El uso de Aprendizaje Automático (ML) y Análisis de Sentimientos (SA) en datos de sitios de microblogging se ha convertido en un método popular para la predicción del mercado de valores. En este trabajo, desarrollamos un modelo para predecir el movimiento de las acciones utilizando SA en datos de Twitter y StockTwits. Se utilizaron datos de movimiento de acciones y de sentimiento para evaluar este enfoque y validarlo en las acciones de Microsoft. Recopilamos tweets de Twitter y StockTwits, así como datos financieros de Finance Yahoo. Se aplicó SA a los tweets, y se implementaron siete modelos de clasificación de ML: K-Nearest Neighbors (KNN), Support Vector Machine (SVM), Regresión Logística (LR), Naïve Bayes (NB), Árbol de Decisión (DT), Bosque Aleatorio (RF) y Perceptrón Multicapa (MLP). La principal novedad de este trabajo es que integra múltiples métodos de SA y ML, enfatizando la recuperación de características adicionales de las redes sociales (es decir, el sentimiento público), para mejorar la precisión de la predicción de acciones. Los mejores resultados se obtuvieron cuando los tweets fueron analizados utilizando el Diccionario de Sentimientos Consciente de Valencia y el Razonador de Sentimientos (VADER) y SVM. El mejor F-score fue del 76.3%, mientras que el mejor valor de Área Bajo la Curva (AUC) fue del 67%.