La predicción de acciones es una tarea significativa y desafiante. El reciente desarrollo de tecnologías web ha transformado el canal de comunicación para permitir al público compartir información en la web, como noticias, contenidos de redes sociales, etc., lo que ha provocado un crecimiento exponencial de los datos web. La información masivamente disponible podría ser la clave para revelar la variabilidad inexplicada del mercado financiero y facilitar la precisión de la predicción. Sin embargo, esta información suele estar en un lenguaje natural no estructurado y consta de diferentes significados inherentes. Aunque un humano puede interpretar fácilmente los mensajes inherentes, sigue siendo complicado procesar manualmente una cantidad masiva de datos textuales debido a las limitaciones de tiempo, capacidad, energía, etc. Debido a las diferentes propiedades de las fuentes de texto, es crucial comprender varios enfoques de procesamiento de texto para optimizar el rendimiento de la predicción. Este estudio intentó resumir y discutir los enfoques actuales de predicción financiera basados en texto en aspectos basados en semántica, basados en sentimientos, basados en extracción de eventos y enfoques híbridos. Posteriormente, el estudio discutió las fortalezas y debilidades de cada enfoque, seguido de su comparación y escenarios de aplicación adecuados. Además, este estudio también destacó la dirección futura de la investigación en la predicción de acciones basada en texto, donde se espera que la discusión general proporcione un análisis perspicaz para futuras referencias.