Los datos electrónicos de boca a boca en las redes sociales influyen en la negociación de acciones y la confianza de los mercados de valores. Por lo tanto, el análisis de sentimientos de los comentarios relacionados con los mercados de valores se vuelve crucial para pronosticar los mercados de valores. Sin embargo, el análisis de sentimientos actual se realiza principalmente en inglés. Por lo tanto, este estudio realiza un análisis de sentimientos multilingüe al traducir los textos de países no nativos de habla inglesa al inglés. Este estudio utilizó datos no estructurados de las redes sociales y datos estructurados, incluidos datos de negociación e indicadores técnicos, para pronosticar los mercados de valores. Las técnicas de aprendizaje profundo y los modelos de aprendizaje automático han surgido como formas poderosas de hacer frente a los problemas de pronóstico, y la determinación de parámetros influye en gran medida en el rendimiento de los modelos de pronóstico. Este estudio utilizó modelos de Memoria a Corto y Largo Plazo (LSTM) que emplean el algoritmo genético (GA) para seleccionar parámetros para predecir índices de mercado de valores y precios de acciones de empresas mediante datos híbridos en regiones no nativas de habla inglesa. Los resultados numéricos revelaron que el modelo LSTMGA desarrollado con datos híbridos de sentimiento multilingüe genera pronósticos más precisos que otros modelos de aprendizaje automático con diversos tipos de datos. Por lo tanto, el modelo propuesto LSTMGA con análisis de sentimiento multilingüe híbrido es una forma factible y prometedora de pronosticar el mercado de valores.