빅테이터에 나타난 감성 분석

Abstract

본 연구는 2011년 1월 1일부터 2013년 1월 4일까지 빅데이터(Big-data)에 나타난 9가지 감성(Sentiment)들의 특징을 자세히 살펴 보았다. 기존에는 감성들의 추출에 대한 어려움으로 인해 감성들이 실제 주식 시장에 끼칠 수 있는 영향력이 등한시 되어 있는 실정이다. 본 연구에서는 Daum-soft에서 제공 받은 감성 자료를 대상으로 자기상관 분석, 주성분 분석, VAR 추정을 실시 하여 감성이 가지고 있는 특징을 실증 분석한다. 그 결과 감성들은 일정한 패턴을 가지고 있음을 확인 할 수 있었다. 즉, 자기상관 분석 결과 감성들의 자기회귀성과 주기를 확인 할 수 있었으며 주성분 분석 결과 9가지 감성들이 긍정성, 부정성으로 묶일 수 있음을 보였다. 마지막으로 VAR분석을 통해 음의 자기회귀 계수를 가짐을 알 수 있었으며 상호 다양한 시차에서 영향을 주고 받음을 확인 할 수 있었다. 이는 빅데이터(Big-data)에 나타난 주가 정보를 담고 있는 감성들은 무작위적인 정보의 나열이 아니라 주식시장과 흐름을 같이 하고 있으며 과거값을 통해 예측이 가능함을 시사하고 있다.We study thoroughly looked into nine different sentiments found in approximately 190 million pieces of Big-data gained from January 1 in 2011 to January 4 in 2013. In the past, it was not easy to extract the sentiments and because of that, until now, any influences that the sentiments could actually have on the stock market have been neglecting. In the study, with the sentiment references provided by Daum-soft, features of the sentiments were examined by autocorrelation analysis, principle component analysis and VAR. According to the results, we find that the sentiments were observed to have some regular patterns. In other words, the findings from the autocorrelation analysis proved autocorrelation and period of the sentiments while the results from the principle component analysis reported that the nine sentiments could be connected with positivity and negativity. Lastly, via VAR, the sentiments appeared to have negative autoregressive parameters as they would be affected by each other at various lag-times. Those results from the analyses are indicating that the sentiments with stock information appearing on Big-data would go with changes in the stock market as they can be possibly estimated based on values from the past. When we apply the availability of Bid-data to the financial market, if we could make a good use of autocorrelation of either the financial market-related information or the sentiments, the findings in this study will be a huge contribution to researches on the financial market variables as stock price and volatility as well as actual business performances in the market.