기계학습 기법에 기반한 가치투자를 위한 투자시점 추천 및 뉴스텍스트 분석

Abstract

기본적 분석방법(Fundamental Analysis)과 기술적 분석방법(Technical Analysis)은 주식 투자를 통해 시장 평균 수익(Average Market Returns)을 초과하는 수익률을 얻으려는 방법으로 오랫동안 연구돼왔고, 근래 데이터 마이닝(Data Mining) 및 기계학습(Machine Learn-ing) 기법이 발달하면서 지지 벡터 머신(Support Vector Machine), 인공 신경망(Artificial Neu-ral Network), 유전 알고리즘(Genetic Algorithm) 등 다양한 기법들을 사용한 연구가 이루어져 왔다. 하지만 많은 연구가 단기 주가의 움직임을 예측하거나 시장지수(Market Index)를 예측하는 것에 무게를 두었지만, 체계적으로 이익을 얻는 방법을 연구로 공개하려고 하지 않는 경향 때문에 장기적으로 안정적인 이익을 얻는 방법에 대한 연구는 미진한 편이었다. 과거 주가를 사용해 미래 단기 주가의 방향을 예측하려는 기술적 분석 방법과는 달리, 장기적이고 안정적인 투자에 관한 연구는 전통적으로 기본적 분석방법의 연구주제였고 이는 경제구조, 산업구조, 회사의 내재가치 분석을 통해 특정 기업의 적정 미래 주가를 산출하는 방법이다. 기본적 분석에서는 기업의 내재가치 분석을 바탕으로 우량 포트폴리오(Portfolio)를 구성해 매수한 후 기다리는 매수-대기 전략(Buy and Hold Strategy)을 사용하는데 투자자마다 투자 성향, 투자 방법, 금액 등이 다르기 때문에 좋은 투자 시점을 선택하는 방법에 대한 연구는 주된 연구 주제가 되지 못했다. 따라서 본 연구에서는 먼저, 기본적 분석 방법의 연장 선상에서 장기적으로 안정적인 가치투자(Value Investment)를 위해 선정된 우량 포트폴리오에 적정 투자 시점을 선택하는 방법을 결합해 최종적으로 투자 종목을 선택하는 가치투자 종목 추천 프레임워크(Value In-vestment Portfolio Recommendation Framework)를 제시하고자 한다. 두 번째로 이 프레임워크를 통해 추천된 사례를 주가순자산비율(Price to Book Ratio, PBR)의 이동평균선과 증권 뉴스 텍스트를 통해 분석하여 우량 포트폴리오에 적정 투자 시점을 선택하는 방법을 결합하는 방법이 유의미함을 제시하고자 한다. 본 연구에서는 2001년 7월부터 2014년 6월까지 KOSPI 상장 300여 개 회사의 월 단위 재무정보 및 주가 정보를 사용하였고 인공신경망 예측 모델을 통해 적정 투자 시점을 판단하였다. 그 결과 1년 후 주가 예측 시 8년간 평균 약 76%, 2년 후 예측 시 7년간 평균 약 71%의 예측 정밀도를 얻을 수 있었다. 또한, 인공신경망의 해석을 위해 인공신경망에서 부적정 투자 시점으로 예측한 사례들을 재무정보의 시계열 지수이동평균 템플릿과 증권 뉴스 텍스트 분석을 통해 제시하였고, 그 결과 주가순자산비율 및 주가순이익비율의 두 재무정보가 적정 투자 시점 판단을 위해 유의미함을 제시할 수 있었다.