💰 quantitative finance

Potential of ChatGPT in predicting stock market trends based on Twitter Sentiment Analysis

이 연구는 ChatGPT가 트위터 감성을 분석함으로써 마이크로소프트와 구글의 단기 주식 시장 추세를 효과적으로 예측할 수 있음을 입증하며, ChatGPT의 평가와 그에 따른 주가 성과 사이에 양의 상관관계가 있음을 밝혀냈다.

원저자: Ummara Mumtaz, Summaya Mumtaz

게시일 2026-08-19

📖 3 분 읽기☕ 가벼운 읽기

CC BY 4.0

원저자: Ummara Mumtaz, Summaya Mumtaz

원본 논문은 CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) 라이선스로 제공됩니다. ✨ 이것은 아래 논문에 대한 AI 생성 설명입니다. 저자가 작성하거나 승인한 것이 아닙니다. 기술적 정확성을 위해서는 원본 논문을 참조하세요. 전체 면책 조항 읽기

현대 금융 세계에서 시장의 맥박은 종종 이사회 회의실이나 거래소가 아니라, 온라인상에 존재하는 수백만 명의 디지털 대화 속에서 느껴지곤 합니다. 수십 년 동안 전문가들은 기업 보고서와 경제 지표를 연구함으로써 주가가 오를지 내릴지를 예측하려 노력해 왔습니다. 그러나 최근에는 새로운 아이디어가 자리 잡았습니다. 바로 소셜 미디어에 실시간으로 표현되는 대중의 집단적 기분이 실제로 주 가치에 영향을 미칠 수 있다는 생각입니다. 이 개념은 컴퓨터를 사용하여 텍스트를 읽고 그 단어 뒤에 숨겨진 감정이 긍정적인지, 부정적인지, 혹은 중립적인지를 판별하는 방법인 '감성 분석(sentiment analysis)'에 기반합니다. 이제 연구자들이 던지는 질문은, 인간의 대화를 이해할 수 있는 강력한 언어 모델인 최신 세대의 인공지능이 금융 규칙을 먼저 배우지 않고도 이 디지털 기류를 읽어내어 주식 시장의 미래를 예측할 수 있는지 여부입니다.

두 명의 연구자, 움마라 뭄타즈(Ummara Mumtaz)와 수마야 뭄타즈(Summaya Mumtaz)는 챗GPT(ChatGPT)라는 도구를 사용하여 이 아이디어를 테스트하기 위해 나섰습니다. 그들은 세계 최대의 기술 기업인 마이크로소프트(Microsoft)와 구글(Google)에 초점을 맞추어, 이 인공지능이 하루 치의 트윗을 보고 다음 날 이 기업들의 주가가 오를지 내릴지를 맞출 수 있는지라는 간단한 질문을 던졌습니다. 연구자들은 컴퓨터에게 주식 전문가가 되도록 학습시키지 않았습니다. 대신, 그들은 모델이 이전에 본 적 없는 과업을 수행할 수 있도록 일반적인 언어 이해력에 의존하게 하는 '제로샷 학습(zero-shot learning)'이라는 기법을 사용했습니다. 그들은 'gpt'라는 용어를 검색하여 추출한 2023년 초의 방대한 양의 트윗 50만 개를 수집했습니다. 이 원본 데이터셋에서 그들은 특히 'ChatGPT', 'Microsoft', 'Google'이라는 세 가지 뚜렷한 용어를 언급하거나 이와 관련된 트윗들을 찾아 필터링했습니다. 과정을 공정하게 유지하기 위해, 그들은 웹 링크만을 제거했을 뿐, 사람들이 게시한 그대로의 가공되지 않은 의견, 해시태그, 이모티콘을 그대로 남겨 두어 인터넷의 생생한 목소리를 보존함으로써 데이터를 아주 약간만 정제했습니다.

방법은 간단했습니다. 연구 기간의 각 날짜에 대해, 연구자들은 약 15,000 단어 분량의 트윗 샘플을 챗GPT에 입력했습니다. 그들은 컴퓨터에 간단한 지침을 주었습니다. 이 포스트들을 읽고 다음 날 마이크로소프트와 구글의 주식 시장 추세를 예측하라는 것이었습니다. 모델에는 학습을 위한 어떠한 과거 주식 데이터도 주어지지 않았습니다. 모델은 전적으로 트윗의 어조과 내용에 의존해야 했습니다. 그러면 컴퓨터는 "상승", "하락" 또는 "보합"과 같은 예측값을 출력하며, 새로운 경쟁자에 의해 회사가 도전을 받고 있다거나 특정 제품 출시가 흥분을 일으키고 있다는 점을 언급하는 등 왜 그렇게 생각했는지에 대한 짧은 설명을 덧붙이기도 했습니다. 연구자들은 이후 이렇게 생성된 컴퓨터의 추측치를 다음 날 증권거래소에서 보고된 실제 주가 변동률과 비교했습니다.

결과는 놀라운 수준의 성공을 보여주었습니다. 마이크로소프트의 경우, 인공지능은 37일 중 26일을 정확히 예측하여 70%의 정확도를 달ей했습니다. 구글의 경우, 모델은 36일 중 23일을 정확히 맞추어 약 63.88%의 정확도를 기록했습니다. 연구자들은 이러한 수치가 완벽하지는 않지만, 단순히 무작위로 추측하는 모델이 기대할 수 있는 것보다는 유의미하게 높다고 언급했습니다. 단순히 방향을 맞추는 것을 넘어, 이번 연구는 컴퓨터가 새로운 경쟁 제품의 영향이나 기술 자체의 잠재적 위협을 언급하는 것과 같이 추세 이면의 구체적인 이유를 식별할 수 있음을 강조했습니다. 이는 모델이 단순히 패턴을 일치시키는 것이 아니라, 대중의 대화 속에 담긴 맥락과 뉘앙스를 실제로 해석하고 있었음을 시사합니다.

이 연구는 학습되지 않은 인공지능을 사용하여 소셜 미디어의 감성을 읽는 이 방식이 시장의 움직임을 이해하는 데 있어 실질적인 가능성을 지니고 있다고 결론짓습니다. 연구자들은 데이터를 정제하거나 컴퓨터에게 특정 금융 공식을 가르치기 위해 몇 달을 보낼 필요가 없었다는 점을 강조합니다. 단순히 모델이 대중의 가공되지 않은 의견을 읽게 함으로써, 그들은 실제 금융 결과와 상관관계를 갖는 신호를 포착할 수 있었습니다. 비록 이 연구가 특정 트윗 세트와 짧은 기간에 국한되어 있지만, 이러한 첨단 언어 모델이 인간의 감정과 맥락을 이해하는 능력이 금융 예측을 위한 가치 있는 도구가 될 수 있으며, 시장의 목소리에 귀를 기울이는 새로운 방법을 제공할 수 있음을 시사합니다.

기술 요약: 트위터 감성 분석을 통한 주식 시장 추세 예측에서 ChatGPT의 잠재력

문제 정의
본 연구는 명시적인 주식 시장 데이터에 대한 미세 조정(fine-tuning) 없이 대규모 언어 모델(LLM), 특히 ChatGPT를 활용하여 금융 예측을 수행하는 데 있어 발생하는 새로운 과제를 다룹다. 전통적인 주식 예측은 기본적 분석과 기술적 분석에 의존하며, 기존 연구들은 SVM이나 표준 분류기와 같은 모델을 사용하여 소셜 미디어(예: 트위터)의 감성을 활용해 왔다. 그러나 일반 목적의 LLM이 **제로샷 학습(zero-shot learning)**을 통해 비정형 트위터 감성을 해석하고 시장 움직임을 예측할 수 있는 구체적인 능력은 아직 충분히 탐구되지 않았다. 저자들은 금융 시계열 데이터가 아닌 일반 텍스트 데이터로 학습된 ChatGPT가 주요 기술 기업(마이크로소프트와 구글)의 익일 주가 성과를 예측하기 위해 비정형 트위터 감성을 효과적으로 해석할 수 있는지 조사한다.

연구 방법론
본 연구는 모델 미세 조정이나 퓨샷(few-shot) 학습 예시를 피하는 제로샷 학습 전략을 채택한다. 방법론은 네 가지 주요 단계로 구성된다:

데이터 수집 및 전처리:
- 출처: "ChatGPT", "Microsoft", "Google"에 대한 언급을 필터링한 2023년 1월 4일부터 2023년 3월 29일까지의 Kaggle 공개 데이터셋(500,000개의 트윗 포함).
- 정제: URL만 제거했을 뿐, 최소한의 정제 작업만을 수행하였다. 실제 감성을 보존하기 위해 이모지, 해시태그 및 기타 "노이즈"는 그대로 유지하였다.
- 주식 데이터: 2023년 1월 4일부터 2023년 2월 28일까지의 마이크로소프트(MSFT) 및 구글(GOOGL)의 일일 백분율 변화 데이터를 NASDAQ에서 확보하였다.
- 샘플링: 입력 볼륨을 표준화하고 토큰 제한을 준수하기 위해, 일별 트윗 샘플을 날짜당 약 15,000개의 토큰을 포함하도록 집계하였다.
감성 분석 및 예측 (프롬프트 엔지니어링):
- ChatGPT에 지시문과 집계된 트윗으로 구성된 통합된 일일 입력을 제공하였다.
- 지시문: 모델은 트윗 내에서 관련 기업을 식별하고, 감성(긍정, 부정, 중립)을 카운트하며, 다음 날의 주식 시장 추세(예: "상승", "하락", "보합")를 예측하도록 과업을 부여받았다.
- 접근 방식: 일반화 능력을 테스트하기 위해 일부 변형에서는 명시적인 회사명을 제외한 지시 기반 프롬프팅을 활용하였으나, 특정 프롬프트는 마이크로소프트와 구글을 타겟팅하였다.
시계열 예측 모델링:
- 모델은 전방향(forward-looking) 방식으로 작동하였다: $T$ 일의 감성 분석이 $T+1$ 일의 주가 행동을 예측하는 데 사용되었다.
- 평가 메커니즘: ChatGPT가 수치적 백분율이 아닌 자연어 추세(예: "약세")를 출력하므로, 인간 평가 방식을 사용하였다. 연구자들은 모델의 텍스트 예측을 실제 주가 백분율 변화와 수동으로 매핑하여 정확도(참/거짓)를 결정하였다.

주요 결과
본 연구는 마이크로소프트에 대해 37일, 구글에 대해 36일간의 기간 동안 모델의 성능을 평가하였다:

마이크로소프트 (MSFT): ChatGPT는 **70%**의 정확도(37일 중 26일 적중)를 달성하였다.
구글 (GOOGL): 모델은 약 **63.88%**의 정확도(36일 중 23일 적중)를 달성하였다.
질적 통찰: 이진 추세 예측을 넘어, 모델은 신흥 경쟁사로부터의 경쟁이나 "구글의 바드(Bard)"의 영향과 같이 추세에 영향을 미치는 근본적인 인과 요인을 식별하는 능력을 보여주었다.
베이스라인 비교: 저자들은 금융 도메인에 대한 미세 조정이 없음에도 불구하고, 정확도가 완벽하지는 않지만 무작위 예측 모델의 성능을 유의미하게 상회한다는 점에 주목하였다.

의의 및 주장
본 논문은 이 연구가 금융 분야에서 ChatGPT의 적응력을 이해하는 데 기여한다고 주장한다. 본 연구의 주요 의의는 다음과 같다:

제로샷 생존 가능성: 일반 목적의 LLM이 특정 금융 학습 없이도 일반화된 언어 이해력을 활용하여 시장 감성을 평가하고 비사소한(non-trivial) 주식 예측을 수행할 수 있음을 입증하였다.
맥락적 깊이: 단순한 극성 점수만을 출력할 수 있는 전통적인 감성 분석 도구와 달리, ChatGPT는 추세의 방향성과 함께 구체적인 시장 동인(예: 경쟁 위협)을 식별하는 맥락적 추론을 제공할 수 있다.
비용 효율성: 이 접근 방식은 복잡하고 데이터 집약적인 금융 모델링에 대한 다재다능하고 저비용인 대안을 제공하며, 전통적인 학습 세트에서 과소 대표될 수 있는 급격한 시장 변화나 예기치 못한 사건에 적응할 수 있다.

한 исследования 한계 및 향 향후 방향
저자들은 제한된 데이터셋과 최소한의 데이터 정제를 사용했음을 인정하며 겸허한 입장을 유지하였다. 그들은 향후 연구 방향으로 다음을 제시하였다:

트위터 및 기타 소셜 플랫폼으로부터 더 포괄적인 데이터셋 활용.
핵심적인 시장 요인을 더욱 심도 있게 인식하는 모델의 능력 조사.
트레이더와 이해관계자를 위해 예측 정확도를 높일 수 있는 접근 방식의 정교화.

본 논문은 ChatGPT가 완벽한 예측기는 아니지만, 그 성능은 비정형 소셜 미디어 데이터와 고급 언어 이해력을 합성함으로써 AI가 금융 시장 예측을 형성할 수 있는 성장하는 잠재력을 보여준다고 결론짓는다.

기술 요약: 트위터 감성 분석을 통한 주식 시장 추세 예측에서 ChatGPT의 잠재력

유사한 논문