[논문]재무 보고서의 키워드 검출 기반 딥러닝 감성분석 기법

Jo, Dongsik; Kim, Daewhan; Shin, Yoojin

doi:10.6109/jkiice.2020.24.5.670

재무 보고서의 키워드 검출 기반 딥러닝 감성분석 기법
Toward Sentiment Analysis Based on Deep Learning with Keyword Detection in a Financial Report 원문보기

한국정보통신학회논문지 = Journal of the Korea Institute of Information and Communication Engineering, v.24 no.5, 2020년, pp.670 - 673

Jo, Dongsik (Department of Digital Contents Engineering, Wonkwang University) , Kim, Daewhan (Creative Contents Research Division, Electronics Telecommunication Research Institute) , Shin, Yoojin (Division of Business Administration, Wonkwang University)

Abstract ▼ AI-Helper

Recent advances in artificial intelligence have allowed for easier sentiment analysis (e.g. positive or negative forecast) of documents such as a finance reports. In this paper, we investigate a method to apply text mining techniques to extract in the financial report using deep learning, and propose an accounting model for the effects of sentiment values in financial information. For sentiment analysis with keyword detection in the financial report, we suggest the input layer with extracted keywords, hidden layers by learned weights, and the output layer in terms of sentiment scores. Our approaches can help more effective strategy for potential investors as a professional guideline using sentiment values.

주제어

표/그림 (2)

그림 Fig. 1 Deep neural networks(DNNs) for sentiment analysis with keyword detection in a financial report: The Input layer consists of extracted keywords from the financial report, hidden layers are learned with parameters (or weights), the output layer shows scores in terms of sentiment analysis.
그림 Fig. 2 How to configure deep neural networks(DNNs) for text mining and keyword detection in the financial report.

AI 본문요약
AI-Helper

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

문제 정의

하지만, 감성값을 전문가들의 합의에 의해서 결정하였으므로 자동화된 감성 분석에 대한 적용에는 한계가 있다고 할 수 있다[5]. 따라서, 본 논문에서는 이를 극복하고자 딥러닝 키워드 검출을 통한 입출력을 정의하고, 이러한 정보의 다각적 활용을 위한 파라미터 학습 및 의사결정 구조에 대한 방법론을 제시한다. 요약하자면, 본논문에서는 텍스트로 구성된 재무 및 회계정보에서 추출된 키워드를 입력으로 한 다층 퍼셉트론(Multi-layer perceptron) 구조의 뉴럴넷을 구성하고, 출력 노드들의 감성값을 이용하여 정보의 유용성을 판단하는 구조에 대한 기법을 제시한다.
여기에서 장부가치와 이익정보는 재무제표를 통하여 쉽게 얻을 수 있으나 기타정보에 대한 정확한 파악은 쉽지 않을 수 있으나 본 연구결과를 통해 산정될 수 있겠다. 또한, 기업의 특성에 따라서 비재무적정보의 중요성이 큰 경우도 있으므로 본 연구의 방법은 기업에 대한 정보를 유추하는데 도움이 될 수가 있겠다[8]. 따라서, 보고서의 텍스트에 포함된 정보의 감성값이 기타정보의 상당부분을 차지한다면 본 연구에서 제시된 방법론을 적용하여 가치평가의 정확성을 높일 수 있을 것으로 예상된다.
본 논문에서는 딥러닝 기술을 활용하여 재무 보고서에 포함된 텍스트에 대하여 텍스트마이닝 기술을 적용하고, 문장의 의미를 분석하여 재무 및 회계 정보의 감성 분석을 수행하는 기법을 제시하였다. 본 논문에서는 제시한 방법에 따라 산출된 정보는 일반투자자 혹은 전문가 모두에게 유용하게 활용될 수 있으며 특히 일반 투자자의 경우 유용성이 더욱 높을 것으로 예상된다.
본 논문에서는 텍스트로 구성된 재무 및 회계 정보 (예.주가의 반응, 수익률, 거래량 등)의 질적 특성이 자본시장에 미치는 영향을 파악하기 위한 방법으로 딥러닝 키워드 검출 및 감성분석 기법을 제시하고자 한다. 여기에서 언급된 감성 분석은 보고서에 포함된 텍스트 정보의 성격이 감성적으로 긍정적인 문구인지 혹은 부정적인 문구인지를 판단하는 것으로 일반적으로 콘텐츠에 대한 인간의 감성(기쁨, 슬픔 등)분석과는 의미가 차이가 있다[5].
본 논문은 재무 보고서를 기반으로 감성 분석(예. 재무 및 회계 정보가 긍정적인지 혹은 부정적인지 분석) 을 수행하기 위한 딥러닝 키워드 검출 기반의 방식을 제시하고자 한다. 그림 1은 본 논문에서 제시한 재무 보고서의 딥러닝 키워드 검출 및 투자 예측 신경망 구성에 대한 개념도 및 전체적인 흐름을 보여주고 있다.

제안 방법

의 연구에서는 감사보고서의 텍스트 마이닝을 기반으로 전문가들의 합의에 의하여 키워드를 분류하여 감성값을 산출하였다[5]. 그러나 본 연구는 딥러닝을 통하여 키워드분류 과정을 수행하고자 한다. 이 경우 감성값을 도출하는 과정에서 객관성이 향상될 것으로 예상되며 도출된 감성값도 다를 수 있다고 예상된다.
따라서, 본 논문에서는 이를 극복하고자 딥러닝 키워드 검출을 통한 입출력을 정의하고, 이러한 정보의 다각적 활용을 위한 파라미터 학습 및 의사결정 구조에 대한 방법론을 제시한다. 요약하자면, 본논문에서는 텍스트로 구성된 재무 및 회계정보에서 추출된 키워드를 입력으로 한 다층 퍼셉트론(Multi-layer perceptron) 구조의 뉴럴넷을 구성하고, 출력 노드들의 감성값을 이용하여 정보의 유용성을 판단하는 구조에 대한 기법을 제시한다.
보고서에 대한 감성 분석에 대한 대표적인 기존 연구사례로 Na et al.의 연구는 감사보고서의 텍스트 마이닝을 기반으로 감성분석을 수행하였다. 하지만, 감성값을 전문가들의 합의에 의해서 결정하였으므로 자동화된 감성 분석에 대한 적용에는 한계가 있다고 할 수 있다[5].

성능/효과

높다. 구체적으로, 딥러닝을 기반으로 하여 텍스트로 구성된 재무 및 회계정보에 대한 추출을 더욱 구체화할 수 있으며 감성값을 자동적으로 계산하는 알고리즘을 구현하고 신뢰도 테스트를 수행할 수 있다. 또한, 텍스트로 구성된 정보의 출처(정형화된 보고서 또는 뉴스 기사, 칼럼, 논문 등)에 따라 키워드의 신뢰도의 차이가 있을 것으로 예상되므로 감성값 계산 시 정보의 출처에 따라 딥러닝을 활용하여 가중치를 부여하는 방법 등에 대한 연구를 추가적으로 진행하고자 한다.
본 논문에서 제시한 방법에 의하면 보고서에서 재무 및 회계 정보를 추출하여 보수를 계산하는 입력 값인 감성값과 K값을 계산하는 것이 가능하다. 이러한 변수의 측정이 중요한 이유는 기업가치의 추정 및 주가예측 등에 활용될 수 있기 때문이다.

후속연구

또한, 기업의 특성에 따라서 비재무적정보의 중요성이 큰 경우도 있으므로 본 연구의 방법은 기업에 대한 정보를 유추하는데 도움이 될 수가 있겠다[8]. 따라서, 보고서의 텍스트에 포함된 정보의 감성값이 기타정보의 상당부분을 차지한다면 본 연구에서 제시된 방법론을 적용하여 가치평가의 정확성을 높일 수 있을 것으로 예상된다.
구체적으로, 딥러닝을 기반으로 하여 텍스트로 구성된 재무 및 회계정보에 대한 추출을 더욱 구체화할 수 있으며 감성값을 자동적으로 계산하는 알고리즘을 구현하고 신뢰도 테스트를 수행할 수 있다. 또한, 텍스트로 구성된 정보의 출처(정형화된 보고서 또는 뉴스 기사, 칼럼, 논문 등)에 따라 키워드의 신뢰도의 차이가 있을 것으로 예상되므로 감성값 계산 시 정보의 출처에 따라 딥러닝을 활용하여 가중치를 부여하는 방법 등에 대한 연구를 추가적으로 진행하고자 한다.
본 논문에 제시된 적용 방법을 통해 상대적으로 전문성이 낮은 일반 투자자의 의사 결정에 영향과 도움을 줄수 있을 것으로 예상한다. 예를 들면, 본 논문의 방법으로 데이터가 일반 투자자에게 제공이 된다면 재무 분석가가 제시하는 분석 보고서 및 예측 정보와 회계감사인이 제공하는 감사보고서 등에 대한 자발적인 판단에 도움을 줄 수 있을 것이다.
본 논문에서는 딥러닝 기술을 활용하여 재무 보고서에 포함된 텍스트에 대하여 텍스트마이닝 기술을 적용하고, 문장의 의미를 분석하여 재무 및 회계 정보의 감성 분석을 수행하는 기법을 제시하였다. 본 논문에서는 제시한 방법에 따라 산출된 정보는 일반투자자 혹은 전문가 모두에게 유용하게 활용될 수 있으며 특히 일반 투자자의 경우 유용성이 더욱 높을 것으로 예상된다. 즉, 전문적인 지식이 결여된 상황에서도 감성값을 활용하여 투자의사결정에 가이드라인으로 활용할 수 있을 것으로 본다.
본 연구에서 제시된 방법론은 추후 연구로 확장될 가능성이 높다. 구체적으로, 딥러닝을 기반으로 하여 텍스트로 구성된 재무 및 회계정보에 대한 추출을 더욱 구체화할 수 있으며 감성값을 자동적으로 계산하는 알고리즘을 구현하고 신뢰도 테스트를 수행할 수 있다.
이 경우 감성값을 도출하는 과정에서 객관성이 향상될 것으로 예상되며 도출된 감성값도 다를 수 있다고 예상된다. 이는 기존 연구에 의한 감성값과 딥러닝을 활용하여 도출한 감성값의 평균을 비교(t-test)하여 검증할 수 있을 것이다.
본 논문에서는 제시한 방법에 따라 산출된 정보는 일반투자자 혹은 전문가 모두에게 유용하게 활용될 수 있으며 특히 일반 투자자의 경우 유용성이 더욱 높을 것으로 예상된다. 즉, 전문적인 지식이 결여된 상황에서도 감성값을 활용하여 투자의사결정에 가이드라인으로 활용할 수 있을 것으로 본다.
예를 들면, 본 논문의 방법으로 데이터가 일반 투자자에게 제공이 된다면 재무 분석가가 제시하는 분석 보고서 및 예측 정보와 회계감사인이 제공하는 감사보고서 등에 대한 자발적인 판단에 도움을 줄 수 있을 것이다. 즉, 전문지식의 보유수준이 낮더라도 텍스트에 포함된 정보가 긍정적인지 혹은 부정적인지를 판단할 수 있는 정보를 제공할 것이다 .

참고문헌 (8)

Y. Lecun, Y. Bengio, and G. Hinton, "Deep learning," Nature, vol. 521, pp. 436-444, May. 2015.
S. A. Oliveira, B. Seguin, and F. Kaplan, "dhSegment:A generic deep-learning approach for document segmentation", in Proceeding of the 16th International Conference on Frontiers in Handwriting Recognition, Niagara Falls: NY, 2018.
N. I. Widiastuti, "Deep learning- Now and next in text mining and natural language processing", in Proceeding of the Materials Science and Engineering, Bandung:Indonesia, 2018.
J. K. Jang, K. H. Lee, and Z. Lee, "How the title of inverstment strategy report affects stock price forecast: using text mining method," The Korean Journal of BigData, vo.1, no.2, pp.21-34, 2016.
H. J. Na, K. C. Lee, S. U. Choi, and S. T. Kim. "An analysis on the validity of audit opinion using unstructured data from audit reports and audit fees and hours: emphasis on utilizing text mining and sentiment analysis," Korean Accounting Review, vol.44, no.4, pp. 175-214, 2019.

상세보기
I. H. Sarker, A.S. M. Kayes, and P. Watters, "Effectiveness analysis of machine leaning classification models for predicting personalized context-aware smartphone," Journal of Big Data, vol. 6, no.57, 2019.
J, Ohlson, "Earnings, book values, and dividends in equity valuation : an empirical perspective", Contemporary Accounting Research, Vol.11 No.2, pp.661-687, 1995.

상세보기
J. Kim, "The Effects of Financial Information to the Firm Valuation for Information Technology Related Companies : Evidences from Software, Degital Content, Internet Related Companies listed in KOSDAQ", The Journal of Society for e-Business Studies(JSEBS), Vol.17 No.3, pp.73-84, 2012.

원문보기 상세보기

표제어: PCR

동의어: Packet Collision Rate

용어 설명 출처 목록 (6)

용어 설명: PCR은 세균 특이성이 있는 primer를 이용하여 적은 수의 세균이 있을지라도 쉽게 검출할 수 있는 유용한 방법이며, 이를 이용하여 구강 내 치면세균막이나 타액에서 직접 세균을 검출할 수 있게 되었다[8].

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증