뉴스와 댓글 텍스트를 활용한 공모주 상장일 시초가 형성 예측 및 영향성 분석: XGBoost 기반
Prediction of Initial Price Formation and Impact Analysis of Pubilc Offering Stock Listing Data Using News and Comment Text: Based on XGBoost
0
조회
0
다운로드
4
인용
0
참고문헌
키워드
초록
본 연구는 뉴스 및 댓글이 공모주 신규 상장 직후 가격형성에 영향을 미칠 수 있다고 가정한다. 2018.1～2022.7까지 신규 상장된 337개 공모기업을 대상으로 상장 전 시점 개인투자자의 관심을 포함한댓글 데이터와 해당 댓글이 생성되는 뉴스 데이터들을 활용하여 공모주 상장 직후 시초가 형성에영향을 미치는지 실증분석 하였다. 본 연구에서 뉴스, 댓글 데이터를 활용하기 위해 각 기업의 신고서제출일로부터 상장예정일까지 네이버 뉴스에 게시된 뉴스와 댓글에 KR-FinBERT 모델을 적용해긍정, 부정, 중립으로 분류 후 감성점수화 해 변수로 사용하였다. 또한 공모주 가격형성에 영향을미치는 여러 변수를 사용해 거시경제 상황과 개인 및 시장 반응을 종합하여 공모주 상장 당일 확정공모가대비 시초가가 1.0배, 1.5배 초과 형성되는지 분석하였다. 연구 결과 감성 변수를 포함하였을 때 확정공모가대비 시초가가 1.0배 초과의 경우 감성 변수를 포함하지 않은 경우보다 좋은 성능을 보인 반면, 시초가가1.5배 초과의 경우는 감성 변수를 포함한 경우가 포함하지 않은 경우보다 낮은 성능을 보였다. 이를통해 감성 변수는 확정공모가 대비 시초가 형성을 예측 시 도움되지만, 초과 상승분에 대한 예측시 도움이 되지 않음을 확인하였다.
Abstract
This study assumes that news and comments can affect price formation immediately after IPO. The empirical analysis was conducted on 337 publicly traded companies newly listed from 2018.1 to 2022.7 to see if the initial price affects the formation immediately after the IPO listing by using the comment data including the interest of individual investors before the IPO and the news data in which the comment is generated. In order to utilize news and comment data, KR-FinBERT model was applied to news and comments posted on Naver News from the date of submission of each company’s declaration to the date of listing, and it was classified into positive, negative, and neutral, and then used as an emotional scoring variable. In addition, we analyzed the macroeconomic situation and individual and market responses using various variables affecting IPO price formation to determine whether the initial price is 1.0 times and 1.5 times higher than the final IPO price on the day of IPO. As a result of the study, when the initial price is more than 1.0 times higher than the final offer price, the performance is better than when the emotional variable is not included, but when the initial price is more than 1.5 times, the performance is lower than when the emotional variable is not included. Through this, it was confirmed that the emotional variables are helpful in predicting the initial formation compared to the final public offering, but not in predicting the excess increase.
참고문헌 (32)
- 곽노걸, "IPO 저가 발행의 저주 : 공모주 상장 초기 주가행태 분석", 재무관리연구, 32(2), pp.143~169 (2015), 한국재무관리학회[DOI]
- 금융위원회, "기업공개(IPO)공모주 일반청약자 참여기회확대방안", 금융위원회, ~ (2020)
- 김나영, "한국어 텍스트 질의를 활용한 주식 정보 검색 및 분석 기법", 한국정보기술학회논문지, 20(9), pp.13~18 (2022), 한국정보기술학회[DOI]
- 김명진, "SNS감성 분석을 이용한 주가 방향성 예측: 네이버 주식토론방 데이터를 이용하여", 한국전자거래학회지, 25(4), pp.61~75 (2020), 한국전자거래학회[DOI]
- 김성환, "공모가 밴드가 신규공모주(IPO)저평가에 미치는 영향", 한국재무학회학술대회, pp.36~64 (2012)
- 김종옥, "투자자 관심이 IPO 초기성과에 미치는 영향에 관한 실증분석", 대한경영학회지, 34(11), pp.2023~2046 (2021), 대한경영학회
- 김종옥, "개인투자자의 관심이 IPO 가격 조정에 미치는 영향에 관한 실증연구 : KOSDAQ 시장을 중심으로", 서비스마케팅학회 학술대회 발표논문집, pp.22~24 (2022)
- 김주환, "개인투자자 거래행태와 IPO 주가성과", 산업경제연구, 30(1), pp.83~103 (2017), 한국산업경제학회
- 김진산, "공모주 청약경쟁률이 IPO 수익률에 미치는 영향 분석", 금융지식연구, 9(1), pp.39~62 (2011), 금융지식연구소
- RNN 기반 뉴스기사 감성분석을 이용한 기업부도예측 모형 개발, "류선진", 한국과학기술원, ~ (2021)
- 민재훈, "기관투자자와 개인투자자의 IPO 주식 투자 성과 분석", 전문경영인연구, 20(3), pp.75~98 (2017), 한국전문경영인학회
- 양수연, "증권신고서의 TF-IDF 텍스트 분석과 기계학습을 이용한 공모주의 상장 이후 주가 등락 예측", 지능정보연구, 28(2), pp.237~262 (2022), 한국지능정보시스템학회
- IPO 공모주 주가 변화에 대한 분석 및 시사점, "이석훈", KCMI, ~ (2014)
- 최근 IPO 시장의 개인투자자 증가와 수요예측제도의 평가, "이석훈", KCMI, ~ (2021)
- 이한석, "심리적 가격책정이 IPO 시장에 미치는 영향", 재무관리연구, 38(2), pp.129~166 (2021), 한국재무관리학회[DOI]
- 조득환, "인공지능 (AI)을 활용한 공모주 투자여부 및기준 수익률 달성 여부 예측 모델", 한국데이터정보과학회지, 31(3), pp.579~590 (2020), 한국데이터정보과학회[DOI]
- 조수선, "온라인 신문 댓글의 내용분석: 댓글의 유형과 댓글 게시자의 성향", 커뮤니케이션학 연구, 15(2), pp.65~84 (2007), 한국커뮤니케이션학회
- 하대우, "XGBoost 모형을 활용한 코스피 200 주가지수 등락 예측에 관한 연구", 한국데이터정보과학회지, 30(3), pp.655~669 (2019), 한국데이터정보과학회[DOI]
- 한지형, "머신러닝을 통한 가계의 재무스트레스 영향요인 예측 및 분석: XGBoost의 활용", 소비자학연구, 30(2), pp.21~43 (2019), 한국소비자학회[DOI]
- Breiman, L., "Random Forests", Machine Learning, 45, pp.5~32 (2001)
- Chen, T., "Xgboost: A Scalable Tree Boosting System", Proceedings of the 22nd ACM Sigkdd International Conference on Knowledge Discovery and Data Mining, pp.785~794 (2016)
- Dhaliwal, S. S., "Effective intrusion detection system using XGBoost", Information, 9(7), pp.149~ (2018)
- Ho, T. K., "Random Decision Forests", Proceedings of 3rd International Conference on Document Analysis and Recognition, 1, pp.278~282 (1995), IEEE
- Guo, J., "An XGBoost-based Physical Fitness Evaluation Model Using Advanced Feature Selection and Bayesian Hyper-Parameter Optimization for Wearable Running Monitoring", Computer Networks, 151, pp.166~180 (2019)
- Liew, J. K. S., "Twitter Sentiment and IPO Performance : A Cross-sectional Examination", The Journal of Portfolio Management, 42(4), pp.129~135 (2016)
- 김병연, "Multi-Step-Ahead Forecasting of the CBOE Volatility Index in a Data-Rich Environment: Application of Random Forest with Boruta Algorithm", The Korean Economic Review, 38(3), pp.541~569 (2022), 한국경제학회[DOI]
- Khaidem, L., "Predicting the Direction of Stock Market Prices Using Random Forest", ~ (2016)
- Lee, S., "Kr-bert : A small-scale Korean-specific Language Model", ~ (2020)
- Saleh, S. S., "Influence of Individual Investors’ Sentiment in the Pre-Market and Post-Market on Malaysian IPO Initial Return", Emprical Economics Letters, 20, pp.49~60 (2021)
- Mohapatra, S., "KryptoOracle: A Real-time Cryptocurrency Price Prediction Platform Using Twitter Sentiments", 2019 IEEE International Conference on Big Data (Big Data), pp.5544~5551 (2019)
- Song, Y. Y., "Decision Tree Methods : Applications for Classification and Prediction", Shanghai Archives of Psychiatry, 27(2), pp.130~135 (2015)
- Xian, Y., "Social Media Sentiment and IPO Pricing", ~ (2021)