감성분석 기반 통화정책 기조와 딥러닝 시계열 모형을 이용한 국채 수익률 예측 (Forecasting Government Bond Yields Using Sentiment Analysis-based Monetary Policy Stance and Deep Learning Time Series Model)

서지정보

· 발행기관 : 한국지능정보시스템학회
· 수록지 정보 : 지능정보연구 / 30권 / 3호 / 61 ~ 80페이지
· 저자명 : 주민근, 김영준

초록

최근 각종 거시경제지표나 금융시장에서 확보가능한 시장자료 및 기술적 지표 등의 자료 외에 경제분석 또는 전망에 주요인사 연설 및 관련기사 등 텍스트 자료를 활용하고자 하는 시도와 연구가 이어지고 있다. 또한, 2008년 리먼브러더스 가 파산하여 촉발된 글로벌 금융위기 이후, 글로벌 중앙은행 통화정책 커뮤니케이션이 자본시장에 미치는 영향은 더욱 커 져왔다. 따라서 본 연구에서는 Lee et al. (2019) 방법론을 이용하여 한국은행 총재 기자간담회의 총재 모두 발언과 기자 질의응답에서 감성분석 기반 통화정책기조를 추출한 후 7개의 딥러닝 시계열 모형을 이용해 향후 30일간의 3년, 10년 국 채 금리를 예측하였다. 2008년부터 2024년까지 16년간 175번의 한국은행 총재기자간담회를 분석의 대상으로 하였으며, 스크립트가 제공되지 않는 2016년 이전 105번의 기자간담회는 음성인식 기술을 활용하여 텍스트화 하였다. 일간 발표되는 금리 등 시장데이터 의 충분한 활용을 위해 일간 데이터화하여 분석했다. 총 5,898일의 일간데이터 중 80%를 모형 학습에 사용하였고, 20%를 테스트에 사용하였다. 금리 예측에 통화정책기조 사용 효과를 살펴보기 위하여 통화정책기조를 입력 데이터로 사용한 경 우와 사용하지 않은 경우로 나누어 분석을 하였으며, 통화정책기조를 사용한 경우 금리 예측력이 개선되는 것으로 나타났 다. 통화정책기조를 사용하여 분석할 경우 국채10년물 수익률의 예측성능이 3년물 대비 상대적으로 우수했고, 모형별로는 TFT와 N-Hits모형의 예측 성능이 우수했다. 최근 다양한 텍스트, 보이스, 이미지 분석기술과 딥러닝 기반 시계열 분석기술이 발전해감에 따라 본 연구에서 수행한 바와 같이 멀티미디어 자료와 함께 기존 금융시장, 거시경제 자료들과 결합하여 금융경제변수 예측하는 연구들이 보다 증 가할 것으로 기대된다. 또한 본 연구는 통화정책이 금융시장에 미치는 영향이 확대된 현 상황에서 실제 자산운용이나 로 보어드바이저 등에 활용될 수 있는 실무적 관점의 의의도 있다고 판단된다.

영어초록

Recently, attempts and research are increasing to utilize text data such as speeches of Chairman of the FED and related articles, in addition to use various macroeconomic indicators, market data and technical indicators, for economic analysis or forecasts. In addition, since the global financial crisis, the impact of central banks’ monetary policy communication on the capital market has grown. Therefore, this study used the methodology of Lee et al. (2019) to extract the monetary policy stance based on monetary policy sentiment analysis of the comments of Governor of the BOK and Q&A at Governor’s press conference and used deep learning models to predict government bond yields in the next 30 days. To examine the effect of using the monetary policy stance in interest rate forecasting, the analysis was divided into cases where the monetary policy stance was used in the analysis and not used. The forecasting power was improved when the monetary policy stance was used. When using the monetary policy stance, the prediction performance of the 10-year government bond yield was better than 3-year, and by model, the TFT and N-Hits models was better than other 5 models. Recently, as text, voice, and image analysis technologies and deep learning-based time series analysis technologies have developed, studies predicting financial variables by combining multimedia data with financial market and macroeconomic data, are expected to increase further. Moreover, this study could be meaningful from a practical perspective as it can be used for asset managers or robo-advisors in real world.

참고자료

· 없음