Los marcadores del discurso (MD) son elementos de cohesión textual que guían las inferencias del discurso a nivel intra y extraoracional. Entre sus inferencias se registran la adición, la contraargumentación, el refuerzo, la atenuación o la reformulación, que intervienen constantemente en la argumentación y en la construcción del discurso. Por su parte, las cartas a los accionistas, redactadas por el primer ejecutivo de la empresa, son un resumen y evaluación del ejercicio anual de la compañía, donde se exponen los principales datos u objetivos conseguidos en ese año, con el propósito de mantener la confianza de sus accionistas y/o atraer potenciales inversores. En este trabajo se combinan un estudio cuantitativo, con la obtención de las frecuencias de los marcadores; un estudio cualitativo, porque se presenta un análisis de casos donde se podrán observar ejemplos que extrapolen los datos al texto; y un estudio contrastivo entre dos corpus de carácter financiero: los textos de empresas con ganancias y los de empresas con pérdidas. Así, se pretende exponer la distribución de los marcadores del discurso en un corpus financiero con el fin de determinar si el empleo y la frecuencia de algunas partículas discursivas en las cartas están condicionadas por los resultados de la empresa. Los principales hallazgos tras este análisis pueden resumirse en que en las ganancias van a primar las inferencias de adición de la información y de refuerzo argumentativo, mientras que, en las pérdidas se utilizan marcadores contraargumentativos y operadores de modalidad emotiva. Además, la apariencia de seguridad y esperanza se busca a través de los operadores modales, y encontramos un uso generalizado de la partícula adicionalmente, potencialmente por la influencia anglosajona. La originalidad de este trabajo recae en que se realiza en un campo inexplorado como es la narrativa financiera en español. En esencia, nuestro estudio combina herramientas propias de la lingüística computacional, con una metodología empírica de lingüística de corpus, para acercarnos un poco más al estudio de la argumentación y de las estrategias utilizadas en el discurso financiero.

We present an automatic discourse particle (DM) tagger developed using manual annotation and machine learning. The tagger has been developed on a dataset of financial letters, where human annotators have reached an 0.897 agreement rate (IAA) on the indications of a specific annotation guide. With the annotated dataset, a prototype has been developed using the pre-trained Transformers, adapting it to the task (fine-tunning), reaching an F1-score of 0.933. An evaluation of the results obtained by the tagger is included.