-
프로젝트 주제 및 목적
실물 경제에 빠르게 대응하는 경제 유튜버의 동영상 스크립트를 통해 지표를 추출하여 미래 주가 향방 예측이 가능한지 확인하고자 하였다. -
데이터전처리
크롤링한 스크립트 데이터의 불용어를 제거하고, KR-FinBert를 통해 긍정어와 중립어로부터 각 채널별 감성지수를 도출하였다. -
분석 방법 및 결과
1. 감성지수와 코스닥 지수 간 상관성 분석 한경 글로벌 마켓 및 삼프로TV의 경우 유의미, 하지만 부읽남의 상관성은 -0.07로 상당히 저조. 2. 시계열분석 결과 Arima 모형 및 PatchTST 모형을 통한 분석 - Arima 모형 : 성능 저조 - PatchTST 모형 * 단변량 : F1 Score 0.71, Accuracy 0.68 * 각각의 채널을 통한 분석 : 단변량의 경우보다 성능 저조 * 모든 채널을 사용한 경우 : F1 Score 0.71, Accuracy 0.68 * 한경/삼프로 채널만 사용 : F1 Score 0.74, Accuracy 0.8 -
결론
PatchTST 모형은 단변량으로 사용한 경우도 어느정도 유효함. 모든 채널을 사용한 경우보다 이전에 상관성이 높은 것으로 나타난 한경 글로벌 마켓 및 삼프로TV를 사용하여 예측을 시도한 경우 유의미하게 성능 지표가 향상된 것을 확인. 코스닥에 존재하는 유튜버의 영향력을 간접적으로 확인. 주간 또는 월간 지수 향방 예측 가능성 모색. 실제 투자 결과, 수익 성공. -
아쉬운 점
1. 부족한 데이터. 더 많은 채널을 고려할 수도 있음. 2. 스크립트 처리의 한계 : 유튜버 특성상 경제와 무관한 대화가 지나차게 많은 경우도 있음. 3. 개별 주가 예측에는 실패.
| 이름 | 활동 내용 |
|---|---|
| 정주영 | - (팀장) 전체 일정 관리 및 회의 진행 - PatchTST모형 실행 - 문제 해결 아이디어 제공 |
| 권수현 | - 크롤링 코드 작성 - 상관관계 분석 - 데이터 전처리 - NLP모델 활용 - NLP모델 문제 해결 |
| 박성원 | - 크롤링 실행 - 상관관계 분석 - 데이터전처리 - NLP모델 활용 |
| 서연우 | - PatchTST모형 이론적 배경 제공 - 각 파이프라인 간 유기적 연결 - 토의 진행 - 발표자료 작성 및 발표 |
| 연제명 | - 주제 및 진행방향 제시 - 상관관계 분석 - 데이터 전처리, NLP모델 제시 |
├─Dataset
│ 3pro_sent.csv
│ kosdaq_data.csv
│ talent_sent.csv
│ 부읽남_최종.csv
│ 한경글로벌마켓_최종.csv
│
├─SourceCode
│ ├─NLP_Preprocessing
│ │ 3pro.py
│ │ data_preprocessing.py
│ │ talent_data_preprocessing.py
│ │
│ ├─Correlation
│ │ 부읽남.py
│ │ 삼프로.py
│ │ 한경.py
│ │
│ └─Timeseries_Forecasting
│ │ Arima.py
│ │ PatchTST.py
│ │ Arima&PatchTST_h_50.py
│ │
├─ 유감TV_KOSDAQ.pdf
└── README.md