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
- 본 연구에서는 이러한 오피니언 마이닝 기법을 이용하지만, 기존 연구 방법과의 차별성을 가지는 주가 등락 예측 모델을 제시한다. 첫째, 감정을 나타내기 힘든 명사 중심의 기존 감성사전이 아닌 동사와 형용사로 구분되는 서술어 중심의 감성사전을 구죽한다.
제안 방법
- 3)와 같다. 3 장에서 기술한 감성 사전 자동 구축의 결과로 추출된 감성단어 리스트로부터 하루 동안 발생한 경제 뉴스의 극성 값을 계산한다.
- 기존 연구들은 극성 값이 중립인 경우가 많은 명사를 이용하여 감성 사전을 구축하였지만, 본 연구에서는 극성 값이 잘 표현되는 서술어 중심의 감성 사전을 자동으로 구축하였다. 명사를 이용한 감성 사전과 비교 실험을 수행한 결과 본 연구에서 제시하는 모델의 예측 정확도가 약 6% 상승하는 효과가 있었다.
- 둘째, 일별 KOSPI 지수 수집을 위해, 한국증권거래소 (KRX)>국내지수>일자별 지수, 탭에 있는 일별 KOSPI 를 일자, 종가지수, 등락 순으로 수집하였다. 전체 데이터 총 979 건 중 예측 모델 학습을 위해 2010 년~2012 년까지의 KOSPI 지수 747 일을 사용하였고 테스트를 위해 2013 년의 KOSPI 지수 246 일을 사용하였다.
- 본 연구에서 제안하는 감성 사전 자동 구축 시스템은 (그림 1)과 같으며, 웹에서 수집된 경제 뉴스 전처리기와 감성사전 구축기 모듈로 구성된다. 전처리기는 수집된 뉴스를 배포 시간을 기준으로 장전, 장중으로 구분하고 불필요한 문자들과 광고 문구를 제거하는 과정을 수행한다.
- 본 연구에서는 경제 뉴스를 이용하여 감성 사전을 구죽하고, 구죽된 감성사전을 이용하여 주가 등락 예측 모델을 학습하여 전일 대비 당일 종가의 등락을 예측하였다. 기존 연구들은 극성 값이 중립인 경우가 많은 명사를 이용하여 감성 사전을 구축하였지만, 본 연구에서는 극성 값이 잘 표현되는 서술어 중심의 감성 사전을 자동으로 구축하였다.
- 본 연구에서는 서술어 중심의 감성사전을 자동으로 구죽하고 Logistic Regression 을 이용하여 주가 등락을 예측하였다. 주가 등락 예측 결과는<표-2>와 같다.
- 본 제안방법에 대한 평가는 3 장과 4 장에서 제시한 모형에 따라 진행되었다. 데이터 수집을 위해 2010 년 ~2013 년까지의 경제 뉴스와 일별 KOSPI 지수를 Crawler 를 이용하여 수집하였다.
- 전처리 작업이 완료된 뉴스 데이터로부터 장전, 장중으로 구분하여 감성사전을 구축한다.<식-1>은 감성단어에 대한 극성을 구하는 식으로, [3]에서의 주가지수 상승 예측을 위한 주제지향 감성사전 구축 방안을 적용한 것이다.
대상 데이터
- 따라 진행되었다. 데이터 수집을 위해 2010 년 ~2013 년까지의 경제 뉴스와 일별 KOSPI 지수를 Crawler 를 이용하여 수집하였다.
- 본 연구는 미래창조과학부 및 정보통신기술진흥센터의 정보통신 . 방송 연구개발사업 [13-912-03-003, 사회문제에 관한 도메인 별 이벤트 추출 및 예측 기술 개발], 중소기업청에서 지원하는 2014 년도 산학연협력기술개발사업(No.
- 수집하였다. 전체 데이터 총 979 건 중 예측 모델 학습을 위해 2010 년~2012 년까지의 KOSPI 지수 747 일을 사용하였고 테스트를 위해 2013 년의 KOSPI 지수 246 일을 사용하였다. <표-1>은 수집된 데이터에 대한 요약이다.
- 본문 순으로 수집하였다. 전체 수집된 데이터 총 60, 957 건 중 감성 사전 구축을 위해 2010 년~2012 년까지의 뉴스 데이터 50, 142 건을 사용하였고 테스트를 위해 2013 년의 뉴스 데이터 10, 815 건을 사용하였다.
- 첫째, 경제 뉴스 수집을 위해, 네이버>증권>뉴스> 주요뉴스' 탭에 있는 경제 뉴스 데이터를 제목, 작성날짜, 본문 순으로 수집하였다. 전체 수집된 데이터 총 60, 957 건 중 감성 사전 구축을 위해 2010 년~2012 년까지의 뉴스 데이터 50, 142 건을 사용하였고 테스트를 위해 2013 년의 뉴스 데이터 10, 815 건을 사용하였다.
이론/모형
- 주가 등락 예측 모델에 대한 평가 방법으로는 정확도 (Accuarcy)를 이용하였으며, 와 같이 계산된다.
성능/효과
- 기존 연구들은 극성 값이 중립인 경우가 많은 명사를 이용하여 감성 사전을 구축하였지만, 본 연구에서는 극성 값이 잘 표현되는 서술어 중심의 감성 사전을 자동으로 구축하였다. 명사를 이용한 감성 사전과 비교 실험을 수행한 결과 본 연구에서 제시하는 모델의 예측 정확도가 약 6% 상승하는 효과가 있었다.
- 이에 비해 서술어 중심의 감성 사전은 “오르다”, , , 번지다, , 와 같이 극성을 띄기 쉬운 단어들로 구성되어 있다. 이와 같은 서술어 리스트는 등락을 예측하기에 더 적합하다고 할 수 있으며, 예측 정확도를 살펴보면 58.29%로 명사 중심의 감성사전 보다 약 6% 상승의 효과가 있음을 확인할 수 있었다.
후속연구
- 예를 들어 연관 규칙 등을 통해 단어 간 패턴을 찾아 감성사전을 구축한다면, 예측 모델의 정확도를 더 높일 수 있을 것이라 사료된다. 또한, 감성 사전의 극성 값뿐만 아니라 과거의 하락 패턴 및 상승 패턴을 분석하여 예측 정확도를 높이는 연구도 필요하다.
- 향후 연구로는 “금리가 오르다”와 같이 “오르다”라는 서 술어 자체 에 대한 의미 보다는 앞 단어인 “금리” 와 연관되어 추출되는 의미에 대한 처리 등이 필요하다. 예를 들어 연관 규칙 등을 통해 단어 간 패턴을 찾아 감성사전을 구축한다면, 예측 모델의 정확도를 더 높일 수 있을 것이라 사료된다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.