선택한 단어 수는 입니다.
최소 단어 이상 선택하여야 합니다.
최소 단어 이상 선택하여야 합니다.
선택한 단어 수는 30입니다.
최대 10 단어까지만 선택 가능합니다.
최대 10 단어까지만 선택 가능합니다.
문제 정의
- 이 논문에서는 주식시장과 인터넷 주식토론방에 나타난 사람들의 집단행동과의 상관관계를 분석한다. 또한, 분석 결과와 주식 네트워크의 특성을 이용하여 새로운 주식 포트폴리오 구성 알고리즘을 제안한다.
- 주식토론방의 게시물을 읽음으로써 사용자들은 자신이 관심 있는 주식이나 회사에 대한 정보나 시장 분위기를 파악할 수 있다. 이 절에서는 주가와 주식토론방에서 나타나는 사람들의 집단적인 반응 사이에 어떠한 상관관계가 있는지를 분석한다.
- 주식토론방에서 일어나는 사람들의 집단행위와 주가 변동 사이의 상관관계를 살펴보기 위해서 각 회사의 주가와 게시물 수의 변화를 살펴보았다. 한 회사의 주가 변동과 게시물 수의 상관관계를 계산하기 위해서는 관찰 기간 동안 지속적으로 게시물이 등록되어야 한다.
- 이 논문에서는 시간에 따라 변하는 주식시장에서 주가와 게시물의 상관관계를 이용하여 투자 종목을 추천하는 방법을 제안한다. 우리는 기존에 주식시장의 네트워크 특성을 이용하여 주식 포트폴리오를 구성하는 알고리즘을 제안하였다[15].
- 이 논문에서는 인터넷 주식토론방에 나타나는 사용자들의 집단행위와 주식시장 사이에 어떠한 상관관계가 있는지를 분석하였다. 이를 위하여 먼저 ‘다음’ 포털의 주식토론방에 등록된 게시물을 수집하고 게시물 수의 변화와 주가와의 상관계수를 측정하였다.
- 이러한 분석 결과를 토대로 주식투자 종목 추천 알고리즘을 제안하였다. 제안 알고리즘은 기존 연구에서 제안하였던 주식 네트워크의 특성과 게시물과의 상관관계를 함께 고려하여 추천 종목을 선택한다.
가설 설정
- 이때 임계치 이상인 종목 중에서 차수가 1인 종목이 없는 경우에는 차수가 가장 적은 종목을 선택한다. 모의 투자 실험에서는 포트폴리오에 포함된 모든 종목이 같은 비율로 투자된다고 가정한다. 따라서 포트폴리오가 총 n개의 종목으로 구성되었고 전체 투자금을 N으로 가정한다면 각 주식별 투자금액은 n/N이 된다.
- 모의 투자 실험에서는 포트폴리오에 포함된 모든 종목이 같은 비율로 투자된다고 가정한다. 따라서 포트폴리오가 총 n개의 종목으로 구성되었고 전체 투자금을 N으로 가정한다면 각 주식별 투자금액은 n/N이 된다.
제안 방법
- 이 논문에서는 주식시장과 인터넷 주식토론방에 나타난 사람들의 집단행동과의 상관관계를 분석한다. 또한, 분석 결과와 주식 네트워크의 특성을 이용하여 새로운 주식 포트폴리오 구성 알고리즘을 제안한다. 제안 방법의 효율성을 보이기 위해 실제 KOSPI200을 구성하는 57개 회사의 주식을 대상으로 포트폴리오를 구성하고, 제안 포트폴리오의 수익률과 코스피 수익률을 비교하여 제안 방법의 효율성을 평가한다.
- 또한, 분석 결과와 주식 네트워크의 특성을 이용하여 새로운 주식 포트폴리오 구성 알고리즘을 제안한다. 제안 방법의 효율성을 보이기 위해 실제 KOSPI200을 구성하는 57개 회사의 주식을 대상으로 포트폴리오를 구성하고, 제안 포트폴리오의 수익률과 코스피 수익률을 비교하여 제안 방법의 효율성을 평가한다.
- 또한, 이 연구에서는 주식시장의 최소신장트리를 포트폴리오 분석에도 적용하였다. 결과에 따르면 마코위츠(Markowitz)에 의하여 제안된 최적화 함수로 구성한 효율적 포트폴리오를 분석한 결과 포트폴리오 구성 주식들이 주식시장 그래프의 단말 노드에 위치하는 경향이 있는 것으로 나타났다.
- 한 회사의 주가 변동과 게시물 수의 상관관계를 계산하기 위해서는 관찰 기간 동안 지속적으로 게시물이 등록되어야 한다. 따라서 이 논문에서는 분석 대상 주식을 KOSPI200에 속한 회사 중에서 하루 평균 약 0.5개 이상의 게시물이 등록된 회사의 주식으로 제한하였고, 관찰 기간은 2008년 1월 1일부터 2013년 12월 31일까지 총 6년으로 설정하였다. 분석 대상 회사의 게시판에서 수집된 게시물 데이터는 Table 2와 같다.
- 분석을 위해 주가와 게시물 수의 상관계수 ρi는 Equation (1)을 이용하여 6개월 간격으로 측정하였다.
- 이와 같은 주가와 주식토론방 게시물의 상관관계가 어느 정도인지를 살펴보고, 회사마다 상관관계 정도가 비슷한지를 살펴보기 위해 회사별로 주가와 토론방 게시물 수의 상관관계를 분석하였다. 분석을 위해 주가와 게시물 수의 상관계수 ρi는 Equation (1)을 이용하여 6개월 간격으로 측정하였다.
- 다음으로 주가와 게시물 수의 상관관계와 주식수익률과의 관계를 분석하였다. Fig.
- 그림에서 가로축은 주가와 게시물의 상관계수를 나타내고, 세로축은 주식수익률을 나타낸다. 상관계수와 주식수익률은 6개월 단위로 측정하였다. 분석한 결과 상관계수 값과 수익률 사이에 약한 선형관계가 나타나는 것을 볼 수 있다.
- 다음으로 주가 시계열 자료와 주식토론방에서 해당 종목에 관련된 게시물의 시계열 자료를 이용하여 주가와 게시물 간의 상관계수 ρi를 계산한다.
- 제안 방법에서는 기존 방법과는 달리 주식들을 클러스터링하지 않고 주가와 게시물 간의 상관관계와 주식 네트워크에서 노드의 차수 정보를 이용하여 포트폴리오 구성 종목을 선택한다. 포트폴리오 구성을 위해 주가와 게시물 수의 상관계수가 임계치 이상이고, 주식 네트워크에서 노드의 차수가 1인 종목을 모두 선택하므로 시뮬레이션 수행 시 결과 포트폴리오는 변하지 않는다.
- 다음으로 ‘네이버’ 포털에서 제공하는 주식토론방의 데이터를 이용하여 포트폴리오를 구성하고 같은 방법으로 모의투자를 수행하였다.
- 제안 방법의 효율성을 보이기 위해 실제 주식들을 대상으로 하여 모의 투자 실험을 수행하고 수익률을 살펴보았다. 먼저 실험을 위해서 3절에서 설명한 것처럼 KOSPI200을 구성하는 종목 중 하루 평균 약 0.
- 실험은 다음과 같이 구성된다. 실험 데이터를 이용해 직전 1개월의 데이터를 분석하여 다음 1개월의 투자 포트폴리오를 구성하고 수익률을 측정하였다. 포트폴리오 구성을 위해서 주가와 게시물 상관계수가 임계치 이상인 종목 중에서 차수가 1인 주식을 최종 투자 종목으로 선택한다.
- 실험 데이터를 이용해 직전 1개월의 데이터를 분석하여 다음 1개월의 투자 포트폴리오를 구성하고 수익률을 측정하였다. 포트폴리오 구성을 위해서 주가와 게시물 상관계수가 임계치 이상인 종목 중에서 차수가 1인 주식을 최종 투자 종목으로 선택한다. 실험에서 임계치는 0.
- 제안 방법으로 구성한 포트폴리오의 수익률 분석을 위해 포트폴리오 구성은 1개월 단위로 하고, 1개월씩 이동시켜 모의 투자 실험을 수행하였다. 또한, 제안 방법으로 구성한 포트폴리오가 얼마나 효율적인지를 보이기 위해 주식 네트워크 특성만 고려한 기존 방법과 마코위츠의 효율적 포트폴리오 구성 알고리즘을 이용하여 구성한 포트폴리오의 수익률, 같은 기간의 KOSPI200 평균 수익률을 각각 비교하였다.
- 이를 위하여 먼저 ‘다음’ 포털의 주식토론방에 등록된 게시물을 수집하고 게시물 수의 변화와 주가와의 상관계수를 측정하였다.
- 이러한 분석 결과를 토대로 주식투자 종목 추천 알고리즘을 제안하였다. 제안 알고리즘은 기존 연구에서 제안하였던 주식 네트워크의 특성과 게시물과의 상관관계를 함께 고려하여 추천 종목을 선택한다. 마코위츠의 효율적 포트폴리오에 속한 종목들은 주식 네트워크에서 외곽에 위치하는 경향이 있다는 점을 이용하여 주식 네트워크에서 해당 종목의 차수가 낮고, 게시물과의 상관계수가 높은 종목을 추천 종목으로 선택하였다.
- 제안 알고리즘은 기존 연구에서 제안하였던 주식 네트워크의 특성과 게시물과의 상관관계를 함께 고려하여 추천 종목을 선택한다. 마코위츠의 효율적 포트폴리오에 속한 종목들은 주식 네트워크에서 외곽에 위치하는 경향이 있다는 점을 이용하여 주식 네트워크에서 해당 종목의 차수가 낮고, 게시물과의 상관계수가 높은 종목을 추천 종목으로 선택하였다.
- 제안 방법으로 구성한 포트폴리오의 효율성을 보기 위해 57개 회사의 주식을 이용하여 모의 투자 실험을 수행하였다. 포트폴리오 구성을 위해 ‘다음’과 ‘네이버’ 포털에서 제공하는 주식토론방의 게시물 데이터를 이용하였다.
대상 데이터
- 주식토론방 사용자들의 집단행위를 분석하기 위해서 국내 유명 포털 사이트인 ‘다음(Daum)’에서 제공하는 주식토론방에 등록된 게시물을 수집하였다.
- 이와 비슷한 연구로 허화와 동료들은 한국 주식시장의 주식 네트워크와 주식 수익률이 보이는 상관관계에 대해 분석하였다[9]. 이 연구에서는 1980년 1월부터 2003년 5월까지 23년 동안의 연속적인 일별 주식 가격 정보를 갖는 197개의 주식을 대상으로 주식 네트워크와 최적화 함수에 따라 도출된 효율적 포트폴리오를 비교하였다. 포트폴리오에 속한 주식들은 대부분 주식 네트워크에서 하나 또는 둘 정도의 적은 연결선을 가지고 있으며 그래프의 외곽에 위치하는 경향이 나타난다는 사실이 확인되었다.
- 먼저 실험을 위해서 3절에서 설명한 것처럼 KOSPI200을 구성하는 종목 중 하루 평균 약 0.5개 이상의 게시물이 등록된 57개 회사의 주식을 선정하고, 2008년 1월부터 2013년 12월까지 약 6년 동안의 일별 주가와 같은 기간 ‘다음’과 ‘네이버’ 포털에서 제공하는 주식토론방 게시물 데이터를 실험데이터로 사용하였다.
- 모의 투자 실험을 위해 사용된 데이터는 2012년 12월 1일부터 2013년 11월 30일까지의 데이터이고, 모의 투자 기간은 2013년 1월부터 2013년 11월까지 총 11개월이다. 포트폴리오별 모의 투자 수익률은 Table 4에 정리되어 있다.
- 포트폴리오 구성을 위해 ‘다음’과 ‘네이버’ 포털에서 제공하는 주식토론방의 게시물 데이터를 이용하였다.
- ‘네이버’ 주식토론방의 게시물 데이터를 이용한 모의 투자 실험에서는 2013년 1월부터 2013년 11월까지 1개월 간격으로 포트폴리오를 구성하였다.
데이터처리
- 제안 방법으로 구성한 포트폴리오의 수익률 분석을 위해 포트폴리오 구성은 1개월 단위로 하고, 1개월씩 이동시켜 모의 투자 실험을 수행하였다. 또한, 제안 방법으로 구성한 포트폴리오가 얼마나 효율적인지를 보이기 위해 주식 네트워크 특성만 고려한 기존 방법과 마코위츠의 효율적 포트폴리오 구성 알고리즘을 이용하여 구성한 포트폴리오의 수익률, 같은 기간의 KOSPI200 평균 수익률을 각각 비교하였다.
성능/효과
- 또한, 이 연구에서는 주식시장의 최소신장트리를 포트폴리오 분석에도 적용하였다. 결과에 따르면 마코위츠(Markowitz)에 의하여 제안된 최적화 함수로 구성한 효율적 포트폴리오를 분석한 결과 포트폴리오 구성 주식들이 주식시장 그래프의 단말 노드에 위치하는 경향이 있는 것으로 나타났다.
- 이 결과를 바탕으로 그들은 금융에 관련된 단어 검색량의 변화가 주식시장 움직임의 ‘조기경보’ 역할을 할 수 있을 것으로 주장하였고, 그것을 이용하여 적절한 매매 전략을 세울 수 있다고 제시하였다.
- 한국 주식시장 그래프에서 주식 대부분은 다른 주식들과의 연결 수가 1개 혹은 2개로 적지만 일부 몇몇 주식들의 연결 수는 매우 많은 것으로 나타났으며, 즉 주식 네트워크에서 개별주식의 연결선 수 분포는 거듭제곱 분포를 따른다는 공통적인 특성이 관찰되었다. 또한, 많은 연결 관계가 형성된 중심 주식(hub stock)일수록 시장지수와 관련성이 높은 것으로 나타났다.
- 이 연구에서는 1980년 1월부터 2003년 5월까지 23년 동안의 연속적인 일별 주식 가격 정보를 갖는 197개의 주식을 대상으로 주식 네트워크와 최적화 함수에 따라 도출된 효율적 포트폴리오를 비교하였다. 포트폴리오에 속한 주식들은 대부분 주식 네트워크에서 하나 또는 둘 정도의 적은 연결선을 가지고 있으며 그래프의 외곽에 위치하는 경향이 나타난다는 사실이 확인되었다. 이 결과는 앞서 설명한 Onnela의 연구와도 일치한다.
- 그들은 주식시장과 연관된 98개의 검색어의 성능을 분석하였다. 2004년 1월부터 2011년 2월까지 검색 기록을 분석한 결과, 주식시장이 폭락하기 전에 구글에서 금융 관련 검색어의 검색량이 증가한다는 것을 발견하였다. 이 결과를 바탕으로 그들은 금융에 관련된 단어 검색량의 변화가 주식시장 움직임의 ‘조기경보’ 역할을 할 수 있을 것으로 주장하였고, 그것을 이용하여 적절한 매매 전략을 세울 수 있다고 제시하였다.
- 57개의 회사 중 게시물이 가장 많은 것은 ‘SK 하이닉스’사로 6년 동안 14,117개로 하루 평균 약 9.44개의 게시물이 등록된 것으로 나타났다.
- 분석 대상 회사는 모두 57개로 조사되었으며, 6년 동안 이들 회사의 주식과 관련된 게시물들은 총 138,618개로 회사 별 하루 평균 약 1.63개의 게시물이 등록된 것으로 나타났다. 57개의 회사 중 게시물이 가장 많은 것은 ‘SK 하이닉스’사로 6년 동안 14,117개로 하루 평균 약 9.
- 그림에서 상관계수 데이터가 정규분포에 가까운 것을 알 수 있다. 분석 데이터의 평균은 약 0.0006이고, 표준편차는 약 0.0949로 계산되었다.
- 상관계수와 주식수익률은 6개월 단위로 측정하였다. 분석한 결과 상관계수 값과 수익률 사이에 약한 선형관계가 나타나는 것을 볼 수 있다. Fig.
- 6에서 주목할만한 것은 가로축(ρi)의 양 끝단으로 갈수록 수익률이 높거나 낮게 치우치는 것이다. 즉, 주가와 게시물 사이에 강한 양의 상관관계가 나타나는 경우 양의 수익률을 보일 확률이 높으며, 강한 음의 상관관계가 있는 경우 수익률도 음일 확률이 높은 것으로 추정된다.
- 앞의 두 분석 결과를 종합해보면, 주가와 토론방 게시물 간에 직접적인 상관관계는 없으나 주가가 급락하거나 급등하는 시기에는 토론방 사용자들의 반응이 증가하며, 이러한 주가와 사용자들의 반응 사이의 상관관계가 높을수록 양의 수익률을 보일 확률이 높다고 할 수 있다.
- 각각의 수익률은 Table 3에 정리되어 있으며, 지면 관계상 전체 수익률 결과의 일부만 나타내었다. 모의 투자 실험에서 실험 기간의 1개월 수익률 평균은 약 1.55%로, 기존 방법보다는 약 0.67%, 마코위츠 방법보다는 약 0.72%, 코스피 평균 수익률보다는 약 1.21% 높게 나타났다. 실험 결과에서 알 수 있듯이 모의 투자 실험 결과, 제안 방법으로 구성한 포트폴리오가 비교 포트폴리오들의 수익률보다 높게 나타났다.
- 21% 높게 나타났다. 실험 결과에서 알 수 있듯이 모의 투자 실험 결과, 제안 방법으로 구성한 포트폴리오가 비교 포트폴리오들의 수익률보다 높게 나타났다.
- 9에서 포트폴리오별 누적 투자 수익률의 등락은 투자 기간 중 거의 비슷한 패턴으로 나타나고 있다. 비교 포트폴리오 중에서 제안 방법으로 구성한 포트폴리오가 모의실험 기간 중 거의 전 구간에서 높은 수익률을 보이는 것으로 나타났다.
- 포트폴리오별 모의 투자 수익률은 Table 4에 정리되어 있다. 모의 투자 실험에서 실험 기간의 1개월 수익률 평균은 약 0.90%로, 기존 방법보다는 약 0.35%, 마코위츠 방법보다는 약 0.40%, 코스피 평균 수익률보다는 약 0.58% 높게 나타났다. ‘다음’과 ‘네이버’ 주식토론방 데이터를 이용했을 때와 수익률은 다르지만 ‘네이버’ 주식토론방 데이터를 이용한 경우에도 제안 방법으로 구성한 포트폴리오의 수익률이 비교 포트폴리오의 수익률보다 모두 높게 나타났다.
- ‘다음’과 ‘네이버’ 주식토론방 데이터를 이용했을 때와 수익률은 다르지만 ‘네이버’ 주식토론방 데이터를 이용한 경우에도 제안 방법으로 구성한 포트폴리오의 수익률이 비교 포트폴리오의 수익률보다 모두 높게 나타났다.
- ‘다음’과 ‘네이버’ 주식토론방 데이터를 이용했을 때와 수익률은 다르지만 ‘네이버’ 주식토론방 데이터를 이용한 경우에도 제안 방법으로 구성한 포트폴리오의 수익률이 비교 포트폴리오의 수익률보다 모두 높게 나타났다. 실험을 통해서 주식 토론방 게시물과 주가와의 상관관계는 주식수익률과 어느 정도 관련이 있음을 알 수 있다.
- 이를 위하여 먼저 ‘다음’ 포털의 주식토론방에 등록된 게시물을 수집하고 게시물 수의 변화와 주가와의 상관계수를 측정하였다. KOSPI200을 구성하는 주식 종목 중에서 57개 회사의 주식을 대상으로 분석한 결과, 주가 변화와 게시물 수 변화 사이에 뚜렷한 상관관계는 나타나지 않았다. 그렇지만 주가가 급락하거나 급등하는 시기에 게시물의 수가 증가하는 경향이 있으며, 주가와 게시물 수의 상관계수가 강한 양이거나 강한 음을 나타내는 경우 주식수익률도 그에 따라 높거나 낮은 경향이 나타났다.
- 실험에서 ‘다음’ 주식토론방 데이터를 이용하여 2008년 1월부터 2013년 12월까지의 데이터를 1개월 단위로 포트폴리오를 구성하여 실험한 결과, 제안 방법으로 구성한 포트폴리오의 1개월 평균 수익률은 약 1.55%로 주식 네트워크 특성만을 이용한 기존의 방법보다는 약 0.67%의 높은 수익률을 기록하였다.
- 67%의 높은 수익률을 기록하였다. 또한, 마코위츠의 알고리즘으로 구성한 포트폴리오의 수익률과 KOSPI200 수익률보다 각각 약 0.72%와 1.21% 높게 나타났다. 또한, 모의 투자 기간 동안 제안 포트폴리오의 누적 투자수익률이 비교 포트폴리오들의 수익률보다 지속적으로 높게 나타났다.
- 21% 높게 나타났다. 또한, 모의 투자 기간 동안 제안 포트폴리오의 누적 투자수익률이 비교 포트폴리오들의 수익률보다 지속적으로 높게 나타났다.
- ‘네이버’ 주식토론방의 게시물 데이터를 이용한 모의 투자 실험에서는 2013년 1월부터 2013년 11월까지 1개월 간격으로 포트폴리오를 구성하였다. 제안 포트폴리오의 1개월 평균 수익률은 0.90%로 기존 방법으로 구성한 포트폴리오의 수익률보다 약 0.35% 높게 나타났으며, 마코위츠 포트폴리오와 KOSPI200의 수익률보다 각각 0.40%와 0.58% 높게 나타났다.
후속연구
- 실험에서 사용한 포트폴리오들의 단순 수익률 비교만으로 제안 포트폴리오가 더 우수하다고 할 수는 없지만, 이 논문에서 주된 관심은 주식토론방에 나타난 사람들의 집단행위가 주가와 어떤 관련성이 있는지를 밝히고, 이러한 관련성이 주가 흐름을 예측하는 데 활용될 수 있음을 보이는 것이다. 주가와 주식게시판에 나타난 사람들의 집단행동 사이의 상관관계를 실제 주식투자에 활용하기 위해서 포트폴리오 구성 종목을 선택하기 위한 상관계수 임계치에 관한 통계적인 분석 및 추가적인 포트폴리오 위험성 분석이 뒷받침되어야 할 것이다.
- 실험에서 사용한 포트폴리오들의 단순 수익률 비교만으로 제안 포트폴리오가 더 우수하다고 할 수는 없지만, 이 논문에서 주된 관심은 주식토론방에 나타난 사람들의 집단행위가 주가와 어떤 관련성이 있는지를 밝히고, 이러한 관련성이 주가 흐름을 예측하는 데 활용될 수 있음을 보이는 것이다. 주가와 주식게시판에 나타난 사람들의 집단행동 사이의 상관관계를 실제 주식투자에 활용하기 위해서 포트폴리오 구성 종목을 선택하기 위한 상관계수 임계치에 관한 통계적인 분석 및 추가적인 포트폴리오 위험성 분석이 뒷받침되어야 할 것이다.
- 향후 연구로 포트폴리오 위험 분석과 실제 사용되고 있는 펀드 구성 종목과의 비교 등이 필요할 것이다. 또한, 이 논문에서는 게시물의 수에 대한 변화만을 고려하고 있으나 게시물 내용을 분석하여 주가 변화를 반영하는 단어나 감성이 있는지에 관한 연구가 추가된다면 인터넷상의 빅데이터를 활용하여 주식시장의 변화를 이해하는 데 도움이 될 것이다.
- 향후 연구로 포트폴리오 위험 분석과 실제 사용되고 있는 펀드 구성 종목과의 비교 등이 필요할 것이다. 또한, 이 논문에서는 게시물의 수에 대한 변화만을 고려하고 있으나 게시물 내용을 분석하여 주가 변화를 반영하는 단어나 감성이 있는지에 관한 연구가 추가된다면 인터넷상의 빅데이터를 활용하여 주식시장의 변화를 이해하는 데 도움이 될 것이다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.