LLM 기반 뉴스 제목 감성 분석을 통한 투자 포트폴리오 구성
LLM-based News Title Sentiment Analysis for Investment Portfolio Construction
0
조회
0
다운로드
0
인용
0
참고문헌
키워드
초록
본 연구는 대규모 언어 모델(LLM)을 활용한 금융 뉴스 제목의 감성 분석을 통해, 한국 증권 시장에서의투자 전략 수립 가능성과 그 실효성을 검증하였다. 분석에는 판별형 모델(KcBERT, KRFinBERT)과 생성형모델(Llama 3.1, Mistral, Gemma 2)을 활용하였으며, CoT, SuperICL, Bootstrapping 등 다양한 프롬프팅기법을 적용하였다. 실증 분석 결과, Long 전략은 제한적인 성과를 보였으나, KRFinBERT 기반의 부정 감성 분석에 기반한 Short 전략은 76.20%의 누적 수익률과 0.9998의 샤프 비율을 기록하며 우수한 성과를나타냈다. 또한 생성형 LLM의 설명 가능성을 검토하고, 향후 투자 전략 설계 시 고려해야 할 데이터 확장 및 유의사항을 제언하였다. 본 연구는 LLM 기반 감성 분석이 투자 전략 수립에 실질적으로 기여할수 있음을 실증적으로 제시한다.
Abstract
This study investigates the effectiveness of utilizing large language models (LLMs) for sentiment analysis of financial news headlines in formulating investment strategies in the Korean stock market. Discriminative models (KcBERT, KRFinBERT) and generative models (Llama 3.1, Mistral, Gemma 2) were employed, incorporating various prompting techniques such as Chain-of-Thought(CoT), SuperICL, and Bootstrapping. Empirical results show that while the long strategies yielded limited performance, a Short strategy based on negative sentiment detected by KRFinBERT achieved a cumulative return of 76.20% and a Sharpe ratio of 0.9998, demonstrating strong performance. Furthermore, the explainability of generative LLMs was examined, and considerations for data expansion and cautionary factors were proposed for future strategy development. The findings suggest that LLM-based sentiment analysis can serve as a practical foundation for developing effective investment strategies.