$\require{mediawiki-texvc}$

연합인증

연합인증 가입 기관의 연구자들은 소속기관의 인증정보(ID와 암호)를 이용해 다른 대학, 연구기관, 서비스 공급자의 다양한 온라인 자원과 연구 데이터를 이용할 수 있습니다.

이는 여행자가 자국에서 발행 받은 여권으로 세계 각국을 자유롭게 여행할 수 있는 것과 같습니다.

연합인증으로 이용이 가능한 서비스는 NTIS, DataON, Edison, Kafe, Webinar 등이 있습니다.

한번의 인증절차만으로 연합인증 가입 서비스에 추가 로그인 없이 이용이 가능합니다.

다만, 연합인증을 위해서는 최초 1회만 인증 절차가 필요합니다. (회원이 아닐 경우 회원 가입이 필요합니다.)

연합인증 절차는 다음과 같습니다.

최초이용시에는
ScienceON에 로그인 → 연합인증 서비스 접속 → 로그인 (본인 확인 또는 회원가입) → 서비스 이용

그 이후에는
ScienceON 로그인 → 연합인증 서비스 접속 → 서비스 이용

연합인증을 활용하시면 KISTI가 제공하는 다양한 서비스를 편리하게 이용하실 수 있습니다.

금융시장의 빅데이터 트렌드를 이용한 주가지수 투자 전략
Investment Strategies for KOSPI Index Using Big Data Trends of Financial Market 원문보기

經營 科學 = Korean management science review, v.32 no.3, 2015년, pp.91 - 103  

신현준 (상명대학교 경영공학과) ,  라현우 (상명대학교 경영공학과)

Abstract ▼ AI-Helper 아이콘AI-Helper

This study recognizes that there is a correlation between the movement of the financial market and the sentimental changes of the public participating directly or indirectly in the market, and applies the relationship to investment strategies for stock market. The concerns that market participants h...

주제어

#Big Data   #Trends   #Sentiment   #Search Terms   #Query Volume   #Investment Strategies   #Portfolio  

AI 본문요약
AI-Helper 아이콘 AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

  • <그림 1>은 KOSPI 지수 종가와 검색용어 CMA에 대한 검색 상대변화량의 시간에 따른 변화를 보여주며, 각각은 KOSPI 지수 t주 첫 거래일의 종가, 즉 p(t)의 시계열과 검색용어 CMA의 Δt = 3주로 산출한 검색 상대변화량을 뜻한다. 2007년 1월 5일부터 2014년 3월 28일까지의 기간 동안 이러한 직접/간접 투자자들의 정보검색 행동 패턴의 변화가 주가 변동으로 이어진다는 가설을 검증하기 위해서, 본 연구에서는 92개 검색어로 구성된 포트폴리오를 대상으로 3개의 투자전략을 제안한다.
  • 이상의 기존연구를 고찰해보면 우리나라 인터넷 포털 검색엔진에서 형성되는 빅데이터 트렌드를 이용한 국내 주식시장 투자전략에 대한 연구는 찾아보기 어렵다. 따라서 본 연구는 국내 대표적인 검색엔진을 통해 형성되는 사용자의 경제관심의 변화 트렌드를 주가지수에 반영하는 투자전략을 제안하고 그 성과를 분석하고자 한다. 본 논문의 제 3장에서는 경제관련 검색어의 검색량 변화 트렌드를 이용한 세 개의 KOSPI 주가지수 투자전략에 대해서 설명한다.
  • [21]은 미국 시장 참여자의 경제에 대한 관심도의 증가를 우려 또는 불안심리 트렌드가 증가한다는 것을 입증하였고, 옥기율, 김지수[10]는 소비자심리지수가 부정적일수록 KOSPI 수익률이 더 크게 하락하며 그 이후 빠르게 회복된다고 주장하였다. 따라서 본 연구에서는 국내 시장 참여자의 경제에 대한 관심도가 증가하는 시점이 국내 주식시장 주가의 하락 시점을 선행하며 반대로 관심도의 하락은 주식시장 주가의 상승을 선행한다는 가설을 수립하고, 국내 주식시장의 주가 및 네이버 트렌드 검색량 데이터 변화량의 연관성을 이용한 세 개의 주가지수 투자전략을 제안하고 가설을 검증하고자 한다. 이를 위해 경제 전반에 대한 시장참여자의 심리(sentiment)를 대표하는 92개의 트렌드 검색어들을 선정하여 투자전략 포트폴리오를 구성한다.
  • 본 연구는 대중들의 감정이 개인행동과 의사결정에 큰 영향을 미칠 수 있다는 행동경제학의 이론을 토대로 국내 빅데이터 트렌드를 이용한 KOSPI 주가지수 투자전략을 제안하였다. 시장 참여자가 경제에 갖는 관심은 인터넷 사용자의 경제 관련 검색어와 연결될 수 있으며 특정 기간의 해당 검색량은 경제 분야 빅데이터의 트렌드로 이해할 수 있다.
  • 본 연구는 정적인 기기인 ‘데스크탑 및 노트북 PC에서의 검색’과 ‘모바일 기기에서의 검색’의 두 경우로 구분하여 투자자의 주식시장 관심도가 주가에 미치는 영향을 분석한다.
  • 또한 사용자가 정적환경에서 생성하는 빅데이터 트렌드는 PC 기반의 검색량으로, 동적환경에서 생성하는 트렌드는 모바일(mobile) 기반의 검색량으로 각각 구분하여 주식시장의 움직임에 미치는 영향을 비교한다. 스마트폰 등의 모바일기기가 빅데이터가 이슈화되고 성장하는데 크게 기여해 왔으므로, 모바일 기기를 통해 생성된 빅데이터 트렌드가 주식시장 참여자의 주요 의사결정과도 관련이 있는지 여부를 확인한다. 이와 더불어 특정 용어의 검색량 시계열이 주가지수 시계열에 대해서 갖는 선행성 유무를 Granger 인과관계(Granger casuality) 분석을 통해 파악하고 인과관계의 정도가 투자성과에 미치는 영향에 대해서도 분석함으로써 유의미한 결과를 도출하고자 한다.
  • 스마트폰 등의 모바일기기가 빅데이터가 이슈화되고 성장하는데 크게 기여해 왔으므로, 모바일 기기를 통해 생성된 빅데이터 트렌드가 주식시장 참여자의 주요 의사결정과도 관련이 있는지 여부를 확인한다. 이와 더불어 특정 용어의 검색량 시계열이 주가지수 시계열에 대해서 갖는 선행성 유무를 Granger 인과관계(Granger casuality) 분석을 통해 파악하고 인과관계의 정도가 투자성과에 미치는 영향에 대해서도 분석함으로써 유의미한 결과를 도출하고자 한다.

가설 설정

  • 본 연구에서 제안한 세 전략 모두 청산 방법에 차이가 있을 뿐 기본적으로 경제관련 특정 검색어의 검색량이 증가하면 주가지수를 매도하고, 감소하면 매입한다는 것을 전제로 한다. 제안 전략들이 유의한 수익률을 산출한다는 결과는 검색량 증가 후 시장 주가가 하락하고, 감소 후 시장주가가 상승할 것이라는 가설을 본 실험의 실증 결과로 입증하는 것이다. 다시 말하면, 시장 참여자가 경제에 갖는 관심은 인터넷 사용자의 경제 관련 검색어와 연결될 수 있으며 특정 기간의 해당 검색량은 경제 분야 빅데이터의 트렌드로 이해할 수 있다.
  • 92개의 전체 검색어들은 경제 전반에 대한 시장참여자의 관심도 또는 우려를 나타내는 트렌드라 간주되기 때문에 각각이 개별적인 투자대상이 아니라 투자 포트폴리오의 구성종목으로써의 역할을 한다. 포트폴리오 투자전략은 분석의 단순화를 위해 코스피(KOSPI) 종합주가지수를 대상으로 하였으며 공매도(short selling)가 가능하다고 가정하였다.
본문요약 정보가 도움이 되었나요?

질의응답

핵심어 질문 논문에서 추출한 답변
개인 및 기관투자자의 투자심리를 투자전략에 활용한 연구의 방식 2가지는 무엇인가? 개인 및 기관투자자의 투자심리를 투자전략에 활용한 연구는 크게 두 분야로 정리할 수 있다. 하나는 실제 금융거래 데이터에 드러난 심리적인 요인들을 분석하여 전략을 수립하는 직접적인 방식이고 다른 하나는 본 연구와 같이 빅데이터 등의 트렌드를 분석하여 투자 전략을 수립하는 간접적인 접근방식이다.
포털 빅데이터에는 무엇이 반영되어 있나? 포털 빅데이터에는 온라인 네트워크를 이용하는 사람들의 일상생활에 내재된 행동양식이 반영되어 있다. 네트워크 이용자 급증에 따른 빅데이터의 증가는 복잡한 현상에 대한 근본적인 문제를 해결하기 위한 새로운 기회가 되고 있으며, 금융시장은 그 가운데 가장 많은 관심을 받는 대상 중 하나이다.
구글은 구글 트렌드를 통해 무엇을 제공하고 있는가? 최근 글로벌 검색 엔진인 구글(Google)은 구글 트렌드(Google Trends)1)라는 툴을 통해, 검색어에 대한 질의(query)의 양(volume), 다시 말해 검색량(search volume)과 시간에 따른 검색량 변동 데이터에 대한 서비스를 제공하고 있다. 마찬가지로 국내 검색 엔진 국내시장점유율 1위인 네이버(Naver)에서도 네이버 트렌드2) 서비스를 제공하기 시작했다.
질의응답 정보가 도움이 되었나요?

참고문헌 (22)

  1. 강장구, 권경윤, 심명화, "개인투자자의 투자심리와 주식수익률", "재무관리연구", 제30권, 제3호(2013), pp.35-68. 

  2. 김민수, 구평회, "인터넷 검색추세를 활용한 빅데이터 기반의 주식투자전략에 대한 연구", "한국경영과학회지", 제38권, 제4호(2013), pp.53-63. 

    원문보기 상세보기

  3. 김성우, 김각규, 윤봉규, "국방분야 빅데이터 분석의 활용가능성에 대한 고찰", "한국경영과학회지", 제39권, 제2호(2014), pp.1-19. 

  4. 김용순, 권치흥, 이경애, 이현림, "2008년 금융위기 이후 부동산가격 결정요인 변화 분석", "LHI Journal", 제2권, 제4호(2011), pp.367-377. 

  5. 김유신, 김남규, 정승렬, "뉴스와 주가 : 빅데이터 감성분석을 통한 지능형 투자의사결정 모형", "지능정보연구", 제18권, 제2호(2012), pp.143-156. 

    원문보기 상세보기

  6. 박원준, "'빅데이터(Big Data)' 활용에 대한 기대와 우려", "Journal of Communications and Radio Spectrum", 제51권(2012), pp.28-47. 

  7. 석준희, 강영선, "다사건 시계열 자료 분석을 위한 베이지안 기반의 통계적 접근의 응용", "한국경영과학회지", 제39권, 제4호(2014), pp.51-69. 

    원문보기 상세보기

  8. 송유철, 원용걸, "동아시아 국가들의 실질환율, 순수출 및 경제성장간의 상호관계 비교연구 : 시계열 및 패널 자료 인과관계 분석", "KIF Working Paper", 2011-08, pp.1-47. 

  9. 안희준, 전승표, 최종범, "남북관계 관련 뉴스가 주식시장에 미치는 영향", "한국경제의 분석", 제16권, 제2호(2010), pp.199-231. 

  10. 옥기율, 김지수, "소비자 심리지수가 KOSPI 수익률에 미치는 비대칭적 영향에 대한 연구", "금융공학연구", 제11권, 제1호(2012), pp.17-37. 

  11. 이득환, 김수현, 강형구, "빅데이터를 사용한 시스템 트레이딩 : KOSPI200 선물을 대상으로", 5개 학회 공동학술연구발표회, 2014. 

  12. Barber, B.M., T. Odean, and N., Zhu, "Systematic Noise," Journal of Financial Markets, Vol.12 (2009), pp.547-569. 

    상세보기 crossref

  13. Bollen, J., H. Maoa, and X. Zeng, "Twitter mood predicts the stock market," Journal of Computational Science, Vol.2, No.1(2011), pp.1-8. 

    상세보기 crossref

  14. Bordino, I., S. Battiston, G. Caldarelli, M. Cristell, and A. Ukkonen, "Web Search Queries Can Predict Stock Market Volumes," PloS ONE, Vol.7, No.7(2012), pp.1-17. 

  15. Choi, H. and H. Varian, "Predicting the Present with Google Trends," The Economic Record, Vol.88(2012), pp.2-9. 

    상세보기 crossref

  16. Dorn, D., G. Huberman, and P. Sengmueller, "Correlated Trading and Returns," Journal of Finance, Vol.63(2008), pp.885-920. 

    상세보기 crossref

  17. Goel, S., J.M. Hofman, S. Lahaie, D.M. Pennock, and D.J. Watts, "Predicting consumer behavior with Web search," PNAS, Vol.107, No.41(2010), pp.17486-17490. 

    상세보기 crossref

  18. Jackson, A., "The Aggregate Behaviour of Individual Investors," (2003), Available at SSRN : http://dx.doi.org/10.2139/ssrn.536942. 

  19. Kumar, A. and C.M.C. Lee, "Retail Investor Sentiment and Return Comovements," Journal of Finance, Vol.61, No.5(2006), pp.2451-2486. 

    상세보기 crossref

  20. Preis, T., D. Reith, and H.E. Stanley, "Complex Dynamics of Our Economic Life on Different Scales : Insights from Search Engine Query Data," Philosophical Transaction of the Royal Society A, Vol.368(2010), pp.5707-5719. 

    상세보기 crossref

  21. Preis, T., H.S. Moat, and H.E. Stanley, "Quantifying Trading Behavior in Financial Markets Using Google Trends," Scientific Reports, Vol3(2013), doi : 10.1038/srep01684. 

    상세보기 crossref

  22. Toda, H.Y. and T. Yamamoto, "Statistical Inference in Vector Autoregressions with Possibly Integrated Processes," Journal of Econometrics, Vol.66(1995), pp.225-250. 

    상세보기 crossref

저자의 다른 논문 :

관련 콘텐츠

섹션별 컨텐츠 바로가기

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

AI-Helper 아이콘
AI-Helper
안녕하세요, AI-Helper입니다. 좌측 "선택된 텍스트"에서 텍스트를 선택하여 요약, 번역, 용어설명을 실행하세요.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.

선택된 텍스트

맨위로