En este artículo, aplicamos un modelo de IA explicable (medidas de importancia de características SHAP) para estudiar la relación dinámica entre los rendimientos del mercado de valores y los resultados de las elecciones presidenciales de EE. UU. Más específicamente, queríamos estudiar cómo reaccionaría el mercado el día después de la elección. Los modelos de IA han sido criticados como modelos de caja negra y carecen de la claridad necesaria para la toma de decisiones por parte de diferentes partes interesadas. El modelo de IA explicable que utilizamos en este modelo proporciona más claridad sobre los resultados del modelo. Utilizando características comúnmente empleadas en estudios previos relacionados con este tema, encontramos que la dirección del mercado anterior a la elección y la información sobre la incumbencia combinada con la afiliación política son impulsores más importantes para el rendimiento del mercado un día después de la elección que el sentimiento y qué partido gana la elección.