A geração de notícias e informações no atual mundo globalizado, especialmente as relacionadas aos mercados financeiros nacionais e internacionais, é elevada. Nesse sentido, analisar tais informações e prever o comportamento dos ativos se torna um instrumento valioso para empresas e investidores em suas tomadas de decisão, no que tange a quais ativos poderão alocar seus recursos e terem maior probabilidade de bom retorno financeiro. Este projeto aplica conceitos do campo de análise de sentimentos e aprendizado de máquina propondo, a partir dessas técnicas, a elaboração de um modelo capaz de predizer a tendência de alta ou baixa do preço de um dado ativo dentro de um curto período de tempo. Foram utilizados o algoritmo de análise de sentimento LeIA, algoritmos de aprendizado de máquina como regressão logística, árvore de decisão e XGBoost, bem como notícias extraídas do site Investing.com das empresas B2W, Magazine Luiza, Petrobras, PetroRio, Vale, Via Varejo e Weg. Os experimentos realizados nesse projeto, utilizando as variações temporais de 1, 5 e 10 minutos dos preços dos ativos, demonstraram valores de acurácia e Area Under the Curve (AUC) baixos, embora o modelo tenha tido uma resultância melhor que o aleatório, dado o valor de AUC de aproximadamente 0.52 no caso do experimento com variação de 1 minuto. Algumas possíveis causas dos baixos valores apresentados são o tamanho da base de dados, como também a quantidade de features empregadas no modelo. Apesar de não ter apresentado bons resultados, o modelo desenvolvido pode ser de grande valia para o progresso de trabalhos futuros nessa linha de pesquisa, aplicando a utilização de novas features baseadas no preço e volume dos ativos que serão analisados.