뉴스 기사의 감성을 사용한 기업 이익과 주식 수익률 예측
Forecasting Corporate Earnings and Stock Returns using Sentiment in News Articles
0
조회
0
다운로드
0
인용
0
참고문헌
키워드
초록
본 연구는 기업에 대한 뉴스 기사의 텍스트 정보가 향후 기업 이익과 수익률을 예측할 수 있는지 검증하였다. 이를 위해 코스피200 지수에 포함된 기업의 뉴스 기사 약 50만개를 수집한 후, KOSELF(Korean Sentiment Lexicon for Finance) 감성 사전을 사용하여 텍스트에 나온 긍정어와 부정어의 수를 측정하는 방법으로 뉴스 기사의 감성변수를 계산하였다. 이익공표일 이전의 뉴스 기사의 감성은 기업의 이익을 통계적으로 유의미하게 예측하였다. 특히 부정적 감성이 긍정적 감성보다 더 강한 예측력을 가지고 있었다. 이는 뉴스 기사에 기업의 미래 이익에 대한 의미있는 정보가 내포되어 있음을 의미한다. 더 나아가 뉴스 기사의 감성과 미래 주식 수익률과의 관계를 살펴보았다. 뉴스 기사의 감성이 이익공표일 이후의 시장 반응에 대해서는 예측력을 가지고 있지 않았지만, 다음 날의 주가 변화와는 유의미하게 연관되어 있었다. 지금까지의 결과들은 뉴스 기사의 텍스트가 기업의 미래 이익과 주식 수익률에 대한 유의미한 정보를 포함하고 있음을 보여준다. 또한, 뉴스 정보가 시장 참여자들에게 영향을 주고 있음을 시사한다.
Abstract
We investigate whether the text of news articles about companies can predict future corporate earnings and stock returns. We collect news articles of companies included in the KOSPI 200 index and calculate the sentiment variable of news articles by measuring the number of positive and negative words in the text using a sentiment dictionary of KOSELF(Korean Sentiment Lexicon for Finance). The sentiment of news articles prior to the earnings announcement date is statistically significant in predicting corporate earnings, with negative sentiment having stronger predictability than positive sentiment. This suggests that news articles contain meaningful information about a firm's future earnings. We further examine the relationship between news sentiment and future stock returns. News sentiment does not have predictive power for the market's reaction to earnings announcements, but it is significantly associated with the next day's stock returns. These results show that the text of news articles contains meaningful information about a firm's future earnings and stock returns, suggesting that news information influences market participants.
참고문헌 (28)
- 김동재, "BERT를 활용한 뉴스 기사 감성분석과 블랙-리터만 모형을 결합한 자산 배분 전략 제안", 재무관리연구, 40(5), pp.155~180 (2023)
- 김명진, "SNS 감성 분석을 이용한 주가 방향성 예측", 한국전자거래학회지, 25(4), pp.61~75 (2020)
- 김용석, "한국어 텍스트 분석과 적용 : 머신러닝을 통한 증권발행신고서의 비정형화된 텍스트 분석 : 머신러닝을 통한 증권발행신고서의 비정형화된 텍스트 분석", 한국증권학회지, 48(2), pp.215~235 (2019)
- 서한백, "BERT 어조에 기반한 애널리스트 보고서 텍스트 정보의 유용성", 재무관리연구, 41(5), pp.47~84 (2024)
- 양철원, "애널리스트 보고서 제목의 정보력 검증 : 텍스트 어조를 중심으로", 재무관리연구, 38(3), pp.1~38 (2021)
- 이주화, "뉴스", 소셜 미디어 텍스트와 투자자 기대, 2021, pp.50(2), 533~555
- 장은아, "BERT를 활용한 뉴스 감성분석과 거시경제지표 조합을 이용한 주가지수 예측", 한국컴퓨터정보학회논문지, 25(5), pp.47~56 (2020)
- 조수지, "기업 재무분석을 위한 한국어 감성사전 구축", 한국증권학회지, 50(2), pp.135~170 (2021)
- 최남현, "뉴스와 댓글 텍스트를 활용한 공모주 상장일 시초가 형성 예측 및 영향성 분석: XGBoost 기반", 재무관리연구, 40(1), pp.81~104 (2023)
- Antweiler, W., "Is All That Talk Just Noise? The Information Content of Internet Stock Message Boards", Journal of Finance, 59(3), pp.1259~1294 (2004)
- Bernard, V. L., "Post-Earnings-Announcement Drift : Delayed Price Response or Risk Premium?", Journal of Accounting Research, 27, pp.1~36 (1989)
- Bollen, J., "Twitter Mood Predicts the Stock Market", Journal of Computational Science, 2(1), pp.1~8 (2011)
- Buehlmaier, M. M., "Are Financial Constraints Priced? Evidence from Textual Analysis", The Review of Financial Studies, 31(7), pp.2693~2728 (2018)
- Calomiris, C. W., "How news and its context drive risk and returns around the world", Journal of Financial Economics, 133(2), pp.299~336 (2019)
- Cho, S. J., "Does the textual tone of analyst reports have valuable information? Korean evidence", Asia-Pacific Journal of Financial Studies, 53(3), pp.349~389 (2024)
- Das S., "Yahoo! for Amazon : Sentiment Extraction from Small Talk on the Web", Management Science, 53(9), pp.1375~1388 (2007)
- Fang, L. H., "Does media coverage of stocks affect mutual funds' trading and performance?", Review of Financial Studies, 27(12), pp.3441~3466 (2014)
- Fang, L., "Media coverage and the cross-section of stock returns", Journal of Finance, 64(5), pp.2023~2052 (2009)
- Gentzkow, M., "Text as data", Journal of Economic Literature, 57(3), pp.535~574 (2019)
- Heston, S. L., "News vs. sentiment : Predicting stock returns from news stories", Financial Analysts Journal, 73(3), pp.67~83 (2017)
- Kearney, C., "Textual sentiment in finance : A survey of methods and models", International Review of Financial Analysis, 33, pp.171~185 (2014)
- Li, F., "The Information Content of Forward-Looking Statements in Corporate Filings-A Naïve Bayesian Machine Learning Approach", Journal of Accounting Research, 48(5), pp.1049~1102 (2010)
- Li, F., "A Measure of Competition Based on 10-K Filings", Journal of Accounting Research, 51(2), pp.399~436 (2013)
- Li, F., "Textual analysis of corporate disclosures : A survey of the literature", Journal of Accounting Literature, 29(1), pp.143~165 (2010)
- Loughran, T., "When Is a Liability Not a Liability? Textual Analysis, Dictionaries, and 10-Ks", Journal of Finance, 66(1), pp.35~65 (2011)
- Loughran, T., "Textual analysis in accounting and finance : A survey", Journal of Accounting Research, 54(4), pp.1187~1230 (2016)
- Tetlock, P. C., "Giving Content to Investor Sentiment : The Role of Media in the Stock Market", Journal of Finance, 62(3), pp.1139~1168 (2007)
- Tetlock, P. C., "More Than Words: Quantifying Language to Measure Firms’ Fundamentals", Journal of Finance, 63(3), pp.1437~1467 (2008)