본문 바로가기
KERD
논문KCI 등재

금융위기 조기경보모형에서 텍스트 데이터의 유용성에 관한 연구

The Study on the Role of Text Data in the Financial Early Warning System

김동헌|박의환
예금보험공사 (Korea Deposit Insurance Corporation)|2020.12|금융안정연구 (Financial Stability Studies)|제21권 제2호|pp. 129-164|DOI 10.26588/kdic.2020.21.2.005

1

조회

0

다운로드

0

인용

0

참고문헌

키워드

빅데이터Big data신호접근법Signal approach텍스트 데이터구글 트렌드 데이터금융위기 조기경보모형Text dataGoogle Trends DataFinancial Early Warning System
주제분류경제학

초록

최근 빅데이터 활용을 위한 텍스트 마이닝 기법이 개발됨에 따라 경제분석에서도 비정형 텍스트 데이터 활용이 확대되고 있다. 본 연구에서는 텍스트 데이터의 유용성을 살펴보기 위해 인터넷 검색 정보를 반영하는 구글 트렌드 데이터를 고려하고 정보의 적시성과 예측력을 필요로 하는 금융위기 조기경보모형에서 텍스트 데이터의 유용성을 분석하였다. 실증분석 결과, 구글 트렌드 데이터는 비모수적 모형이나 모수적 모형에서 모두 금융위기를 예측하는데 유용한 것으로 나타났다. 본 연구 결과는 다양한 텍스트 데이터를 개발하고 경제분석에 활용하는 모형들을 더욱 확대시킬 것을 시사하고 있다.

Abstract

As recently the text mining methodology for the usefulness of the big data has been developed, its’ application in the economic analysis has been growing. This study considers the Google Trends Data which reflects the internet search information in order to examine the usefulness of the text data and applies the data to the financial early warning system which needs the timely information and imminent forecasting. The estimation results show that the Google Trends Data appears to be useful for the prediction of the financial crisis both in the parametric and non-parametric approach. This study suggests that we try to develop more text mining methods and expand their applications to various economic analysis.

참고문헌 (50)

  1. 김경근, "신용카드 빅데이터를 활용한 지역별 소비 유출입 특성 연구", 경제연구, 35(4), pp.129~153 (2017), 한국경제통상학회[DOI]
  2. 김동헌, "미국 금융시장 여건변화가 한국 금융시장에 미치는 영향 분석: FCI를 중심으로", 금융안정연구, 14(1), pp.75~107 (2013), 예금보험공사
  3. 김동헌, "거시건전성 정책수단 설계 및 적용방법론", 한국경제의 분석, 20(3), pp.111~176 (2014), 한국경제의 분석패널
  4. 김수현, "거시경제 분석을 위한 텍스트 마이닝", 한국경제의 분석, 26(1), pp.1~70 (2020), 한국경제의 분석패널[DOI]
  5. 김유신, "뉴스와 주가 : 빅데이터 감성분석을 통한 지능형 투자의사결정모형", 지능정보연구, 18(2), pp.143~156 (2012), 한국지능정보시스템학회[DOI]
  6. 국내외 조기경보활동 동향 점검 및 금융시장 조기경보모형 개선, "금융연구원", 한국금융연구원, ~ (2012)
  7. 박원암, "한국 외환위기의 예측 모형", 한국경제의 분석, 7(2), pp.57~110 (2001)
  8. 박원암, "2008년 위기 예측 가능했나?: 신호접근법 분석", East Asian Economic Review, 15(3), pp.49~83 (2011), 대외경제정책연구원[DOI]
  9. 박원암, "글로벌 금융위기와 조기 경보", 국제경제연구, 19(1), pp.1~19 (2013), 한국국제경제학회[DOI]
  10. 박원암, "우리나라 금융위기와 비모수적 및 모수적 조기경보모형의 성과 비교", 한국경제의 분석, 21(3), pp.1~42 (2015), 한국경제의 분석패널
  11. 박의환, "금융부문별 조기경보 모형에 관한 연구", 계량경제학보, 28(3), pp.36~67 (2017), 한국계량경제학회[DOI]
  12. 송서하, "금융 데이터 및 텍스트 데이터를 활용한 금융 기업 조기 경보 모형 개발 : 부실은행 예측을 중심으로", 대한산업공학회지, 45(3), pp.248~259 (2019), 대한산업공학회[DOI]
  13. 이긍희, "빅데이터를 이용한 경기판단지표 개발: 네이버 검색 경기지수 작성과 유용성 검토", 경제분석, 20(4), pp.1~38 (2014), 한국은행
  14. 이긍희, "빅데이터를 이용한 고용지표 개발", BOK 국민계정리뷰 (2016), 한국은행
  15. 금융불안지수 개발과 금융불안 요인변화 분석, "정영식", KIEP, 1~184, pp.KIEP 연구보고서 제18권, 제22호 (2018)
  16. 최정원, "빅데이터와 인공지능 기법을 이용한 기업 부도예측연구", 한국재무학회 학술대회, pp.396~435 (2017)
  17. Google Econometrics and Unemployment Forecasting, "Askitas, N.", DIW, ~, pp.DIW Berlin Discussion Paper, No. 899 (2009)
  18. Babecký, J., "Banking, Debt, and Currency Crises in Developed Countries: Stylized Facts and Early Warning Indicators", Journal of Financial Stability,, 15, pp.1~17 (2014)[DOI]
  19. Baker, S. R., "Measuring Economic Policy Uncertainty", The Quarterly Journal of Economics, 131(4), pp.1593~1636 (2016)[DOI]
  20. Bok, B., "Macroeconomic Nowcasting and Forecasting with Big Data", Annual Review of Economics, 10, pp.615~643 (2018)[DOI]
  21. Asset Prices, Financial and Monetary Stability: Exploring the Nexus, "Borio, C.", BIS, ~, pp.BIS Working Paper, No. 114 (2002)
  22. Borio, C, "Assessing the Risk of Banking Crises", BIS Quarterly Review, pp.43~54 (2002)
  23. Borio, C, "Assessing the Risk of Banking Crises –Revisited", BIS Quarterly Review, pp.29~46 (2009)
  24. Cavallo, A., "The Billion Prices Project: Using Online Prices for Measurement and Research", Journal of Economic Perspectives, 30(2), pp.151~178 (2016)[DOI]
  25. Choi, H., "Predicting Initial Claims for Unemployment Benefits", pp.1~5 (2009), Google Inc
  26. Choi, H., "Predicting the Present with Google Trends", Economic Record, 88, pp.2~9 (2012)[DOI]
  27. Using Big Data to Estimate Consumer Surplus: The Case of Uber, "Cohen, P.", NBER, ~, pp.NBER Working Paper, No. 22627 (2016)
  28. 'Google it!' Forecasting the US Unemployment Rate with a Google Job Search Index, "D’Amuri, F.", FEEM, ~, pp.FEEM Working Paper, No. 31 (2010)
  29. Drehmann, M., "The Credit-to-GDP Gap and Countercyclical Capital Buffers: Questions and Answers", BIS Quarterly Review, pp.55~73 (2014)
  30. Einav, L., "Economics in the Age of Big Data", Science, 346 (2014)[DOI]
  31. Frankel, J., "Can Leading Indicators Assess Country Vulnerability? Evidence from the 2008–09 Global Financial Crisis", Journal of International Economics, 87(2), pp.216~231 (2012)[DOI]
  32. Nowcasting GDP with Electronic Payments Data, "Galbraith, J. W.", ECB, ~, pp.ECB Statistics Paper, No. 10 (2015)
  33. Ginsberg, J., "Detecting influenza epidemics using search engine query data", Nature, 457, pp.1012~1014 (2009)[DOI]
  34. Goldstein, M., "Assessing financial vulnerability: an early warning system for emerging markets" (2000), Peterson Institute
  35. Guzman, G., "Internet Search Behavior as an Economic Forecasting Tool : The Case of Inflation Expectations", Journal of Economic and Social Measurement, 36(3), pp.119~167 (2011)[DOI]
  36. Hansen, S., "Shocking Language : Understanding the Macroeconomic Effects of Central Bank Communication", Journal of International Economics, 99, pp.S114~S133 (2015)
  37. Kaminsky, G., "Leading Indicators of Currency Crises", IMF Staff Papers, 45(1), pp.1~48 (1998)[DOI]
  38. Lazer, D., "The parable of Google Flu: traps in big data analysis", Science, 343, pp.1203~1205 (2014)[DOI]
  39. 이영준, "Deciphering Monetary Policy Board Minutes with Text Mining: The Case of South Korea", The Korean Economic Review, 35(2), pp.471~511 (2019), 한국경제학회[DOI]
  40. Liu, Y., "A Preprocessing Method of Internet Search Data for Prediction Improvement:Application to Chinese Stock Market", Proceedings of the Data Mining and Intelligent Knowledge Management Workshop, pp.1~7 (2012)
  41. Lui, C., "On the predictability of the US elections through search volume activity", Mimeo, ~ (2011)
  42. News and Narratives in Financial Systems:Exploiting Big Data for Systemic Risk Assessment, "Nyman, R.", Bank of England, ~, pp.Bank of England Working Paper, No. 704 (2018)
  43. Quantifying Trading Behavior in Financial Markets Using Google Trends, "Preis, T.", ~, pp.Scientific Reports , No. 1684 (2013)
  44. Raviv, E., "Forecasting with Many Predictors:Allowing for Non-Linearity", Mimeo, ~ (2014)
  45. Reinhart, C. M., "This Time is Different: Eight Centuries of Financial Folly" (2009), Princeton University Press
  46. Measuring News Sentiment, "Shapiro, A. H.", Federal Reserve Bank, ~ (2017)
  47. Query Indices and a 2008 Downturn: Israeli Data, "Suhoy, T.", Bank of Israel, ~ (2009)
  48. Thorsrud, L. A., "Words are the New Numbers: A Newsy Coincident Index of the Business Cycle", Journal of Business and Economic Statistics, 38(2), pp.393~409 (2020)[DOI]
  49. Varian, H. R., "Big Data: New Tricks for Econometrics", The Journal of Economic Perspectives, 28(2), pp.3~27 (2014)[DOI]
  50. Vosen, S., "Forecasting Private Consumption:Survey‐Based Indicators vs. Google Trends", Journal of Forecasting, 30(6), pp.565~578 (2011)[DOI]

이 간행물의 다른 논문 (4건)

시스템리스크 대응을 위한 과제와 예금보험공사의 역할박래수, 정현재pp. 3-27금융소외 관점에서 본 가계의 신용제약 결정요인김용선, 전봉걸pp. 31-58사외이사 활동성과 저축은행 연체대출비율: 대표이사, 사외이사 재직기간 및 수익성김학건pp. 61-88상대적 Nelson-Siegel 요인을 이용한 환율 및 자본이동 예측윤재호pp. 91-125
원문 보기