Sentiment Signals in a Fragile Democracy: NLP-Driven Detection of News and Social-Media Effects on Peruvian Banking Asset Volatility

기술 요약: 취약한 민주주의 체제 내의 감성 신호

문제 제기
자연어 처리(NLP)는 선진 경제국에서 거래 및 리스크 모델에 정보를 제공하기 위해 투자자 심리를 추출하는 표준적인 도구로 자리 잡았으나, 정치적 양극화가 심한 신흥 시장의 은행 자산 변동성에 대한 적용 연구는 여전히 미진한 상태이다. 페루는 제도적 취약성과 높은 "정치적 노이즈"로 인해 독특한 분석적 과제를 제시한다. 2021년부터 2024년 사이, 페루는 다섯 명의 서로 다른 대통령, 다수의 탄핵 절차, 실패한 쿠데타 시도, 그리고 진보적 행정부 하에서의 규제 불확inc성을 포함한 극심한 거버넌스 불안정을 경험했다. 페루 금융 부문의 집중도(4개 기관이 예금의 83% 이상을 보유)와 정치적 충격에 대한 민감성에도 불구하고, 스페인어 기반의 페루 뉴스 및 소셜 미디어와 리마 증권거래소(BVL) 은행 서브 인덱스 간의 관계, 혹은 페루 은행보험감독청(SBS), 증권시장감독청(SMV), 중앙은행(BCRP)의 규제 커뮤니케이션의 영향력을 구체적으로 조사한 선행 연구는 존재하지 않는다.

방법론
본 논문은 2018년부터 2025년까지 Scopus, Web of Science, IEEE Xplore에 색인된 출판물을 분석하는 PRISMA 2020 가이드라인에 따른 체계적 문헌 고찰을 채택한다. 본 검토는 금융 또는 은행 데이터에 적용된 NLP 방법론(예: FinBERT, BERT, LDA, GARCH 변형 모델)을 활용한 연구에 초점을 맞춘다.

이러한 검토를 바탕으로 저자는 페루의 맥락에 맞게 조정된 6단계 구조의 개념적 방법론 프레임워크를 제안한다:

1. 데이터 수집: Twitter/X(스페인어 금융/정치 계정), 페루 금융 뉴스 매체(El Comercio, Gestión), 그리고 공식 규제 보도 자료(SBS, SMV, BCRP)의 일일 데이터를 집계한다.
2. 전처리: 언어 감지, 토큰화, 맞춤형 페루-스페인어 금융 사전(lexicon)을 이용한 불용어 제거, 그리고 SpaCy를 통한 표제어 추출(lemmatization)을 적용한다.
3. 감성 및 토픽 모델링: 페루 규제 용어로 보강된 스페인어 금융 코퍼스로 미세 조정된 FinBERT를 사용하여 텍스트를 긍정, 부정, 중립으로 분류하고, 잠재적 주제(예: 거시경제, 정치, 규제)를 식별하기 위해 잠재 디리클레 할당(LDA)을 활용한다.
4. 변동성 모델링: 지연된 감성 점수를 외생적 공변량으로 포함하여 BVL 은행 서브 인덱스의 일일 수익률에 EGARCH(1,1) 모델을 적합시킨다.
5. 사건 연구(Event Study): 특정 정치적 사건 윈도우(예: 2021–2022년 카스티요 정부 위기, 2022년 12월 쿠데타 시도)를 분석하여 비정상적 변동성(표준 편차 ±2.58을 초과하는 표준화 잔차)을 측정한다.
6. 정책 번역: 연구 결과를 규제 감독을 위한 대시보드 프레임워크로 전환한다.

주요 기여
본 논문은 세 가지 구체적인 기여를 한다:

1. 비교 증거 매트릭스: NLP가 강화된 변동성 모델(Fin-BERT, BERT, GJR-GARCH 포함)의 정량적 성능을 통계적 베이스라인과 비교 기록한 9개 관할 구역의 비교 매트릭스를 구축한다.
2. 맥락적 프레임워크: 페루의 독특한 정치 및 규제 환경에 특화되어, 페루 금융 텍스트에 대한 스페인어 NLP 적용의 공백을 메우는 개념적 프레임워크를 제안한다.
3. 제안된 파이프라인: 스페인어 전처리와 BVL 은행 데이터를 통합하도록 설계된 특정 "FinBERT + EGARCH" 파이프라인을 개설하여, 자본 시장의 위기로 나타나기 전 시스템적 감성 충격을 감지하는 것을 목표로 한다.

결과 및 증거
체계적 검토는 9개 관할 구역(미국, 영국, 중국, 남아프리카 공화국, 크로아티아 포함)의 증거를 합성하여 다음과 같은 결과를 도출하였다:

• 성능 향상: NLP 강화 모델은 방향 정확도 측면에서 통계적 베이스라인(ARIMA, 일반 GARCH)을 지속적으로 상회하며, 1424%포인트의 개선을 보인다. 예를 들어, 중동부 유럽 시장에서 FinBERT와 LSTM의 결 조합은 ARIMA를 능가했으며, OPT/BERT 모델은 미국 시장에서 사전 기반 방식의 52% 대비 약 7274%의 정확도를 달eli했다.
• 비대칭적 레버리지 효과: 부정적 감성은 동일한 규모의 긍정적 감성보다 일관되게 더 강력하고 빠르게 소멸하는 변동성 효과를 나타낸다. 이러한 비대칭성은 남아프리카, 중국, 영국과 같은 시장의 GJR-GARCH 및 EGARCH 계수를 통해 확인된다.
• 정치적 불확실성의 예측력: 소셜 미디어 기반의 정치적 불확실성 척도(예: Twitter 기반 시장 불확실성)는 20개 국제 주식 시장 중 18개 시장에서 변동성을 유의미하게 예측한다.
• 페루 특화 전망: 국제적 유사 사례를 바탕으로, 본 논문은 BVL 은행 서브 인덱스를 위한 제안된 FinBERT + EGARCH 모델이 약 82.1%의 방향 정확도를 달성할 수 있을 것으로 전망한다. 이는 ARIMA 베이스라인(58.2%) 대비 41% 개선된 수치이며, 단독 FinBERT 대비 10.5% 개선된 수치이다.
• 사건 영향: 검토 결과, 2022년 12월 페루의 쿠데타 시도는 BVL 종합 지수(General Index)의 베이스라인 대비 4.26 표준 편차만큼의 일중 수익률 변동성을 발생시켰으며, 특히 은행주가 높은 노출도를 보였다.

의의 및 주장
본 논문은 NLP 기반의 감성 모니터링이 페루 은행 감독을 위한 조기 경보 시스템으로서 실행 가능하고 비용 효율적인 접근 방식이라고 주장한다. 저자들은 규제 기관(SBS 및 SMV)이 감성 충격이 관측 가능한 변동성 급등으로 이어지기 48~72시간 전에 이를 감지하기 위해 FinBERT가 강화된 EGARCH 대시보드를 배치함으로써 이익을 얻을 것이라고 상정한다. 이는 규제 기관 자체가 정책 불확실성의 원천이 될 수 있는 맥락에서 특히 중요하다.

저자들은 본 연구가 개념적-비교적(conceptual-comparative) 설계를 따르고 있음을 명시적으로 밝힌다. 다른 관할 구역의 증거가 제안된 프레임워크의 효용성을 강력하게 시사하고 있으나, 2021-2024년 기간의 실제 BVL 은행 서브 인덱스 및 Twitter 코퍼스를 사용한 실증적 검증이 필수적인 다음 단계임을 인정한다. 제안된 성능 지표는 국제 데이터의 선형 보간법으로부터 도출된 투영치이며, 향후 사전 등록된 프로토콜을 통한 실증적 테스트가 필요하다.