본문 바로가기
KERD
논문KCI 등재

감성분석을 이용한 뉴스정보와 딥러닝 기반의 암호화폐 수익률 변동 예측을 위한 통합모형

An Integrated Model for Predicting Changes in Cryptocurrency Return Based on News Sentiment Analysis and Deep Learning

김은미
한국지식경영학회 (The Knowledge Management Society of Korea)|2021.06|지식경영연구 (Knowledge Management Research)|제22권 제2호|pp. 19-32|DOI 10.15813/kmr.2021.22.2.002

0

조회

0

다운로드

10

인용

0

참고문헌

키워드

암호화폐감성분석딥러닝Deep LearningCryptocurrencyLSTMSentiment Analysis통합모형Integrated Model
주제분류경영학

초록

암호화폐 중 대표적인 비트코인은 전 세계적으로 많은 관심을 받고 있으며 비트코인의 가격은 등·하락을 거듭하며 높은 변동성을 보이고 있다. 높은 변동성은 투자자들에게 위험 요인으로 작용하며 무분별한 투자로 인한 사회적 문제를 야기시킨다. 비트코인의 가격은 세계의 환경변화에 영향을 받으며 신속하게 반응하기 때문에 실시간으로 다양한 정보를 제공하는 뉴스 정보는 비트코인 가격의 변동성 예측에 유용한 정보를 제공한다. 즉, 긍정적인 뉴스는 투자심리를 자극할것이며 반대로 부정적인 뉴스는 투자심리를 위축시킬 것이다. 따라서 본 연구에서는 비트코인의 수익률 변동을 예측하기위해 뉴스의 감성정보와 딥러닝을 적용하였다. 로짓, 인공신경망, SVM, LSTM을 적용하여 단일 예측모형을 구축하였으며 예측성과를 향상시키기 위한 방법으로 통합모형을 제안하였다. 과거의 가격정보를 기반으로 구축한 예측모형과 뉴스의 감성정보를 반영한 예측모형의 성과를 비교한 결과 뉴스의 감성정보를 반영한 예측모형의 성과가 우수하게 나타났으며 통합모형의 성과가 가장 우수한 것으로 나타났다. 본 연구는 비트코인 수익률 변동에 대한 예측모형을 통해 무분별한투자를 예방하고 투자자들의 현명한 투자가 이루어질 수 있도록 유용한 정보를 제공할 수 있을 것이다.

Abstract

Bitcoin, a representative cryptocurrency, is receiving a lot of attention around the world, and the price of Bitcoin shows high volatility. High volatility is a risk factor for investors and causes social problems caused by reckless investment. Since the price of Bitcoin responds quickly to changes in the world environment, we propose to predict the price volatility of Bitcoin by utilizing news information that provides a variety of information in real-time. In other words, positive news stimulates investor sentiment and negative news weakens investor sentiment. Therefore, in this study, sentiment information of news and deep learning were applied to predict the change in Bitcoin yield. A single predictive model of logit, artificial neural network, SVM, and LSTM was built, and an integrated model was proposed as a method to improve predictive performance. As a result of comparing the performance of the prediction model built on the historical price information and the prediction model reflecting the sentiment information of the news, it was found that the integrated model based on the sentiment information of the news was the best. This study will be able to prevent reckless investment and provide useful information to investors to make wise investments through a predictive model.

참고문헌 (35)

  1. 강현모, "투자자의 손실회피 성향과 해석수준이 금융상품 태도에 미치는 영향", 지식경영연구, 18(1), pp.49~65 (2017), 한국지식경영학회[DOI]
  2. 김명종, "정량 추론과 정성 추론의 통합 메카니즘： 주가예측의 적용", 지식경영연구, 10(2), pp.35~48 (2009), 한국지식경영학회
  3. 송한진, "AI의 LSTM기법을 이용한 금융시계열 데이터 변동성 예측방법 연구", 한국지식정보기술학회 논문지, 14(6), pp.665~673 (2019), 한국지식정보기술학회[DOI]
  4. 신동하, "RNN과 LSTM을 이용한 주가 예측율 향상을 위한 딥러닝 모델", 한국정보기술학회논문지, 15(10), pp.9~16 (2017), 한국정보기술학회[DOI]
  5. 신택수, "인공신경망과 로짓모형을 통합한 부실확률맵기반 신용등급화에 관한 연구", 회계저널, 13(3), pp.1~26 (2004), 한국회계학회
  6. 양철원, "비트코인 가격의 결정요인: 한국시장에 대한 실증분석", 한국증권학회지, 48(4), pp.393~415 (2019), 한국증권학회[DOI]
  7. 이준식, "비트코인 가격 변화에 관한 실증분석: 소비자, 산업, 그리고 거시변수를 중심으로", 지능정보연구, 24(2), pp.195~220 (2018), 한국지능정보시스템학회[DOI]
  8. 임병진, "비트코인의 가격변화가 한국 국고채 시장에 미친 상호 영향에 관한 실증적 연구", e-비즈니스연구, 20(5), pp.143~154 (2019), 국제e-비즈니스학회[DOI]
  9. 최형규, "재무제표 주석의 텍스트 분석 통한 재무 비율 예측 연구", 지식경영연구, 21(2), pp.177~196 (2020), 한국지식경영학회
  10. 홍태호, "데이터마이닝을 이용한 세분화된 고객집단의 프로모션 고객반응 예측", Information Systems Review, 12(2), pp.75~88 (2010), 한국경영정보학회
  11. 홍태호, "사례기반추론을 이용한 다이렉트 마케팅의 고객반응예측모형의 통합", 정보시스템연구, 18(3), pp.375~399 (2009), 한국정보시스템학회
  12. Bakar, N. A., "Cryptocurrency Framework Diagnostics from Islamic Finance Perspective : A New Insight of Bitcoin System Transaction", International Journal of Management Science and Business Administration, 4(1), pp.19~28 (2017)
  13. Bollen, J., "Twitter mood predicts the stock market", Journal of Computational Science, 2(1), pp.1~8 (2011)
  14. Chen, Z., "Bitcoin price prediction using machine learning : An approach to sample dimension engineering", Journal of Computation and Applied Mathematics, 365, pp.112395~ (2020)
  15. Garg, S, "Autoregressive integrated moving average model based prediction of bitcoin close price", 2018 International Conference on Smart Systems and Inventive Technology (ICSSIT), pp.473~478 (2018)
  16. Hayes, A. S., "Bitcoin price and its marginal cost of production : support for a fundamental value", Applied Economics Letters, 26(7), pp.554~560 (2018)
  17. Hochreiter, S., "Long short-term memory", Neural computation, 9(8), pp.1735~1780 (1997)
  18. Jang, H., "An empirical study on modeling and prediction of Bitcoin prices with bayesian neural networks based on Blockchain information", IEEE Access, 6(1), pp.5427~5437 (2018)
  19. Ji, S., "A comparative study of Bitcoin price prediction using deep learning", Mathematics, 7(10), pp.898~ (2019)
  20. 전주용, "비트코인의 이해: 금융경제학적 관점에서", Korea Business Review, 18(4), pp.211~239 (2014), 한국경영학회
  21. Kristoufek, L., "What are the main drivers of the Bitcoin price? Evidence from wavelet coherence analysis", PLoS ONE, 10(4), pp.1~15 (2015)
  22. Lamothe-Fernández, P., "Deep Learning Methods for Modeling Bitcoin Price", Mathematics, 8(8), pp.1245~ (2020)
  23. Liu, B., "Handbook of Natural Language Processing" (2010)
  24. Mallqui, D. C., "Predicting the direction, maximum, minimum and closing prices of daily Bitcoin exchange rate using machine learning techniques", Applied Soft Computing, 75(1), pp.596~606 (2019)
  25. McNally, S., "Predicting the price of bitcoin using machine learning", 201826th Euromicro International Conference on Parallel, Distributed and Network-based Processing, IEEE, pp.339~343 (2018)
  26. Mittal, A., "Short-term bitcoin price fluctuation prediction using social media and web search data", 2019 Twelfth International Conference on Contemporary Computing (IC3). IEEE, pp.1~6 (2019)
  27. "A peer-to-peer electronic cash system" (2008)[URL]
  28. Patel, M. M., "A deep learning-based cryptocurrency price prediction scheme for financial institutions", Journal of Information Security and Applications, 55, pp.102583~ (2020)
  29. Roy, S., "Bitcoin price forecasting using time series analysis", 201821st International Conference of Computer and Information Technology (ICCIT). IEEE, pp.1~5 (2018)
  30. Schumaker, R. P., "A quantitative stock prediction system based on financial news", Information Processing & Management, 45(5), pp.571~583 (2009)
  31. 신동희, "국내 소비자들의 비트코인 사용 의도에 영향을 미치는 요인 연구", 한국콘텐츠학회 논문지, 16(1), pp.24~41 (2016), 한국콘텐츠학회[DOI]
  32. Thies, S., "Bayesian change point analysis of Bitcoin returns", Finance Research Letters, 27, pp.223~227 (2018)
  33. Versace, M., "Predicting the exchange traded fund DIA with a combination of genetic algorithm and neural networks", Expert Systems with Applications, 27(3), pp.417~425 (2004)
  34. Wirawan, I. M., "Short term prediction on bitcoin price using arima method", 2019 International Seminar on Application for Technology of Information and Communication (iSemantic). IEEE, pp.260~265 (2019)

관련 논문AI추천

딥러닝 기반 비트코인 가격 예측 모델링: 투자자 합리성과 위험 관리 중점의 분석김태욱, 손정우한국컴퓨터정보학회 · 한국컴퓨터정보학회논문지2025 · 제30권 제9호COVID-19 국면의 암호화폐 가격 예측: 네이버트렌드와 딥러닝의 융합 연구김선웅중소기업융합학회 · 융합정보논문지2022 · 제12권 제3호뉴스 감성 분석을 이용한 딥러닝 기반 주가 예측에 대한 연구강두원, 유소엽, 이하영, 정옥란한국컴퓨터정보학회 · 한국컴퓨터정보학회논문지2022 · 제27권 제8호딥러닝을 이용한 비트코인 투자전략의 성과 분석김선웅한국융합학회 · 한국융합학회논문지2021 · 제12권 제4호텍스트 마이닝과 딥러닝을 활용한 암호화폐 가격 예측 : 한국과 미국시장 비교원종관, 홍태호한국지식경영학회 · 지식경영연구2021 · 제22권 제2호뉴스 감성 앙상블 학습을 통한 주가 예측기의 성능 향상김하은, 박영욱, 유시은, 유준혁, 정성우대한임베디드공학회 · 대한임베디드공학회논문지2022 · 제17권 제1호

이 간행물의 다른 논문 (14건)

텍스트 마이닝과 딥러닝을 활용한 암호화폐 가격 예측 : 한국과 미국시장 비교홍태호, 원종관pp. 1-17모바일 헬스 앱 사용의도 동기요인: 조절초점성향과 프라이버시계산이론을 중심으로소현정, 곽기영pp. 33-53국내 프롭테크 기업의 발전방향에 대한 연구: 부동산 플랫폼 정보제공 기능을 중심으로오경주, 안재준, 이정윤pp. 55-76기업의 기술융합 성과수준이 경영성과에 끼치는 영향김영준, 장진찬pp. 77-93누구에게? 어떤 선물을? : 선물 선택 시 심리적 거리를 중심으로강현모, 이효원pp. 95-117
원문 보기