Earticle

초록

영어

This study proposes a multimodal deep learning stock-selection model that predicts the next-day relative returns of KOSPI 200 stocks using overnight foreign information and sector-specific news sentiment. Sector sentiment derived from over 200,000 BigKinds articles via KR-FinBERT is combined with U.S. market and market-regime signals, and validated through Walk-Forward backtesting that removes survivorship bias and data leakage. The Transformer model achieves a cumulative return of 163.9% over 2021-2025, outperforming the KOSPI 200 index (55.7%) by 108.2 percentage points with consistent downside protection, and an ablation study identifies sector-specific news sentiment as the key signal. A remaining limitation is the reliance on news headlines and sector-level sentiment, leaving stock-level sentiment and full-text analysis for future work.

한국어

본 연구는 한국 주식시장 폐장 후 형성되는 야간 해외 정보와 업종별 뉴스 감성을 활용하여 KOSPI 200 종목의 익일 상대 수익률을 예측하는 멀티모달 딥러닝 종목 선택 모델을 제안한다. BigKinds 뉴스 20만여 건을 KR-FinBERT로 분석한 업종별 감성에 미국 시장·시장 국면 정보를 결합하고, 생존 편향과 데이터 누수를 제거한 Walk-Forward 백테스팅으로 검증하였다. 실험 결과 Transformer 모델이 2021~2025년 누적 수익률 163.9%를 달성하여 KOSPI 200(55.7%) 대비 108.2%p의 초과 수익과 하락장 손실 방어 효과를 보였으며, Ablation Study를 통해 업종별 뉴스감성이 핵심 신호임을 확인하였다. 다만 본 모델은 뉴스 제목과 업종 단위 감성에 기반하므로, 종목 단위 감성 및 뉴스 본문 분석으로의 확장이 향후 과제로 남는다.

목차

요약
Abstract
1. 서론
2. 관련 연구
2.1 딥러닝 기반 주가 예측
2.2 뉴스 감성 분석과 주식시장
2.3 Cross-Sectional 수익률 예측
2.4 미국-한국 시장 정보 전이
3. 연구 방법
3.1 데이터 수집 및 전처리
3.2 Cross-Sectional 라벨링
3.3 모델 구조
3.4 Walk-Forward Validation
4. 실험 결과
4.1 실험 환경
4.2 모델별 성능 비교
4.3 시장 국면별 모델 특성 분석
4.4 Ablation Study
4.5 투자 타이밍 분석
5. 결론
REFERENCES

키워드

저자

• 노신비 [ Shin-Bee Rho | 국립부경대학교 데이터공학과 학생 ]
• 김태국 [ Tae-Kook Kim | 국립부경대학교 컴퓨터·인공지능공학부 교수 ] Corresponding Author

참고문헌

발행기관

간행물

표지보기 관심저널 등록

• 간행물명

  미래기술융합논문지

• 간기

  격월간

• eISSN

  2951-2468

• 수록기간

  2022~2026

• 등재여부

  KCI 등재후보

• 십진분류

  KDC 530 DDC 620