[논문 리뷰] Measuring Financial Sentiment to Predict Financial Instability: A New Approach based on Text Analysis

Paul Ormerod, Rickard Nyman외 1명|arXiv (Cornell University)|2015. 06. 14.

Monetary Policy and Economic Impact참고 문헌 5인용 수 11

한 줄 요약

이 논문은 대규모 텍스트 데이터를 사용하여 재정적 감성의 변화를 측정하기 위해 새로운 텍스트 분석 방법—지향적 알고리즘 기반 텍스트 분석—을 소개한다. 일상어에서 두 핵심 감정어군(긍정적 및 부정적 감성) 간의 동적 변화를 식별함으로써, 이 방법은 실질 국내총생산(GDP) 성장률 예측을 향상시키고 기존 연방준축은행 재정적 리스크 지수들을 그랑저 원인으로 규명하며, 기존의 시장 기반 지표를 초월하여 재정적 불안정성을 예측하는 시의적이고 견고한 도구를 제공한다.

ABSTRACT

Following the financial crisis of the late 2000s, policy makers have shown considerable interest in monitoring financial stability. Several central banks now publish indices of financial stress, which are essentially based upon market related data. In this paper, we examine the potential for improving the indices by deriving information about emotion shifts in the economy. We report on a new approach, based on the content analysis of very large text databases, and termed directed algorithmic text analysis. The algorithm identifies, very rapidly, shifts through time in the relations between two core emotional groups. The method is robust. The same word-list is used to identify the two emotion groups across different studies. Membership of the words in the lists has been validated in psychological experiments. The words consist of everyday English words with no specific economic meaning. Initial results show promise. An emotion index capturing shifts between the two emotion groups in texts potentially referring to the whole US economy improves the one-quarter ahead consensus forecasts for real GDP growth. More specifically, the same indices are shown to Granger cause both the Cleveland and St Louis Federal Reserve Indices of Financial Stress.

연구 동기 및 목표

• 금융 불안정이 임박했음을 시사할 수 있는 금융 감성의 변화를 탐지하기 위한 텍스트 기반 방법을 개발하는 것.
• 금융 시장 기반 지표에 비해 텍스트 데이터에서 유도된 감성 정보를 통합함으로써 기존의 금융 리스크 지수를 향상시키는 것.
• 심리학적 및 금융적 맥락에서 감정적으로 강한 비기술적 영어 어휘 목록의 타당성을 검증하는 것.
• 광범위한 경제 텍스트에서의 감성 변화가 실질 GDP 성장률과 재정 리스크 지수를 한 분기 앞서 예측할 수 있는지 테스트하는 것.
• 이 방법이 다양한 텍스트 코퍼스와 시간대에 걸쳐 얼마나 견고하고 일반화 가능한지 보여주는 것.

제안 방법

• 이 방법은 대규모 텍스트 데이터베이스 내에서 두 가지 사전 정의된 감정어군(긍정적 및 부정적)의 상대적 우세도 변화를 신속하게 식별하고 추적하기 위해 지향적 알고리즘 기반 텍스트 분석을 활용한다.
• 감정어휘 목록은 심리학적 검증 연구에서 유래되었으며, 특정 경제적 함의를 지닌 단어가 포함되지 않은 일반적인 영어 단어로 구성되어 있다.
• 텍스트 코퍼스는 시간에 따라 스캔되어 두 감정어군 간의 동적 균형을 반영하는 감성 지수를 계산한다.
• 감성 지수는 미국 경제 전반에 영향을 미칠 수 있는 텍스트에서 각 감정어군의 단어 빈도 또는 강도의 상대적 비율을 시간적 시리즈로 측정한 것이다.
• 이 방법은 동일한 어휘 목록을 재학습 없이 재사용할 수 있도록 설계되어 연구 간에 견고하고 재사용 가능한 성능을 발휘한다.
• 이 방법은 뉴스 및 기타 텍스트 데이터에 적용되어 감성 지수를 생성하고, 이후 경제통계 기법을 사용해 예측 능력을 검증한다.

실험 결과

연구 질문

• RQ1 대규모 텍스트 분석을 통해 유도된 재정 감성의 변화가 실질 GDP 성장률을 한 분기 앞서 개선된 예측을 가능하게 하는가?
• RQ2 클리블랜드 및 세인트루이스 연방준축은행의 기존 재정 리스크 지수들에 대해 텍스트 기반으로 유도된 감성 지수가 그랑저 원인 관계를 가지는가?
• RQ3 시장 기반 지표가 아닌 감성 지표는 전통적인 금융 안정 모니터링 프레임워크를 얼마나 향상시킬 수 있는가?
• RQ4 다양한 텍스트 코퍼스와 시간대에 적용했을 때 감성 측정 방법의 견고성은 어느 정도인가?
• RQ5 일상어 어휘를 기반으로 한 감성 지수는 단순히 시장 기반 지표만으로는 예측하기 어려운 체계적 재정 불안정성을 더 잘 예측할 수 있는가?

주요 결과

• 감성 지수는 실질 GDP 성장률에 대한 한 분기 앞선 공식 예측을 유의미하게 향상시켜, 존재하는 모델들보다 예측 능력을 보여준다.
• 동일한 감성 지수는 클리블랜드 및 세인트루이스 연방준축은행의 재정 리스크 지수를 모두 그랑저 원인으로 규명하여, 이는 시장 기반 리스크 지수를 앞서 예측할 수 있음을 입증한다.
• 이 방법은 심리학적 실험을 통해 검증된 일상 영어 단어만을 사용하여 견고하고 일관된 감성 측정을 제공한다.
• 감성 지수는 기존의 시장 데이터에 완전히 반영되지 않은 경제 감성의 변화를 포착하여, 보완적인 조기 경고 신호를 제공한다.
• 이 방법은 확장 가능하고 반복 가능하며, 동일한 어휘 목록을 사용해 다양한 연구와 텍스트 소스에서 신뢰할 수 있는 결과를 도출한다.
• 결과적으로 텍스트 감성 분석이 기존의 재정 리스크 모니터링 방식에 비해 시의적이고 효과적인 보완 수단이 될 수 있음을 시사한다.