반복적인 정보를 담은 뉴스에 대한 투자자 반응에 대한 연구

Abstract

본 연구는 한국 시장의 기업을 대상으로 비정형 데이터인 뉴스 데이터가 발생하였을 때 이 내용이 시장에 반영되는 과정에서 비효율이 발생하는지 확인하였다. 기존 연구는 비정형 데이터를 해석하기 위해 기업의 뉴스 발행시점과 인접한 주식 수익률 등을 참조하였다. 반면 본 논문에서는 머신러닝을 바탕으로 하는 자연어 처리기법을 통해 뉴스의 감성을 직접적으로 해석하여 사용했다. 이번 연구를 통해 한국 시장에서 뉴스 데이터 발생 시 뉴스의 감성에 따라 관련된 기업의 수익률이 양의 상관관계를 가짐을 보였다. 더 나아가 본 연구는 뉴스 데이터를 과거 유사한 뉴스가 있는지를 기준으로 첫 뉴스 발생 그룹과 중복뉴스 발생그룹으로 나누었다. 각 그룹에서 뉴스 발행에 따른 지연된 반응이 있는지를 확인하고, 추가적으로 과반응으로 인한 수익역행 현상이 발생하는지를 확인하였다. 지연된 반응은 첫 뉴스 그룹에서는 유의하게 나타났지만 반복 뉴스 그룹에서는 확인되지 않았다. 수익 역행 현상은 기존의 연구와는 다르게 유의미하게 보이지 않았다.| This study investigates whether inefficiencies occur in reflecting news data, which is unstructured data, in the Korean stock market. To interpret unstructured data, existing studies refer to stock returns that are close to the time of a company's news release. In contrast, this paper uses natural language processing techniques based on machine learning to interpret news sentiments directly. The results of this study show that when news data occurs in the Korean stock market, the returns of related companies are positively correlated with the sentiment of the news. Furthermore, this study divided the news data into two groups based on the presence of similar news in the past: the first news group and the duplicate news group. In each group, we checked whether there was a delayed reaction to the news release and whether there was a return reversal phenomenon due to overreaction. The delayed response was significant in the first news group, but not in the repeated news group. Unlike previous studies, we did not find any significant return reversal.