استفاده گسترده از شبکه‌های اجتماعی و انتشار اخبار در رسانه‌ها، حجم عظیمی از داده‌های متنی و سری‌های زمانی را تولید کرده است که به طور مستقیم بر رفتار سرمایه‌گذاران در بازارهای مالی تأثیر می‌گذارد. در این میان، مدل‌های بزرگ زبانی و فناوری‌های پیشرفته پردازش سری‌های زمانی و زبان طبیعی  نقشی کلیدی در جمع‌آوری، تحلیل و استخراج الگوهای پنهان از این داده‌ها ایفا می‌کنند. این مقاله مروری، به بررسی بیش از ۲۰۰ مرجع منتشر شده از سال ۲۰۰۶ تا ۲۰۲۴ می‌پردازد که به برهم‌کنش بازارهای مالی و وقایع خبری منتشر شده در وب با رویکرد متن‌کاوی متمرکز هستند. در این مطالعه، انواع منابع اطلاعاتی، روش‌های بازنمایی متن، تحلیل احساسات، و مدل‌های پیشگو مورد بررسی قرار گرفته‌اند. همچنین، کاربرد مدل‌های بزرگ زبانی در پردازش سری‌های زمانی و تحلیل داده‌های بلادرنگ، به عنوان یکی از نوآوری‌های اخیر در این حوزه، مورد توجه قرار گرفته است. هدف از این پژوهش، شناسایی مرز دانش در حوزه تحلیل کلان داده‌ها و ارائه مسیرهای آینده تحقیقاتی در زمینه تکنیک‌های متن‌کاوی، هوش مصنوعی و یادگیری عمیق برای توسعه سیستم‌های پیش‌بینی، توصیه‌گر و تحلیل همبستگی در بازارهای مالی نظیر بورس و فارکس است.