Este estudio buscó determinar un algoritmo de aprendizaje automático capaz de predecir crisis en el mercado de valores africano con la mayor precisión. Se emplearon siete algoritmos de aprendizaje automático diferentes en los precios históricos de las acciones de los ocho mercados de valores, tres indicadores principales de sentimiento y el tipo de cambio de las respectivas monedas de los países frente al dólar estadounidense, abarcando desde el 1 de mayo de 2007 hasta el 1 de abril de 2023. Se reveló que el aumento extremo de gradiente (XGBoost) surgió como la forma más efectiva de predecir crisis. Se encontró que los precios históricos de las acciones y los tipos de cambio eran las características más importantes, ejerciendo fuertes influencias en las crisis del mercado de valores. En cuanto al sentimiento, se identificaron las percepciones de los inversores sobre la posible volatilidad del S&P 500 (Índice de Volatilidad del Chicago Board Options Exchange (CBOE) VIX) y el Índice de Sentimiento de Noticias Diarias como predictores influyentes. El estudio avanza en la comprensión del sentimiento del mercado y enfatiza la importancia de emplear técnicas computacionales avanzadas para la gestión de riesgos y la estabilidad del mercado.