BERT를 활용한 뉴스 기사 감성분석과 블랙-리터만 모형을 결합한 자산 배분 전략 제안

Abstract

본 연구에서는 투자자의 주관적인 판단을 최소화하기 위해 뉴스 기사에 내포된 감성정보를 딥러닝 모형을 활용하여 추출한 후, 이를 블랙-리터만 모형에 적용하는 객관적인 자산 배분 전략을 제시한다. 연구 결과, 뉴스 기사로부터 추출한 감성을 자산별 기대수익에 대한 전망에 활용하여 포트폴리오를 구성하는 경우 시장 포트폴리오, 동일비중 포트폴리오, 평균분산 포트폴리오보다 수익성이 개선된 것을 확인하였다. 특히 감성이 긍정도 부정도 아닌 중립인 기사를 제외할 경우 수익성이 더욱 개선된다는 점을 보였으며, 통합된 감성정보의 극성을 반영하여 포트폴리오를 구성할 경우 강도를 반영하는 경우보다 자산 배분의 수익성이 개선되는 것을 확인하였다. 본 연구는 자산 배분 전략을 구성할 때 기대수익에 대한 투자자의 주관적인 판단을 활용함에 따라 발생할 수 있는 한계를 극복하는 방안으로서 대중에게 공개된 뉴스 기사의 객관적인 정보를 적용하는 자산 배분 전략 구성 방법을 제안하고, 그 활용 가능성과 우수성을 확인하였다는 측면에서 의의를 가진다.

This study introduces an asset allocation strategy that utilize sentiment analysis from news articles through a deep learning model. The derived sentiments are then integrated into the Black-Litterman model, offering a systematic approach to mitigate the inherent subjectivity in investor decisions. Empirical findings from this study reveal the superiority of this proposed approach compared with conventional benchmark portfolios such as market, equal-weighted, and mean-variance portfolios. In particular, the exclusion of articles generating neutral sentiment (neither positive nor negative) further enhances the profitability of the portfolio. In addition, the study shows that constructing portfolios based on the polarity of sentiment, rather than considering its positive or negative intensity , improves profitability. The significance of this study lies in its introduction of a novel framework for constructing asset allocation strategies. By utilizing objective information from publicly available news articles, it effectively circumvents the limitations tied to subjective investor judgment in predicting expected returns. The demonstrated feasibility and superiority of this data-driven approach in asset allocation strategies underscore its potential to revolutionize current practices.