En este documento, proponemos utilizar métodos de aprendizaje automático para determinar el premio de riesgo agregado esperado del mercado de valores basado en el sentimiento de los inversores en línea y emplear el método de validación cruzada múltiple para seleccionar los hiperparámetros relevantes. Nuestros estudios empíricos proporcionan evidencia sólida de que algunos métodos de aprendizaje automático, como el aumento extremo de gradiente o el bosque aleatorio, muestran una capacidad predictiva significativa en términos de sus actuaciones fuera de muestra con proxies de sentimiento de inversores de alta dimensionalidad. También superan a los modelos lineales tradicionales, lo que muestra una posible relación no lineal no observada entre el sentimiento de los inversores en línea y el premio de riesgo. Además, esta predictibilidad basada en el sentimiento de los inversores en línea tiene un mejor valor económico, por lo que mejora el rendimiento de la cartera para los inversores que necesitan decidir la asignación óptima de activos en términos de la ganancia de retorno equivalente a la certeza y el ratio de Sharpe.