[논문 리뷰] Time Series Analysis on Stock Market for Text Mining Correlation of Economy News

Şadi Evren Şeker, Cihan Mert외 3명|arXiv (Cornell University)|2014. 03. 08.

Stock Market Forecasting MethodsDecision Sciences참고 문헌 9인용 수 17

한 줄 요약

이 연구는 터키 주식 데이터를 대상으로 텍스트 마이닝과 시계열 분석을 활용하여 경제 뉴스와 주가 움직임 간의 상관관계를 조사한다. 뉴스 기사의 내용에 대해 TF-IDF를 적용하고, 이동 평균, RSI, 볼린저 밴드 등 10종류의 시계열 기법을 평가하여, 2년 간의 기간 동안 모멘텀과 RSI 기반 방법이 종가 예측에 더 높은 예측 능력을 보임을 발견하였다. 이는 시장 예측에서 최적의 모델을 선정하기 위한 비교 프레임워크를 제공한다.

ABSTRACT

This paper proposes an information retrieval method for the economy news. The effect of economy news, are researched in the word level and stock market values are considered as the ground proof. The correlation between stock market prices and economy news is an already addressed problem for most of the countries. The most well-known approach is applying the text mining approaches to the news and some time series analysis techniques over stock market closing values in order to apply classification or clustering algorithms over the features extracted. This study goes further and tries to ask the question what are the available time series analysis techniques for the stock market closing values and which one is the most suitable? In this study, the news and their dates are collected into a database and text mining is applied over the news, the text mining part has been kept simple with only term frequency-inverse document frequency method. For the time series analysis part, we have studied 10 different methods such as random walk, moving average, acceleration, Bollinger band, price rate of change, periodic average, difference, momentum or relative strength index and their variation. In this study we have also explained these techniques in a comparative way and we have applied the methods over Turkish Stock Market closing values for more than a 2 year period. On the other hand, we have applied the term frequency-inverse document frequency method on the economy news of one of the high-circulating newspapers in Turkey.

연구 동기 및 목표

• 경제 뉴스를 입력 자료로 사용하여 다양한 시계열 분석 기법이 주가 종가 예측에 얼마나 효과적인지 평가하는 것.
• 경제 뉴스의 텍스트 감성과 실제 주가 시장 움직임 간의 상관관계를 평가하는 것.
• 뉴스 기반 감성 정보를 바탕으로 주가를 예측하는 데 있어 10종류의 다른 시계열 모델 간 성능을 비교하는 것.
• 금융 예측 맥락에서 가장 적합한 모델을 선정하기 위한 시계열 방법의 비교 분석을 제공하는 것.

제안 방법

• 고유판매 수의 터키 일간지에서 경제 뉴스와 관련 일자를 구조화된 데이터베이스에 수집.
• 텍스트 마이닝을 위해 TF-IDF 방법을 적용하여 뉴스 기사에서 용어 빈도를 추출하고, 이를 시장 심리의 대체 지표로 간주.
• 10종류의 시계열 기법을 평가: 랜덤 워크, 이동 평균, 가속도, 볼린저 밴드, 가격 변화율, 주기 평균, 차이, 모멘텀, RSI 및 그 변형.
• 모든 10개 모델을 24개월 간의 터키 주식시장 종가에 적용.
• 뉴스의 TF-IDF 점수를 외부 입력 특성으로 활용하여 가격 움직임과의 예측 상관관계를 평가.
• 상관계수 강도와 예측 정확도 기반으로 모델 성능을 비교 분석.

실험 결과

연구 질문

• RQ1 터키 주식 데이터에 적용했을 때, 어떤 시계열 분석 기법이 주가 종가 예측에 가장 효과적인가?
• RQ2 경제 뉴스의 TF-IDF 표현 방식이 실제 주가 움직임과 얼마나 상관관계가 있는가?
• RQ3 뉴스 감성 정보를 활용한 주가 예측에서 모멘텀, RSI, 이동 평균 모델 간의 비교 성능는 어떠한가?
• RQ4 경제 뉴스의 텍스트 마이닝이 금융 시장의 시계열 모델 예측 정확도를 향상시킬 수 있는가?
• RQ5 뉴스 감성과 주가 추세 간의 상관관계가 가장 강한 시계열 모델은 무엇인가?

주요 결과

• 모멘텀과 RSI 기반 모델이 평가된 10종류의 시계열 기법 중 실제 주가 움직임과 가장 높은 상관관계를 보였다.
• TF-IDF 방법은 경제 뉴스에서 감성과 관련된 용어를 효과적으로 포착하여 시계열 모델링에 정량적 입력 자료로 제공하였다.
• 볼린저 밴드와 이동 평균 모델은 변동성 패턴을 식별하는 데 특히 유용하여 중간 정도의 예측 능력을 보였다.
• 가격 변화율과 차이 방법은 뉴스 기반 감성 변화에 민감도가 낮아 덜 효과적인 것으로 나타났다.
• 연구는 뉴스 내용과 시장 추세 간에 통계적으로 유의미한 상관관계가 있음을 확인하였으며, 이는 금융 예측에서 텍스트 마이닝의 활용을 정당화하는 데 기여하였다.
• 시험된 모델들 중에서 RSI와 모멘텀 지표가 뉴스 기반 시장 심리 변화에 가장 민감하게 반응하여 실시간 예측 시스템에 적합함을 시사하였다.