ChatGPT 기반 감성 분석을 활용한 네이버 금융 뉴스가 한국 주식 시장 수익률에 미치는 영향에 관한 연구
Exploring the Effectiveness of ChatGPT driven Sentiment Analysis of Naver Financial News on Korean Stock Market Returns
- 발행기관 서강대학교 정보통신대학원
- 지도교수 김세준
- 발행년도 2024
- 학위수여년월 2024. 8
- 학위명 석사
- 학과 및 전공 정보통신대학원 데이터사이언스 · 인공지능
- 실제 URI http://www.dcollection.net/handler/sogang/000000079223
- UCI I804:11029-000000079223
- 본문언어 한국어
- 저작권 서강대학교 논문은 저작권 보호를 받습니다.
초록 (요약문)
본 연구는 ChatGPT 기반 감성 분석을 통해 금융 뉴스가 한국 주식 시장 수익률을 예측하는 데 효과적인지를 조사한다. ChatGPT-3.5를 활용하여 네이버 뉴스 포털의 15만 개 이상의 뉴스 헤드라인을 분석하여 감성을 파악하고, 이를 다양한 시간대에서 시장 성과와의 상관관계를 검토하였다. 감성을 수치화하고 KOSPI와 KOSDAQ 지수에 대한 예측력을 검증함으로써 감성이 시장 수익률에 즉각적 및 지연된 영향을 미치는지 평가하였다. 연구 결과, 감성과 시장 성과 간의 상관관계는 약하지만 짧은 시간대에서는 더 강한 상관관계를 보였다. 그러나 뉴스 헤드라인 감성과 시장 지수 간의 상관관계는 약한 반면, KODEX ETF를 활용한 감성 기반 투자 전략은 시장 평균을 초과하는 수익률을 보여주어 비영어권 맥락에서 LLM의 금융 감성 분석 잠재력을 시사하였다.
more초록 (요약문)
This research investigates the effectiveness of ChatGPT-driven sentiment analysis of financial news on predicting returns in the Korean stock market. Leveraging ChatGPT-3.5, over 150,000 news headlines from the Naver news portal were analyzed to determine their sentiment and examine their correlation with market performance across different time frames. By converting sentiment into numerical scores and testing their predictive power on KOSPI and KOSDAQ indices, the immediate and delayed impact of sentiment on market returns were evaluated. The findings reveal weak correlations between sentiment and market performance, but stronger correlations in shorter time frames. However, despite weaker correlations between news headline sentiment and market index, sentiment-driven investment strategies utilizing KODEX ETFs yielded returns exceeding market averages, underscoring the potential of LLMs in financial sentiment analysis within non-English contexts
more목차
1 Introduction 6
1.1 Related Literature of Sentiment Analysis 8
1.2 Overview of LLMs 10
2 Data Description 13
2.1 KOSPI and KOSDAQ market indices 14
2.2 Financial News from Naver News Portal 16
3 Empirical Design 18
3.1 ChatGPT-3.5 19
3.2 Windows and Time Frame 20
3.3 Sentiment Weights (Scores) 22
3.4 Market Returns 27
3.5 Robustness 29
4 Empirical Analysis of Market Sentiment and Returns 30
4.1 Analysis Across Time Frames 30
4.2 Sentiment Comparison 32
5 Performance of Sentiment-based Portfolios 35
5.1 Investment Strategy 35
5.2 Performance Analysis of Sentiment-Based Portfolios 36
5.3 Strategy Performance by Time Frame 37
5.4 Strategy Performance by Sentiment 43
5.5 Optimal Sentiment and Window Analysis 46
6 Conclusion 50
Reference 52
