Fin-BERT 모델 기반 감성 점수 활용 주가 예측

• 영문명: Stock Price Prediction utilizing Sentiment Scores Based on Fin-BERT Models
• 발행기관: 한국자료분석학회
• 저자명: 김영민(Young Min Kim) 강창완(Changwan Kang) 최용석(Yong-Seok Choi)
• 간행물 정보: 『Journal of The Korean Data Analysis Society (JKDAS)』Vol.27 No.1, 31~43쪽, 전체 13쪽
• 주제분류: 자연과학 > 통계학
• 파일형태: PDF
• 발행일자: 2025.02.28

국문 초록

경제 및 기술의 발전으로 인해 많은 사람이 주식에 대한 관심이 높아졌다. 이러한 관심을 발전된 머신러닝과 딥러닝 모형에 적용하여 많은 주가 예측 모델이 개발되었다. 최근의 연구는 주식에 대한 문자정보를 반영한 예측모형이 등장하였고 그 중 대부분의 연구는 뉴스 데이터를 이용하여 주가 예측 모델을 만들었다. 그러나 뉴스 데이터는 중립적인 경향이 너무 강해서 정확한 감성 분류가 어렵다고 판단되어 본 연구에서는 남녀노소 자유롭게 의견을 작성할 수 있는 커뮤니티 데이터인 네이버 종목토론실 데이터를 이용하여 주가 예측 모델을 만들고자 한다. 금융 도메인 데이터를 더 정확하게 감성 분류하기 위해 한국어 금융 데이터를 학습시킨 KR-FinBERT를 이용해서 감성 분류를 진행하였다. 주가는 최근 데이터에 영향을 가장 많이 받기 때문에 가중이동평균을 가중치로 이용하여 최종 감성 점수를 만들었다. 네이버 종목토론실 데이터로 만든 감성 점수가 주가 예측에 영향을 미치는지 확인하기 위해 Random Forest, XGBoost, LSTM 세 가지 분석 방법론을 이용하여 감성 점수가 있는 데이터로 만든 모델과 감성 점수가 없는 데이터로 만든 모델을 비교하였다. 모델 비교를 위해 사용된 평가 지표는 RMSE와 MAE가 사용되었다. 분석 결과 세 가지 분석 방법을 이용한 모델 비교에서 감성 점수가 있는 데이터의 평가 지표가 더 좋게 나와 감성 점수가 주가 예측에 영향을 미치는 것을 확인할 수 있었다

영문 초록

Economic and technological advancements have led to a growing interest in stocks for many people. Investors want to make profits, which has led to the creation of many stock price prediction models using machine learning and deep learning models. Most studies have used news data to create stock price prediction models, but news data tends to be too neutral to accurately classify sentiment. In this study, we aim to create a stock price prediction model using NAVER Stock Discussion Room data, a community data where people of all ages can freely write opinions. In order to more accurately classify sentiment in the financial domain, we used KR-FinBERT, which is trained on Korean financial data, to perform sentiment classification. Since stock prices are most affected by recent data, we used a weighted moving average as a weight to create the final sentiment score. To check whether the sentiment scores generated from the NAVER stock discussion board data have an impact on stock price prediction, we compared the models generated from the data with sentiment scores to the models generated from the data without sentiment scores using three different analysis methodologies. Random Forest, XGBoost, and LSTM. The evaluation metrics used to compare the models were RMSE and MAE. The results of the analysis showed that the evaluation metrics of the data with sentiment scores were better in the model comparison using the three analysis methods, confirming that sentiment scores have an impact on stock price prediction.

목차

1. 서론

2. 데이터 설명 및 Fin-BERT 모델

3. 예측 모델 설계

4. 결론

References

키워드

감성점수 Sentiment score Fin-BERT Random Forest XGBoost LSTM