[논문 리뷰] Characterizing Financial Market Coverage using Artificial Intelligence

Jean Marie Tshimula, D’Jeff K. Nkashama외 8명|arXiv (Cornell University)|2023. 02. 07.

FinTech, Crowdfunding, Digital FinanceBusiness, Management and Accounting인용 수 3

한 줄 요약

이 논문은 블룸버그와 야후 파이낸스의 YouTube 금융시장 영상 약 4,900개를 OpenAI의 Whisper를 활용해 음성 인식하여 텍스트로 변환하고, 토픽 모델링과 명명된 실체 인식(NER)과 같은 자연어처리(NLP) 기법을 적용해 언어 사용 방식, 유행 주제, 미디어 간 협업을 분석한다. 연구 결과, 금융 뉴스 보도는 러시아-우크라이나 전쟁이나 패닉 상황과 관련된 스트리밍 수요 증가와 같은 주요 글로벌 사건 중심이며, 인플레이션, 경기침체, 모기지 금리 등 핵심 주제에 대해 채널 간 강력한 콘텐츠 협업이 이루어지고 있음을 확인했다.

ABSTRACT

This paper scrutinizes a database of over 4900 YouTube videos to characterize financial market coverage. Financial market coverage generates a large number of videos. Therefore, watching these videos to derive actionable insights could be challenging and complex. In this paper, we leverage Whisper, a speech-to-text model from OpenAI, to generate a text corpus of market coverage videos from Bloomberg and Yahoo Finance. We employ natural language processing to extract insights regarding language use from the market coverage. Moreover, we examine the prominent presence of trending topics and their evolution over time, and the impacts that some individuals and organizations have on the financial market. Our characterization highlights the dynamics of the financial market coverage and provides valuable insights reflecting broad discussions regarding recent financial events and the world economy.

연구 동기 및 목표

• 유튜브의 금융시장 영상가운데 막대한 양의 정보에서 실질적인 통찰을 도출하는 데 도전하는 것.
• 언어 사용, 유행 주제, 핵심 실체(개인 및 조직)가 다양한 플랫폼에서 금융 뉴스 내러티브를 어떻게 형성하는지 조사하는 것.
• 블룸버그 및 야후 파이낸스와 같은 주요 미디어 채널 간 금융 뉴스 보도의 콘텐츠 협업 수준을 평가하는 것.
• 음성-텍스트 변환 및 NLP 파ip라인을 활용한 영상 기반 금융 담론 분석을 위한 신뢰성 있고 오픈소스 프레임워크 제공

제안 방법

• 4,900개의 유튜브 금융시장 보도 영상에서 오디오를 OpenAI의 Whisper 모델을 활용해 텍스트로 변환하였다.
• 시간에 따라 변화하는 금융 및 경제 담론의 주제를 식별하고 추적하기 위해 토픽 모델링을 적용하였다.
• 자주 언급되는 인물, 조직, 핵심 어휘를 추출하기 위해 n-gram 분석 및 명명된 실체 인식(NER)을 수행하였다.
• 비금융적 콘텐츠를 제외하고 경제 및 금융 시장과 관련된 주제에 집중하였다.
• 다양한 미디어 채널 간 내러티브 구조와 주제 유사성을 비교하여 보도 협업 여부를 탐지하였다.
• 재현 가능성 및 금융 미디어 분석 분야의 향후 연구를 지원하기 위해 코드와 데이터를 공개하였다.

(a) Bloomberg Wall Street Week (BLW)

실험 결과

연구 질문

• RQ1 뉴스 보도 주제 내 언어 사용을 통해 주요 금융 이벤트는 어떻게 식별되는가?
• RQ2 다양한 뉴스 채널 간에 주요 금융 이벤트 및 실체(기관 및 개인)에 대해 얼마나 높은 수준의 콘텐츠 협업이 이루어지는가?
• RQ3 주요 주제의 빈도와 변화 양상(예: 인플레이션, 경기침체, 러시아-우크라이나 전쟁)은 실제 금융 및 경제 개발과 어떻게 상관관계가 있는가?
• RQ4 금융시장 보도에서 가장 자주 언급되는 개인과 기관은 누구이며, 그 언급 빈도는 시장 이벤트와 어떻게 연관되어 있는가?

주요 결과

• 2021년에서 2022년 사이에 '인플레이션' 주제의 언급 빈도가 크게 증가했으며, 모기지 금리 상승과 경기침체 우려와 밀접하게 연관되어 있었다.
• 2022년 초에 '러시아와 우크라이나' 주제가 급격히 증가했으며, 러시아-우크라이나 전쟁 발발과 글로벌 경제 제재와 상관관계가 있었다.
• 첫 번째 코로나19 봉쇄 기간 동안 '디즈니와 넷플릭스 콘텐츠' 주제가 급격히 증가했으며, 스트리밍 소비 증가와 주가 상승을 반영하고 있었다.
• 금융 뉴스 보도는 주요 이벤트에 대해 채널 간 강력한 협업을 보이며, 특히 이중어 및 명명된 실체를 일관되게 사용하고 있었다.
• 명명된 실체 인식을 통해 주요 인물과 기관이 시장 내러티브의 중심에 있으며, 일반적으로 경제 정책이나 시장 영향력 있는 개혁과 연관되어 있음을 확인했다.
• 토픽 모델링을 통해 보도가 주로 반응형임을 밝혀내었으며, 글로벌 사건과 시장 변동성에 따라 빠르게 내러티브가 변화하고 있음을 확인했다.

(b) Bloomberg Stock Market News and Analysis (BSM)