본문 바로가기 주메뉴 바로가기
22대 대한민국 국회 국회정보길라잡이 국회의원검색
회원가입 로그인
HOME

정보검색

소장정보 검색

국회도서관 홈으로 정보검색 소장정보 검색

결과 내 검색

동의어 포함

고급검색

인명/단체명

저자정보 상세정보
인명/단체명을 입력하세요.

키워드

  • 대표어

  • 외국어

-

목차보기

표제지 1

목차 4

논문개요 8

Ⅰ. 서론 9

A. 연구의 목적 9

Ⅱ. 선행연구 분석 11

A. 감성분석 11

Ⅲ. 데이터 소개 14

A. 비정형 데이터 14

B. 정형 데이터 17

1. 변동성지수 VKOSPI 17

2. 위험기피도 추정치 18

Ⅳ. 감성분석 및 지수 작성 22

A. 텍스트 임베딩(Text Embedding) 22

1. 머신러닝 적용을 위한 전처리(preprocessing) 과정 22

2. 텍스트 임베딩(Text Embedding) 23

B, 감성분류모델 (Classifier) 구축 및 지수 작성 25

Ⅴ. 연구 결과 및 해석 30

A. 지수의 타당성 확인 30

Ⅵ. 결론 및 논의 33

참고문헌 35

ABSTRACT 36

표목차 6

[표 1] 샌프란시스코 연준의 감성사전 예시 12

[표 2] 더미변수를 활용한 임베딩 24

[표 3] TF-IDF 방식을 활용한 임베딩 25

[표 4] 머신러닝 알고리즘 별 성능 비교 27

[표 5] 로지스틱 회귀분석 혼동행렬 28

[표 6] 금융감성지수 통계량 29

[표 7] 금융감성지수 예상 움직임 30

그림목차 7

[그림 1] 네이버 금융 시황전망 15

[그림 2] 월별 수집 문장 개수 16

[그림 3] KOSPI와 VKOSPI의 추이 17

[그림 4] VKOSPI와 Uncertainty의 추이 20

[그림 5] Uncertainty와 Risk Aversion 추이 21

[그림 6] 금융감성지수 추이 29

초록보기

 본 연구는 머신러닝의 다양한 기법들을 이용하여 뉴스기사의 논조를 분석한 뒤 그것을 바탕으로 금융감성지수를 구축 및 실증 분석하였다. 비정형 데이터에 해당하는 뉴스의 텍스트 데이터를 통해 금융시장 전반에 걸쳐 시장 참여자들이 느끼는 분위기를 파악하고자 하였다. 특히 로지스틱 회귀분석을 이용하여 논조를 분석하는 것을 통해 뉴스 기사에 반영된 심리를 분석하고자 하였다. 변동성지수에 해당하는 VKOSPI와 더불어 Bekaert et al. (2013)의 방식으로 추정한 위험 기피도 (risk aversion) 추정치, 그리고 한국은행이 발행하고 있는 뉴스심리지수(NSI)를 활용하여 작성한 지수를 검증하였다. 그 결과 금융감성지수와 VKOSPI, 위험 기피도를 회귀분석한 결과 뚜렷한 음의 상관관계를, 뉴스심리지수와는 뚜렷한 양의 상관관계를 확인할 수 있었다.

추천서가 (다양한 추천 자료를 만나보세요)

권호기사보기

권호기사 목록 테이블로 기사명, 저자명, 페이지, 원문, 기사목차 순으로 되어있습니다.
기사명 저자명 페이지 원문 기사목차

권호

기사명 원문보기 기사목차
닫기