[논문 리뷰] Can social microblogging be used to forecast intraday exchange rates?

Panagiotis Papaioannnou, Lucia Russo외 2명|RePEc: Research Papers in Economics|2013. 10. 20.

Complex Systems and Time Series Analysis인용 수 4

한 줄 요약

이 연구는 기존 모델을 초월해 일일 내외 환율 예측을 향상시키는 데 트위터 미โคร블로깅 데이터가 기여할 수 있는지 조사한다. 감성 분석이 풍부한 트위터 데이터를 시간 시리즈 분석 및 신경망에 적용한 결과, 사회 미디어 정보가 매우 단기적으로 방향성 변화 예측을 크게 향상시키며, 무작위 보행 모델과 AR 모델을 능가하는 것으로 나타났다.

ABSTRACT

The Efficient Market Hypothesis (EMH) is widely accepted to hold true under certain assumptions. One of its implications is that the prediction of stock prices at least in the short run cannot outperform the random walk model. Yet, recently many studies stressing the psychological and social dimension of financial behavior have challenged the validity of the EMH. Towards this aim, over the last few years, internet-based communication platforms and search engines have been used to extract early indicators of social and economic trends. Here, we used Twitter's social networking platform to model and forecast the EUR/USD exchange rate in a high-frequency intradaily trading scale. Using time series and trading simulations analysis, we provide some evidence that the information provided in social microblogging platforms such as Twitter can in certain cases enhance the forecasting efficiency regarding the very short (intradaily) forex.

연구 동기 및 목표

• 사회 미크로블로깅 데이터가 랜덤 워크 모델을 초월해 단기 환율 예측을 향상시킬 수 있는지 테스트하는 것.
• 효율적 시장 가설(EMH)의 맥락에서 공개된 트위터 감성 및 정보 흐름의 예측 능력을 평가하는 것.
• 미크로블로깅 콘텐츠에 반영된 거래자 신념이 일일 내외 환율 움직임 예측에 유용한 정보를 제공하는지 조사하는 것.
• 과거 환율 데이터만을 사용하는 기준 모델 대비 트위터 데이터를 통합한 모델의 예측 성능을 비교하는 것.
• 고주파 외환 시장에서 시장 역학의 조기 지표로 사회 미디어가 갖는 잠재력을 탐색하는 것.

제안 방법

• 키워드 기반 필터링 및 감성 분석을 활용해 EUR/USD 환율과 관련된 실시간 트위터 데이터를 수집 및 처리하였다.
• ARX(외생 변수를 포함한 자기회귀 모델) 및 인공 신경망(ANN)을 사용해 트위터 데이터를 외생 변수로 통합한 시간 시리즈 모델을 구축하였다.
• 모델의 안정성 검증 및 기준 모델 대비 예측 성능 비교를 위해 부트스트랩 리샘플링(5000회 반복)을 적용하였다.
• 환율 데이터의 비정상성 및 추세 영향을 제거하기 위해 로그 차분 수익률을 사용하였다.
• 실제 거래 환경을 반영한 이동 평균 거래 시뮬레이션을 통해 모델의 경제적 성과를 평가하였다.
• 1단계 앞서 예측한 방향성 변화의 정확도를 평가하기 위해 일치한 방향성 예측 비율(Sgns)을 사용하였다.

실험 결과

연구 질문

• RQ1 트위터와 같은 사회 미크로블로깅 데이터가 기존 시간 시리즈 모델을 초월해 일일 내외 환율 예측 정확도를 향상시킬 수 있는가?
• RQ2 트위터에서의 공개된 감성 및 거래자 신념을 통합할 경우 EUR/USD 환율의 방향성 변화 예측에 어느 정도 향상되는가?
• RQ3 사회 미디어 데이터를 포함함으로써 무작위 보행 모델 및 AR 모델 대비 통계적으로 유의미한 예측 효율 향상이 이루어지는가?
• RQ4 특히 매우 단기적으로 예측 성능이 예측 수평에 따라 어떻게 달라지는가?
• RQ5 실제 시장 행동을 반영한 시뮬레이션 거래 전략을 통해 모델 성능을 검증할 수 있는가?

주요 결과

• 트위터 데이터를 통합한 ARX 및 ANN 모델은 사회 미디어 입력이 없는 기준 모델보다 유의미하게 뛰어난 성능을 보였으며, 특히 1단계 앞선 예측 수준에서 두드러졌다.
• 최고의 ARX 및 ANN 모델에서의 방향성 변화 정확 예측 비율(Sgns)이 부트스트랩 분포의 최대값을 초월하여 통계적 유의성을 보였다.
• 단기 예측(𝑛ₖ = 1)의 경우, 트위터 데이터를 사용한 모델에서 Sgns 값이 0.5를 크게 초월해 랜덤 추측을 넘는 의미 있는 예측 능력을 보였다.
• 더 큰 예측 수평(𝑛ₖ > 1)에서는 유의미한 향상이 관찰되지 않았으며, Sgns 값이 약 0.5로 수렴하고 소규모 변동만을 보였다.
• 트위터 정보를 반영한 모델 기반 거래 시뮬레이션은 경제적 성과 향상을 보이며 실시간 예측에서 실용적 유용성을 입증하였다.
• 환율 데이터의 로그 차분 처리 이후 비정상성에 대한 저항력이 있었고, 추세 보정 조건 하에서도 결과의 안정성이 확인되었다.