Big Data Text Mining-Based Stock Prediction System
Abstract
본 연구는 다국어 금융 텍스트(한국어 뉴스 및 영어 포럼)를 정량화된 거래 신호로 변환하는 엔드-투-엔드 시스템을 제안한다. 금융 도메인 특화 언어 모델인 FinBERT와 KR-FinBERT를 활용하여 문장 단위 감성 분석을 수행하고, 이를 일간 감성 지수로 집계한다. 핵심 혁신은 감성 지수의 5일 EWMA가 60일 롤링 표준편차(±1σ)의 동적 밴드를 교차할 때 거래 신호를 발생시키는 적응형 변동성 임계값 메커니즘이다. 이는 시장 변동성에 따라 민감도를 자동 조절하여 전략의 강건성을 확보한다. 2020년 1월부터 2025년 6월까지 KOSPI 주식과 Apple을 대상으로 현실적인 거래 비용(편도 0.1%)과 실행 지연을 반영한 엄격한 백테스트 결과, 액티브 전략은 수동적 벤치마크 대비 우수한 성과를 보였다. 특히 Apple과 기아는 각각 샤프 비율 1.42, 1.13을 기록했으며, 이벤트 연구 및 민감도 분석을 통해 본 전략의 통계적·경제적 유의성을 확인하였다.
Fields of Study & Subjects
Stock Market Forecasting Methods
Financial Markets and Investment Strategies
Sentiment Analysis and Opinion Mining
Publication details
- Journal / source
- Journal of the Korea Society of Computer and Information
- Volume
- 31
- Issue
- 1
- Pages
- 51–58
- Publication date
- 31 January 2026
- Language
- EN