[논문 리뷰] Words that Matter: The Impact of Negative Words on News Sentiment and Stock Market Index

Wonseong Kim|arXiv (Cornell University)|2023. 04. 02.

Financial Markets and Investment StrategiesEconomics, Econometrics and Finance인용 수 3

한 줄 요약

이 연구는 한국 경제 뉴스의 부정적 단어가 정서 점수와 코스피200 지수에 미치는 영향을 분석한다. Word2Vec, 코사인 유사도, 확장된 어휘집(Sent1000)을 사용하여, 기준 어휘집(Sent0)에 비해 높은 유사도를 가진 부정적 단어를 통합할 경우, 시장 움직임의 정서 예측 능력이 크게 향상됨을 보여준다.

ABSTRACT

This study investigates the impact of negative words on sentiment analysis and its effect on the South Korean stock market index, KOSPI200. The research analyzes a dataset of 45,723 South Korean daily economic news articles using Word2Vec, cosine similarity, and an expanded lexicon. The findings suggest that incorporating negative words significantly increases sentiment scores' negativity in news titles, which can affect the stock market index. The study reveals that an augmented sentiment lexicon (Sent1000), including the top 1,000 negative words with high cosine similarity to 'Crisis,' more effectively captures the impact of news sentiment on the stock market index than the original sentiment lexicon (Sent0). The results underscore the importance of considering negative nuances and context when analyzing news content and its potential impact on market dynamics and public opinion.

연구 동기 및 목표

• 경제 뉴스 기사에서 부정적 단어가 정서에 미치는 영향을 규명하는 것.
• 뉴스 콘텐츠에서 유도된 정서가 남한 코스피200 주식시장 지수에 미치는 영향을 평가하는 것.
• 세련된 부정어휘를 포괄하는 개선된 정서 어휘집을 개발하고 평가하는 것.
• 표준 어휘집(Sent0)에 비해 개선된 어휘집(Sent1000)의 예측 능력을 재정의 분석하는 것.
• 특정 부정어의 맥락적 영향이 시장 정서와 동적 변화에 미치는 영향을 이해하는 것.

제안 방법

• Word2Vec 임베딩을 활용해 'Crisis'라는 단어와 높은 코사인 유사도를 보이는 1,000개의 부정적 단어를 선별하여 맞춤형 정서 어휘집(Sent1000)을 구축하였다.
• 단어와 'Crisis' 간의 의미적 유사도를 측정하기 위해 코사인 유사도를 적용하여 맥락적으로 관련된 부정적 어휘를 선별하였다.
• NLP 기법을 사용해 45,723건의 한국 일간 경제 뉴스 기사에서 Sent0 및 Sent1000 어휘집을 활용해 정서 점수를 추출하였다.
• 뉴스 제목에서 유도된 정서 점수를 校정하고, 매일의 코스피200 지수 변동과의 상관관계를 비교 분석하였다.
• 통계 분석을 통해 두 어휘집에서 유도된 정서 점수가 시장 추세 예측에 미치는 영향을 평가하였다.
• 두 어휘집 버전 간 정서 점수의 부정성과 시장 지수 상관관계를 비교하여 모델 성능을 평가하였다.

실험 결과

연구 질문

• RQ1 'Crisis'와 높은 의미 유사도를 가진 부정적 단어가 경제 뉴스 제목의 정서 점수에 어떤 영향을 미치는가?
• RQ2 확장된 정서 어휘집(Sent1000)이 표준 어휘집(Sent0)에 비해 정서 탐지 능력을 얼마나 향상시키는가?
• RQ3 뉴스 콘텐츠에서 유도된 정서 점수와 매일의 코스피200 지수 변동 간 상관관계는 어떠한가?
• RQ4 맥락적으로 관련된 부정적 어휘를 포함할 경우, 금융 시장 정서 분석의 예측 능력은 어떻게 향상되는가?
• RQ5 뉴스 제목에서 유도된 정서가 남한 주식시장 지수의 단기 변동을 효과적으로 예측할 수 있는가?

주요 결과

• Word2Vec 공간에서 'Crisis'와 높은 유사도를 가지는 1,000개의 부정적 단어를 포함한 Sent1000 어휘집은 기준 어휘집(Sent0)에 비해 뉴스 제목에서 유의미하게 더 부정적인 정서 점수를 생성하였다.
• Sent1000에서 유도된 뉴스 정서 점수는 Sent0에 비해 매일의 코스피200 지수 변동과 더 강한 상관관계를 보였다.
• 맥락적으로 관련된 부정적 어휘를 통합함으로써 정서 분석의 시장 영향을 받는 뉴스 이벤트에 대한 민감도가 향상되었다.
• 연구 결과, 'Crisis'와의 의미 유사도는 금융 뉴스에서 고영향도의 부정적 어휘를 식별하는 강력한 지표임을 확인하였다.
• 결과적으로, 뉴스 제목의 세련된 어휘 선택, 특히 부정적 어휘가 투자자 정서와 시장 성과에 측정 가능한 영향을 미친다.
• 확장된 어휘집은 시장 위기 기간 동안 부정적 정서 탐지 능력을 향상시켜 위기 관련 언어에 더 민감하게 반응함을 시사한다.