멀티모달 딥러닝 (Multi-modal Deep Learning)을 이용한 실적 발표일의 주가 방향 예측

실적 발표 (Earnings Announcements, EAs) 기간 동안의 주가 움직임을 예측하는 것은 시장 노이즈와 영향력이 큰 가격 불연속성으로 인해 매우 어려운 과제입니다. 본 연구에서는 발표 전 뉴스 감성 (news sentiment), 기업의 펀더멘털 (firm fundamentals), 그리고 최근의 시장 역학 (market dynamics)이 실적 발표일의 주식 방향성 움직임을 공동으로 예측할 수 있는지 평가합니다. 우리는 15개의 펀더멘털 지표, 3개의 가격 기반 기술적 지표 (technical indicators), 그리고 FinBERT를 사용하여 처리된 금융 뉴스 기사에서 도출된 감성 점수를 결합하여 멀티모달 특징 공간 (multi-modal feature space)을 구축합니다. 우리는 로지스틱 회귀 (logistic regression) 베이스라인과 비교하여 LSTM (Long Short-Term Memory) 네트워크 및 Transformer 기반 아키텍처를 비교하며, 추가적으로 감성 특징의 증분 가치를 정량화하기 위해 모든 모델을 감성 특징이 있는 경우와 없는 경우로 나누어 평가합니다. 연구 결과에 따르면, LSTM은 보수적인 안전한 베팅 (safe-bet) 전략을 통해 더 높은 정밀도 (precision)를 보여주는 반면, Transformer 모델은 변동성이 큰 움직임을 식별하는 데 있어 더 우수한 민감도 (sensitivity)를 보이며 더 높은 매크로 F1-스코어 (macro F1-score)를 달성하였고, 소거 실험 (ablation experiments)을 통해 뉴스 감성을 통합함으로써 얻는 일관된 이점을 확인하였습니다.