superior al 60%) entre el sentimiento emocional y el movimiento del mercado. Para validar este hallazgo, verificamos además los coeficientes de correlación entre el sentimiento por sí solo, y encontramos que los sectores de consumo discrecional, productos de consumo básicos, finanzas, industriales y tecnología mostraron tendencias similares. Nuestros hallazgos sugieren que el análisis del sentimiento emocional proporciona información valiosa para el análisis y la predicción del mercado financiero. El marco de análisis técnico desarrollado en este estudio puede integrarse en una estrategia de inversión más amplia, permitiendo a las organizaciones identificar oportunidades potenciales y desarrollar estrategias informadas. Los conocimientos derivados del modelo de co-ocurrencia pueden ser aprovechados por las empresas para fortalecer sus funciones de gestión de riesgos, convirtiéndolo en un activo dentro de una estrategia de inversión integral.