La predicción del mercado de valores es un tema de gran interés dentro de la industria financiera y más allá. En este contexto, nuestra investigación investiga el uso del aprendizaje por refuerzo mediante la implementación de la red neuronal doble profunda Q (DDQN) junto con indicadores técnicos y análisis de sentimiento, utilizando datos de Yahoo Finance y StockTwits para predecir los movimientos de acciones a corto plazo de NVIDIA durante el período dinámico y volátil desde el 2 de enero de 2020 hasta el 21 de septiembre de 2023. Al incorporar datos financieros, la efectividad del modelo se evalúa en tres etapas: la dependencia inicial de los precios de cierre, la introducción de indicadores técnicos y la integración del análisis de sentimiento. Los hallazgos iniciales mostraron una tendencia de compra dominante (63.8%) en un modelo básico. Las fases posteriores utilizaron indicadores técnicos para decisiones equilibradas y análisis de sentimiento para refinar estrategias y moderar recompensas. El análisis comparativo destaca un aumento progresivo en la rentabilidad, con ganancias promedio que van desde 57.41 hasta 119.98 con la integración completa de datos y una mayor variabilidad de resultados. Estos resultados revelan el impacto significativo de combinar diversas fuentes de datos en la precisión predictiva y rentabilidad del modelo, lo que sugiere que integrar el análisis de sentimiento junto con métricas financieras tradicionales puede mejorar significativamente la sofisticación y efectividad de las estrategias de negociación algorítmica en entornos de mercado fluctuantes.