[논문]코로나-19관련 웨이보 정서 분석을 통한 중국 주식시장의 주판 및 차스닥의 민감도 예측 기법

이가기; 오하영

doi:10.6109/jkiice.2021.25.1.1

초록
AI-Helper

최근 코로나 19발생과 동시에 소셜 미디어의 투자자 정서가 증시 가격 움직임을 주도해 관심을 모으고 있다. 본 연구는 행동금융 이론 기반 빅 데이터 분석을 활용하여 소셜 미디어에서 추출한 정서가 중국 증시의 실시간 및 단기적 가격 모멘텀을 예측하는데 활용될 수 있는 기법을 제안한다. 이를 위해, COVID-19와 관련 200만 건 이상의 시나 웨이보 빅 데이터를 키워드 방식으로 수집 및 분석하고 시간이 따른 영향력이 높은 감정 요인을 추출한다. 최종 결과 도출을 위해 다양한 지도 및 비지도 학습 모델을 다 각도에서 구현 및 성능평가를 비교 분석 후, BiLSTM mdoel이 최적의 결과를 낼 수 있음을 증명했다. 또한, 제안하는 기법을 통해 주가변동과 심리요인 간에도 비슷한 움직임을 보이고 있음을 제안했고 소셜미디어에서 추출한 공공분위기가 어느 정도 투자자들의 심리를 대변할 수 있고, 주식시장에 영향을 미칠 수 있는 특수행사에 몰두할 때 증시변동에 차이를 만들 수 있음을 증명했다.

Abstract ▼ AI-Helper

Investor mood from social media is gaining increasing attention for leading a price movement in stock market. Based on the behavioral finance theory, this study argues that sentiment extracted from social media using big data technique can predict a real-time (short-run) price momentum in Chinese st...

Investor mood from social media is gaining increasing attention for leading a price movement in stock market. Based on the behavioral finance theory, this study argues that sentiment extracted from social media using big data technique can predict a real-time (short-run) price momentum in Chinese stock market. Collecting Sina Weibo posts that related to COVID-19 using keyword method, a daily influential weighted sentiment factors is extracted from the sizable raw data of over 2 millions of posts. We examine one supervised and 4 unsupervised sentiment analysis model, and use the best performed word-frequency and BiLSTM mdoel. The test result shows a similar movement between stock price change and sentiment factor. It indicates that public mood extracted from social media can in some extent represent the investors' sentiment and make a difference in stock market fluctuation when people are concentrating on a special events that can cause effect on the stock market.

주제어

표/그림 (8)

그림 Fig. 1 Data Processing Model
그림 Fig. 2 Crawling Data
그림 Fig. 3 Elements in a Sina Weibo
그림 Fig. 4 Training result of 4 text classification models
그림 Fig. 5 Sentiment Extraction Model 1- Word frequency & LSTM and BiLSTM
그림 Fig. 6 Sentiment Extraction Model 2- Word2vec & LSTM and BiLSTM
그림 Fig. 7 Big-4 stock indexes in mainland China
그림 Fig. 8 Change of Big-4 Stock Indexes

AI 본문요약
AI-Helper

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

문제 정의

Thus, this article is an event study based on the outbreak period of COVID-19 in China, which contains dramatic fluctuation both on investor’s sentiment and stock price.

제안 방법

The classification model was basically using LSTM (a classical recurrent neutral network called long short term memory) and BiLSTM (bidirectional long short term memory). It consisted of input layer with embedding size of 256, a layer of "SpatialDropout" to avoid over-fitting, 128 hidden layers in long short term memory, 3 connection layers for 3 sentiments with activation layers of softmax before and after it, and finally a loss pool with function of categorical crossentroy that suitable for multi-class classification. (Fig.
Secondly, we get a similar tendency between stock price change in mainland China and public mood movement, which indicates the influence of investor sentiment on stock price in the individual dominated stock market. Even though sentiment factor cannot be homogeneously used in predicting stock price change, it is proved that sentiment factor is one of the heterogeneous factors that can be added to the classical asset pricing models to see if it can improve their prediction ability in further study.
It calculated a post sentence into a vector which considered maximum of 100 words. The classification model was basically using LSTM (a classical recurrent neutral network called long short term memory) and BiLSTM (bidirectional long short term memory). It consisted of input layer with embedding size of 256, a layer of "SpatialDropout" to avoid over-fitting, 128 hidden layers in long short term memory, 3 connection layers for 3 sentiments with activation layers of softmax before and after it, and finally a loss pool with function of categorical crossentroy that suitable for multi-class classification.

대상 데이터

In order to get the most accurate classification results, four models were tested with a manually formed training set from Sina Weibo. This training set is consisted of 6, 000 of label posts sampled from the collected dataset as referred.

성능/효과

From the training result (Fig.4), the accuracies of using Word2vec with LSTM or BiLSTM are not satisfied as they are only around 56%. This is due to the non-sentiment related content in most of the posts among period of COVID-19.
[12] collected financial articles in Sina News for sentiment analysis, and use the results to predict stock prices change. The evidence showed that investor sentiment had a particularly strong effect for value stocks relative to growth stocks in China due to the immature financial market. In the consideration of the Big-4 stock indexes we used in our study, CHINEXT PRICE INDEX is more according with this characteristic since the top 100 stocks with large market value are selected to build this index.

참고문헌 (12)

C. Xie and Y. Wang, "Does Online Investor Sentiment Affect the Asset Price Movement? Evidence from the Chinese Stock Market," Mathematical Problems in Engineering, pp. 1-11, 2017.
A. Carosia, G. P. Coelho, and A. E. A. Silva, "Analyzing the Brazilian Financial Market through Portuguese Sentiment Analysis in Social Media," Applied Artificial Intelligence, vol. 34, no. 1, pp. 1-19, 2020.

상세보기
Report of Investigation of Individual Investors Condition in 2017 by SHENZHEN STOCK EXCHANGE [Internet] Available: https://www.sac.net.cn/hyfw/hydt/201803/t20180319_134756.html.
Survey of stock market investors condition report in 2019 [Internet] Available: https://www.sac.net.cn/hyfw/hydt/202003/t20200330_142269.html.
Q. Lin, "Noisy prices and the Fama-French five-factor asset pricing model in China," Emerging Markets Review, vol. 31, pp. 141-163, 2017.

상세보기
Weibo's monthly active users over 550 million, revenue surpassed Wall Street's expectations, 2020, June, 4 th [Internet] Available: https://caijing.chinadaily.com.cn/a/202005/20/WS5ec4bf1ea310eec9c72ba2ec.html.
I. Zheludev, R. Smith, and T. Aste, "When Can Social Media Lead Financial Markets?," Scientific Reports, pp. 1-12, 2014.
K. Guo, Y. Sun, and X. Qian, "Can investor sentiment be used to predict the stock price? Dynamic analysis based on China stock market," Physica A, vol. 469, pp. 390-396, 2017.

상세보기
L. Xu, H. Lin, and J. Zhao, "Construction and analysis of emotional corpus," Journal of Chinese Information Processing, vol. 22, no. 1, pp. 116-122, 2008.

상세보기
J. Li, G. Huang, C. Fan, Z. Sun, and H. Zhu, "Key word extraction for short text via word2vec, doc2vec, and textrank," Turkish Journal of Electrical Engineering & Computer Sciences, vol. 27, no. 3, pp. 1794-1805, 2019.

상세보기
H. Zhou, M. Huang, X. Zhu, and B. Liu. "Emotional Chatting Machine: Emotional Conversation Generation with Internal and External Memory," AAAI 2018, New Orleans, Louisiana, USA, 2018.
D. D. Wu, L. Zheng, and D. L. Olson, "A Decision Support Approach for Online Stock Forum Sentiment Analysis," IEEE Transactions on Systems, Man, and Cybernetics: Systems, vol. 44, no. 8, pp. 1077-1087, 2014.

상세보기

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

코로나-19관련 웨이보 정서 분석을 통한 중국 주식시장의 주판 및 차스닥의 민감도 예측 기법
Sensitivity of abacus and Chasdaq in the Chinese stock market through analysis of Weibo sentiment related to Corona-19 원문보기

초록
AI-Helper

Abstract ▼ AI-Helper

주제어

표/그림 (8)

표/그림 (8)

AI 본문요약
AI-Helper

문제 정의

제안 방법

대상 데이터

성능/효과

참고문헌 (12)

이 논문을 인용한 문헌

관련 콘텐츠

원문 보기

원문 URL 링크

오픈액세스(OA) 유형

연관된 기능

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

연합인증

코로나-19관련 웨이보 정서 분석을 통한 중국 주식시장의 주판 및 차스닥의 민감도 예측 기법 Sensitivity of abacus and Chasdaq in the Chinese stock market through analysis of Weibo sentiment related to Corona-19 원문보기

초록 용어보기논문에서 용어와 풀이말을 자동 추출한 결과로, 시범 서비스 중입니다. AI-Helper

Abstract ▼ AI-Helper

주제어

표/그림 (8) 모든 표/그림 보기

표/그림 (8) 슬라이드로 보기

AI 본문요약 엑셀 다운로드 AI-Helper

문제 정의

제안 방법

대상 데이터

성능/효과

참고문헌 (12)

이 논문을 인용한 문헌

관련 콘텐츠

원문 보기

원문 URL 링크

오픈액세스(OA) 유형

연관된 기능

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

코로나-19관련 웨이보 정서 분석을 통한 중국 주식시장의 주판 및 차스닥의 민감도 예측 기법
Sensitivity of abacus and Chasdaq in the Chinese stock market through analysis of Weibo sentiment related to Corona-19 원문보기

초록
AI-Helper

표/그림 (8)

표/그림 (8)

AI 본문요약
AI-Helper