[논문 리뷰] Crowds on Wall Street: Extracting Value from Social Investing Platforms

Wang Gang, Tianyi Wang외 5명|arXiv (Cornell University)|2014. 06. 04.

Sentiment Analysis and Opinion Mining참고 문헌 30인용 수 14

한 줄 요약

이 논문은 SeekingAlpha의 9년치 및 StockTwits의 4년치 데이터를 분석하여 커뮤니티 기반 투자 콘텐츠의 예측 가능성을 평가한다. 전체 감성은 주가 수익률과 약한 상관관계를 보이지만, SeekingAlpha의 일부 최상위 저자들은 매우 높은 예측력을 지닌 콘텐츠를 생성하며, 이들의 추천은 과거 수익률이 아닌 사용자 참여도를 통해 식별 가능하다. 이를 통해 S&P 500를 크게 앞서는 투자 전략을 수립할 수 있다.

ABSTRACT

For decades, the world of financial advisors has been dominated by large investment banks such as Goldman Sachs. In recent years, user-contributed investment services such as SeekingAlpha and StockTwits have grown to millions of users. In this paper, we seek to understand the quality and impact of content on social investment platforms, by empirically analyzing complete datasets of SeekingAlpha articles (9 years) and StockTwits messages (4 years). We develop sentiment analysis tools and correlate contributed content to the historical performance of relevant stocks. While SeekingAlpha articles and StockTwits messages provide minimal correlation to stock performance in aggregate, a subset of authors contribute more valuable (predictive) content. We show that these authors can be identified via both empirical methods or by user interactions, and investments using their analysis significantly outperform broader markets. Finally, we conduct a user survey that sheds light on users views of SeekingAlpha content and stock manipulation.

연구 동기 및 목표

• SeekingAlpha 및 StockTwits와 같은 플랫폼의 사용자 기여 투자 콘텐츠의 감성 예측 능력을 평가하는 것.
• 과거 주가 수익률 데이터에 의존하지 않고도 최고 성과를 내는 저자를 식별할 수 있는지 확인하는 것.
• 커뮤니티 기반 분석 기반 투자 전략과 광범위한 시장 지수 간의 실제 투자 성과를 평가하는 것.
• 대규모 설문 조사를 통해 사용자들이 소셜 투자 플랫폼에서 콘텐츠 품질, 조작 가능성, 신뢰도에 대해 어떻게 인식하는지 이해하는 것.

제안 방법

• SeekingAlpha 기사 9년치 및 StockTwits 메시지 4년치의 종단적 데이터셋을 수집하였다.
• 키워드 매칭 및 머신러닝 분류기 기반의 도메인 특화 감성 분석 도구를 개발하였으며, SeekingAlpha에서는 85.5%의 정확도, StockTwits에서는 76.2%의 정확도를 달성하였다.
• 다양한 시간 척도에서 두 플랫폼의 감성 추세를 과거 주가 수익률과 상관 분석하였다.
• 과거 주가 수익률과 사용자 상호작용 지표(예: 댓글, 좋아요)를 활용해 최상위 기여자를 식별하고, 이 기반으로 가상의 투자 전략을 평가하였다.
• 300명 이상의 SeekingAlpha 사용자 및 기여자를 대상으로 대규모 설문 조사를 실시하여 신뢰도, 콘텐츠 의존도, 조작 가능성에 대한 인식을 평가하였다.
• 사용자 상호작용 데이터를 콘텐츠 품질의 대체 지표로 활용하여, 주가 수익률 데이터 접근 없이도 최고의 저자를 식별할 수 있음을 입증하였다.

실험 결과

연구 질문

• RQ1 SeekingAlpha 및 StockTwits와 같은 플랫폼의 사용자 기여 투자 콘텐츠의 감성이 향후 주가 수익률과 상관관계가 있는가?
• RQ2 과거 주가 수익률에 의존하지 않고도 사용자 참여 지표만으로 최고 성과를 내는 저자를 식별할 수 있는가?
• RQ3 최고 저자들의 감성 기반 투자 전략은 S&P 500와 같은 수동 시장 벤치마크와 비교해 어떻게 성과를 내는가?
• RQ4 잠재적 조작 가능성에 대한 인식이 있음에도 불구하고, 사용자들이 소셜 투자 플랫폼의 콘텐츠에 얼마나 신뢰하고 의존하는가?
• RQ5 전문가가 큐레이팅한 플랫폼과 피어가 생성하는 플랫폼 간의 역할은 투자 콘텐츠의 품질과 예측 가능성에 어떤 영향을 미치는가?

주요 결과

• SeekingAlpha 및 StockTwits의 전체 감성은 주가 수익률과 최소한의 향후 상관관계를 보이며, 이는 일반 감성이 시장 움직임을 예측하는 데 부적절하다는 것을 시사한다.
• SeekingAlpha의 소수의 최상위 저자들이 향후 주가 수익률과 유의미하게 높은 상관관계를 보이는 콘텐츠를 생성하며, 이는 S&P 500 지수를 크게 앞서는 투자 전략 수립이 가능함을 의미한다.
• 댓글, 좋아요와 같은 사용자 참여 지표는 과거 주가 수익률 데이터 없이도 최고의 저자를 효과적으로 식별할 수 있으며, 이는 콘텐츠 품질의 실용적 대체 지표로 기능한다.
• 조작 가능성에 대한 인식이 있음에도 불구하고, SeekingAlpha 저지 중 62% 이상이 자신의 콘텐츠가 주가를 영향을 줄 수 있다고 믿으며, 특히 소형주 및 마이크로캡 주식에서 그 영향력이 크다고 평가한다.
• StockTwits 감성 기반 투자 전략는 일반적으로 시장 전체 수익률을 뒤처지며, 이는 미가공된 피어 기반 콘텐츠에 의존할 경우의 과제를 드러낸다.
• 설문 조사 결과, 대부분의 사용자가 SeekingAlpha를 특별하고 대체 불가능한 플랫폼으로 간주하며, 오락성이나 조작 가능성에 대한 우려에도 불구하고 투자 결정에 대해 그 콘텐츠에 크게 의존하고 있음을 확인하였다.