본문 바로가기
KERD
논문KCI 등재

트럼프 취임 관련 국내 언론에서 나타난 감성과 거시 경제 지수 간 영향 관계: 텍스트 마이닝을 적용하여

An Analysis of the Influences between Sentiment Values of Korean Online News and Macroeconomic Indicators Using Text Mining

송민|이현서
한국지역언론학회 (Korean Regional Communication Research Association)|2018.09|언론과학연구 (Journal of Communication Science)|제18권 제3호|pp. 129-169|DOI http://dx.doi.org/10.14696/jcs.2018.09.18.3.129

1

조회

0

다운로드

7

인용

0

참고문헌

키워드

텍스트 마이닝감성 분석도널드 트럼프미국 대선
주제분류신문방송학

초록

본 연구는 감성 분석과 더불어 그랜저 인과 검정 및 벡터자기회귀모형 분석을 통해 어떠한 거시 경제 지수가 일정기간의 시차를 두고 뉴스 본문의 감성 값에 영향력을 끼치거나 영향을 받는지 확인하였다. 연구 대상이 되는 데이터는 2016년 1월 1일부터 2017년 6월 30일까지 보도된 것으로, 여러 언론사 뉴스를 제공해주는 네이버 뉴스에서 수집하였다. 연구 결과 한국의 언론에서 구한 감성 지수와 선후행 관계가 있는 경제 지표는 금 현물 지수, 코스닥 지수(KOSDAQ), 코스피 고가 지수(KOSPI high index), KRX 100으로 나타났다. 본 연구는 실시간으로 배포되는 온라인 뉴스 기사에서 가장 최근에 실시된 미국 대통령 선거를 주제로 진행한 연구라는 점에서 시의성이 크다. 그리고 감성 분석에 그치지 않고 거시 경제 지수들과의 상관관계를 탐구하였다는 데에 의의가 있다.

Abstract

It was surprising that Donald Trump won the 58th American presidential election against the predictions of most press and opinion polling agencies. No one could expected the fluctuation in global economic indicators after the presidential election, so people have begun to focus on the reasons for Trump’s triumph. However, so far most analysts have only offered political or economic opinions and discourse. It is hard to properly capture economic changes in terms of Trump’s presidential election pledges such as “America First Policy”, “Trumpnomics”, and “Trump care”. Sentiment analysis conducted on data obtained using text mining is a useful way to analyze vast amounts of information, so it has been conducted on many different types of text, from product reviews to movie reviews. Studies related to sentiment analysis, Granger causality test and vector autoregressive model analysis simultaneously have not been conducted in South Korea. Studies that only focus on the relationship between economic indicators and sentiment indices of news pieces cannot determine why stock prices change in various contexts. In South Korea, not much research has been conducted on the correlation between Korean economic indicators and sentiment indices of South Korean internet text content. Therefore, it is necessary to study the connection between South Korean economic indicators and South Korean online news content. In this study, sentiment analysis was conducted on news articles to generate sentiment indices on which a Granger causality test and vector autoregressive model analysis were conducted to determine the degree to which the sentiment values of online news text content can be used to predict changes in macroeconomic indicators influence to understand the background of the most recent U.S. presidential election more clearly. First, sentiment analysis was conducted on various news articles from Naver News for Korean-language news from January 1, 2016 to June 30, 2017. A Granger causality test was then run on the sentiment value data and macroeconomic indicators to determine the relationship between them. Sentiment analysis showed that Korean-language news had a vacillating value starting in March 2016 until it became decisively negative in early September 2016. In early November 2016, when the U.S. presidential election was held, the slope suddenly increased only to turn negative in mid-April 2017. Finally, the gold spot, KOSDAQ, KOSPI high, and KRX 100 indices were revealed as representative South Korean economic indicators for relating with sentiment values. These results suggested that the sentiment of South Korean news related to the U.S. presidential election was preceded or followed by changes in South Korea’s representative integrated stock price and gold spot indices. The main contribution of this study is that its discovery of why sentiment values can be used to make predictions about changes in economic when it comes to analyzing relation between sentiment values and economic indicators.

참고문헌 (62)

  1. 김경환, "환율과 유가 변동이 특급호텔의 영업실적에 미치는 영향", 호텔경영학연구, 22(2), pp.41~54 (2013), 한국호텔외식관광경영학회
  2. 김권식, "트럼프 경제정책, 중남미 충격 그리고 향후 전망", 라틴아메리카이슈, pp.179~209 (2017)
  3. 김서인, "국내 주요 10대 기업에 대한 국민 감성 분석: 다범주 감성사전을 활용한 빅 데이터 접근법", 지능정보연구, 22(3), pp.45~69 (2016), 한국지능정보시스템학회[DOI]
  4. 김선재, "벡터오차수정모형(VECM)을 이용한 인플레이션과 주요 경제변수와의 관계 분석", 산업경제연구, 27(3), pp.1139~1155 (2014), 한국산업경제학회
  5. 김승수, "한국저널리즘의 위기와 대안", 언론과학연구, 11(3), pp.5~32 (2011), 한국지역언론학회
  6. "네이버 뉴스" (2017), 네이버[URL]
  7. 문권순, "벡터자기회귀 (VAR) 모형의 이해", 통계분석연구, 2(1), pp.23~56 (1997), 통계청
  8. 송민, "텍스트 마이닝" (2017), 청람
  9. "KOMORAN 2.0 한국어 형태소 분석기" (2014), 신준수[URL]
  10. 안종묵, "인터넷 포털미디어의 저널리즘 특성에 관한 고찰: <네이버 뉴스>와 <야후 미디어>의 속보성, 상호작용성, 관련기사 서비스를 중심으로", 언론과학연구, 11(1), pp.187~218 (2011), 한국지역언론학회
  11. 안주영, "텍스트 마이닝을 이용한 감정 유발 요인 ‘Emotion Trigger’에 관한 연구", 한국지능정보시스템학회 학술대회 (2015), 부경대학교
  12. 유예림, "빅데이터 분석 기법을 활용한 2015 개정 교육과정 정책에 대한언론보도 분석", 박사, pp.2017
  13. 이수범, "국내 일간지의 트위터 이슈에 관한 보도 프레임 분석 : 정치적 소통과 여론 형성이라는 관점을 중심으로", 한국언론학보, 57(1), pp.28~53 (2013), 한국언론학회
  14. 이재경, "한국의 저널리즘과 사회갈등 - 갈등유발형 저널리즘을 극복하려면", 커뮤니케이션 이론, 4(2), pp.48~72 (2008), 한국언론학회
  15. 이준서, "우리가 몰랐던 ‘앵그리 화이트’", 관훈저널, 141, pp.44~49 (2016)
  16. 임미영, "박근혜에 대한 보도 프레임 분석: 조선일보와 한겨레를 중심으로", 언론과학연구, 10(3), pp.457~498 (2010), 한국지역언론학회
  17. 최믿음, "국내 신문의 ‘스캔들’ 보도 프레임 분석 : 실재의 사회적 구성 논의를 중심으로", 한국콘텐츠학회 논문지, 17(8), pp.98~109 (2017), 한국콘텐츠학회[DOI]
  18. "금 현물 지수" (2017), 한국거래소[URL]
  19. "KRX 100, 코스닥 지수, 코스피 고가 지수" (2017), 한국거래소[URL]
  20. 황인석, "트럼프노믹스와 한국 관광산업", 한국관광정책, 67, pp.58~62 (2017)
  21. Alanyali, M., "Quantifying the relationship between financial news and the stock market", Scientific reports, 3, pp.3578~ (2013)
  22. Alves, A. L. F., "A spatial and temporal sentiment analysis approach applied to Twitter microtexts", Journal of Information and Data Management, 6(2), pp.118~ (2016)
  23. Alvim, L., "Sentiment of financial news:a natural language processing approach", st Workshop on Natural Language Processing Tools Applied to Discourse Analysis in Psychology (2010)
  24. "Apache OpenNLP" (2017)[URL]
  25. Balahur, A., "Sentiment analysis in the news", arXiv preprint arXiv, 1309.6202, ~ (2013)
  26. Bjørkelund, E., "A study of opinion mining and visualization of hotel reviews", Proceedings of the 14th International Conference on Information Integration and Web-based Applications & Services, pp.229~238 (2012)
  27. Bollen, J., "Twitter mood predicts the stock market", Journal of computational science, 2(1), pp.1~8 (2011)
  28. Ding, X., "Deep Learning for Event-Driven Stock Prediction", Ijcai, pp.2327~2333 (2015)
  29. Eirinaki, M., "Feature-based opinion mining and ranking", Journal of Computer and System Sciences, 78(4), pp.1175~1184 (2012)
  30. Fama, E. F., "The behavior of stock-market prices", The journal of Business, 38(1), pp.34~105 (1965)
  31. Ferguson, P., "Exploring the use of paragraph-level annotations for sentiment analysis of financial blogs", Proceedings of WOMAS 2009-Workshop on Opinion Mining and Sentiment Analysis, pp.13~ (2009)
  32. "Donald Trump is elected president in stunning repudiation of the establishment" (2016)[URL]
  33. Gitlin, T., "The whole world is watching: Mass media in the making and unmaking of the new left" (2003), Univ of California Press
  34. Goffman, E., "Frame analysis: An essay on the organization of experience" (1974), Northeastern University Press
  35. Gruhl, D., "The predictive power of online chatter", Proceedings of the eleventh ACM SIGKDD international conference on Knowledge discovery in data mining, pp.78~87 (2005)
  36. Jerit, J., "Issue framing and engagement : Rhetorical strategy in public policy debates", Political Behavior, 30(1), pp.1~24 (2008)
  37. Judge, G. G., "Introduction to the Theory and Practice of Econometrics" (1982)
  38. Kellner, D., "Brexit Plus, Whitelash, and the Ascendency of Donald J. Trump", Cultural Politics, 13(2), pp.135~149 (2017)
  39. Kennedy, A., "Sentiment classification of movie reviews using contextual valence shifters", Computational intelligence, 22(2), pp.110~125 (2006)
  40. Koppel, M., "Computing attitude and affect in text: Theory and applications", pp.297~301 (2006)
  41. Liu, B., "Handbook of natural language processing, 2", pp.627~666 (2010)
  42. McLuhan, M., "The Medium is the Message" (1967), Penguin
  43. Medhat, W., "Sentiment analysis algorithms and applications : A survey", Ain Shams Engineering Journal, 5(4), pp.1093~1113 (2014)
  44. Mishne, G., "Capturing Global Mood Levels using Blog Posts", AAAI spring symposium: computational approaches to analyzing weblogs, pp.145~152 (2006)
  45. Narayanan, R., "Sentiment analysis of conditional sentences", Proceedings of the 2009 Conference on Empirical Methods in Natural Language Processing, 1(1), pp.180~189 (2009)
  46. Nardo, M., "Walking down wall street with a tablet : A survey of stock market predictions using the web", Journal of Economic Surveys, 30(2), pp.356~369 (2016)
  47. Nasukawa, T., "Sentiment analysis: Capturing favorability using natural language processing", Proceedings of the 2nd international conference on Knowledge capture, pp.70~77 (2003)
  48. Nelson, T. E., "Toward a psychology of framing effects", Political Behavior, 19(3), pp.221~246 (1997)
  49. Nguyen, T. H., "Sentiment analysis on social media for stock movement prediction", Expert Systems with Applications, 42(24), pp.9603~9611 (2015)
  50. Oh, C., "Investigating Predictive Power of Stock Micro Blog Sentiment in Forecasting Future Stock Price Directional Movement", ICIS (2011)
  51. Preis, T., "Quantifying the advantage of looking forward", Scientific reports, 2, pp.350~ (2012)
  52. Riaz, S., "Opinion mining on large scale data using sentiment analysis and k-means clustering", Cluster Computing, pp.1~16 (2017)
  53. Sadamitsu, K., "Sentiment Analysis Based on Probabilistic Models Using Inter-Sentence Information", LREC (2008)
  54. Salas-Zárate, M. P., "Feature-based opinion mining in financial news : an ontology-driven approach", Journal of Information Science, 43(4), pp.458~479 (2016)
  55. Schumaker, R., "Textual analysis of stock market prediction using financial news articles", AMCIS 2006 Proceedings, pp.1432~1440 (2006)
  56. Team, D. J. D., "Deeplearning4j: Open-source distributed deep learning for the JVM. Apache Software Foundation License 2", ~ (2016)
  57. Thung, F., "An empirical study of bugs in machine learning systems", ISSRE 2012: Proceedings of the 23rd IEEE International Symposium on Software Reliability Engineering, pp.271~280 (2012)
  58. Tomas, M., "Recurrent neural network based language model", Interspeech, 2, pp.3~ (2010)
  59. Tsytsarau, M., "Survey on mining subjective data on the web", Data Mining and Knowledge Discovery, 24(3), pp.478~514 (2012)
  60. Tumasjan, A., "Predicting elections with twitter: What 140 characters reveal about political sentiment", Icwsm 10, 1, pp.178~185 (2010)
  61. Van de Kauter, M., "Fine-grained analysis of explicit and implicit sentiment in financial news articles", Expert Systems with applications, 42(11), pp.4999~5010 (2015)
  62. "Opening Bell: Trump Victory Stuns Markets" (2017)[URL]

관련 논문AI추천

언론 보도 내용의 감성이 소비자들의 경제 심리에 미치는 영향에 대한 분석김영준지암남덕우경제연구원 · 시장경제연구2022 · 제51권 제1호BERT를 활용한 뉴스 감성분석과 거시경제지표 조합을 이용한 주가지수 예측이홍철, 장은아, 최회련한국컴퓨터정보학회 · 한국컴퓨터정보학회논문지2020 · 제25권 제5호뉴스 감성지수의 유용성: 소비심리지수 및 주택가격에 대한 영향-서울지역을 중심으로이현석한국금융공학회 · 金融工學硏究2025 · 제24권 제4호벡터자기회귀모형을 이용한 온라인 뉴스기사와 아파트 매매가격의 동태적 관계 연구: 비정형 빅데이터를 활용한 감성분석 기법의 적용박재수, 이재수한국감정평가학회 · 감정평가학논집2019 · 제18권 제2호Measuring News Sentiment of Korea Using Transformer서범석, 이영환, 조형배한국경제학회 · The Korean Economic Review2024 · 제40권 제1호거시경제 분석을 위한 텍스트 마이닝김수현, 박기영, 신진영, 이영준한국경제의 분석패널 · 한국경제의 분석2020 · 제26권 제1호

이 간행물의 다른 논문 (3건)

지역방송 수용자의 추구충족이 콘텐츠 이용정도, 획득 충족과 브랜드 인식에 미치는 영향 : 기대가치와 기대불일치 가설의 통합모델 적용김미경pp. 5-44한국 탐사보도 실천경험에 관한 뉴스 생산자 인식 연구남재일, 오대영pp. 45-91주요 일간지의 ‘최순실 게이트’ 사건 보도 고찰 : 미디어의 이념적 성향에 관한 미디어 사회학적 연구이동근pp. 92-128
원문 보기