[논문 리뷰] ESG2Risk: A Deep Learning Framework from ESG News to Stock Volatility Prediction

Tian Guo, Nicolas Jamet외 3명|arXiv (Cornell University)|2020. 05. 05.

Market Dynamics and Volatility인용 수 4

한 줄 요약

이 논문은 ESG 뉴스에서 유도한 트랜스포머 기반 텍스트 임베딩을 활용하여 주가 변동성을 예측하는 딥러닝 프레임워크인 ESG2Risk를 제안한다. 이는 감성 분석 전용 모델보다 우수한 성능을 보이며, 미국 및 유럽 주식시장 전역에서 시장 리스크의 시의적이고 예측 가능한 지표로 ESG 뉴스의 유효성을 입증한다.

ABSTRACT

Incorporating environmental, social, and governance (ESG) considerations into systematic investments has drawn numerous attention recently. In this paper, we focus on the ESG events in financial news flow and exploring the predictive power of ESG related financial news on stock volatility. In particular, we develop a pipeline of ESG news extraction, news representations, and Bayesian inference of deep learning models. Experimental evaluation on real data and different markets demonstrates the superior predicting performance as well as the relation of high volatility prediction to stocks with potential high risk and low return. It also shows the prospect of the proposed pipeline as a flexible predicting framework for various textual data and target variables.

연구 동기 및 목표

• 구조화된 ESG 데이터보다 ESG 관련 뉴스 흐름이 미래 주가 변동성을 더 효과적으로 예측할 수 있는가를 조사하는 것.
• 비정형 ESG 뉴스를 정량적 모델링에 적합한 수치적 표현으로 변환하는 확장 가능한 NLP 파이프라인을 개발하는 것.
• 실현된 변동성에 대한 ESG 뉴스의 예측 능력과 포트폴리오 리스크 관리에 대한 함의를 평가하는 것.
• ESG2Risk가 고위험·저수익 잠재력을 지닌 주식을 식별할 수 있음을 입증하여 투자 전략 선정을 향상시키는 것.

제안 방법

• 프레임워크는 도메인 전문가가 정의한 ESG 어휘와 엔티티 연결을 사용하여 특정 기업과 연관된 ESG 뉴스를 추출한다.
• 텍스트 기반 ESG 뉴스는 사전 학습된 트랜스포머 기반 언어 모델을 활용해 의미적 및 감성 정보를 유지하는 조밀한 벡터 표현으로 임베딩된다.
• 모델 불확실성을 추정하고 강건성을 향상시키기 위해 스토케스틱 그래디언트 마르코프 체인 몽테카를로(SG-MCMC) 추론을 사용하는 베이지안 신경망이 사용된다.
• 예측 변동성은 모델 파라미터의 사후 분포에서 몬테카를로 샘플링을 통해 계산되며, 확률적 예측을 도출한다.
• 2015–2019년의 검증 데이터를 사용하여 MSCI US 및 All Cap EU 주식시장에서 독립적으로 파이프라인을 평가한다.
• 모델 성능은 1주 및 2주 후 변동성 예측에 대해 RMSE 및 MAE로 측정되며, 변동성 예측 5분위수에 따른 포트폴리오 백테스트가 수행된다.

실험 결과

연구 질문

• RQ1 ESG 뉴스 흐름은 미래 주가 변동성에 대해 시의적이고 예측 가능한 신호로 기능할 수 있는가?
• RQ2 트랜스포머 기반 텍스트 임베딩 모델은 감성 전용 모델에 비해 주식 변동성 예측에서 어떻게 비교되는가?
• RQ3 ESG 뉴스를 통합함으로써 고위험·저수익 주식의 식별 능력이 향상되는가?
• RQ4 ESG2Risk 프레임워크는 다양한 주식시장과 시간 범위에 얼마나 일반화될 수 있는가?

주요 결과

• MSCI US 및 All Cap EU 시장에서 ESG2Risk는 1주 후 변동성 예측에 대해 감성 전용 기준선보다 유의미하게 낮은 RMSE(0.289 및 0.281)와 MAE(0.249 및 0.241)를 기록했다(기준선: RMSE 0.663 및 0.630; MAE 0.542 및 0.515).
• 모델의 예측 변동성은 실제 실현된 변동성과 강하게 상관되었으며, 특히 가장 높은 예측 리스크 5분위수(Qt 4)에 속한 주식에서 실현된 변동성이 유의미하게 높게 나타났다.
• 고예측 변동성 기반 포트폴리오의 평균 수익률은 저위험 5분위수 포트폴리오보다 유의미하게 낮게 나타나, 리스크 및 수익 특성에 대한 예측 능력을 확인했다.
• 베이지안 추론 접근법을 통해 안정적이고 강건한 예측이 가능했으며, 몬테카를로 샘플링을 통해 변동성 예측에 대한 신뢰할 수 있는 불확실성 추정치를 제공했다.
• 프레임워크는 고위험·저수익 잠재력을 지닌 주식을 성공적으로 식별했으며, 이는 체계적 ESG 투자 및 리스크 인식 포트폴리오 구성에 실용적인 유용성을 입증했다.
• ESG2Risk 파이프라인은 지리적 범위와 시간 범위를 초월해 잘 일반화되며, 1주 및 2주 예측 과제에서 일관된 성능을 보였다.