뉴스의 감성 정보가 주가 수익률에 미치는 영향: BERT와 FinBERT의 비교 분석, 장세훈 · 천세학

본 연구는 2020년부터 2023년까지의 CNN 뉴스 헤드라인을 활용하여 미국 증시에서 이른바 ‘Magnificent 7’으로 불리는 대표적 빅테크 7개 기업(테슬라, 애플, 구글, 아마존, 마이크로소프트, 메타, 엔비디아)의 뉴스 텍스트의 감성 및 보도량이 미국의 단기 종가 수익률과 어떠한 관련성을 갖는지 실증적으로 분석하였다. 분석을 위해 총 4,858개 관측치로 구성된 일별 기업 패널 데이터를 구축하였으며, 뉴스 발행시각(UTC)을 서머타임이 반영된 뉴욕 시간으로 변환한 뒤 장 전․장 중 뉴스는 당일, 장 후 뉴스는 익일 수익률과 매칭하여 정보 반영 시차를 통제하였다. 감성 측정에는 범용 언어모델 BERT와 금융 특화모델 FinBERT를 병행 적용하여 일-기업 단위의 보도량과 기사 수 가중 평균 감성을 산출하고, 시장수익률과 변동성 변화를 통제한 다중회귀분석을 수행하였다.

분석 결과, 뉴스 변수 중에서는 FinBERT 기반 평균 감성이 통합 표본에서 유의한 양(+)의 관련성을 보인 반면, BERT 기반 평균 감성은 통계적으로 유의하지 않았다. 보도량은 통제 변수를 포함한 모형에서 유의한 설명력을 보이지 않았으며, 기업별 분석에서는 아마존과 메타 등 일부 기업에서만 감성 효과가 유의하게 나타나 기업 간 이질성이 관찰되었다. 한편 통제변수인 시장수익률은 모든 모형에서 단기 수익률에 강한 양(+)의 유의한 관련성을 보여 단기 가격 변동이 개별 뉴스 요인보다 시장 공통요인에 의해 지배적으로 설명됨이 확인되었다. 본 연구는 동일 표본에서 범용 모델과 금융 특화 모델을 비교함으로써 금융 도메인 적합성이 감성지표의 실증적 유의성에 영향을 줄 수 있음을 보여주며, 뉴스 감성 정보의 시장 반응이 기업별 특성에 따라 차별적으로 나타날 수 있음을 시사한다.