DOI QR코드

DOI QR Code

소셜 감성이 개별 기업 주식수익률에 미치는 비대칭적 영향 분석

Asymmetric Effect of Social Sentimental on an Individual Stock Price Return

  • 김세완 (이화여자대학교 경제학과) ;
  • 박지원 ((주)모비젠 플랫폼연구그룹 AA연구팀) ;
  • 김영민 (강원대학교 글로벌인재학부(지역경제 전공)) ;
  • 함희경 (이화여자대학교 사회적경제협동 과정)
  • Sei-Wan Kim (Department of Economics, Ewha Womans University) ;
  • Jee-Won Park (Advanced Analytics Team, Mobin Co., Ltd.) ;
  • Young-Min Kim (Department of Regional Economics, Kangwon National University) ;
  • Hee Kyung Ham (Graduate School for Interdisciplinary Program of Social Economy, Ewha Womans University)
  • 투고 : 2020.05.22
  • 심사 : 2020.08.11
  • 발행 : 2020.11.30

초록

본 연구는 소셜 감성(social sentimental)을 긍정 및 부정적 의견으로 구분하여 이들 의견이 개별 기업의 주식수익률에 미치는 영향이 비대칭적인지(asymmetric) 분석하였다. 이를 위하여 한국거래소에서 활발하게 거래되고 트위터 의견도 충분한 기아차, 아모레퍼시픽, 포스코, 한국전력 등 4개 기업을 분석대상으로 하였다. 주요 분석 결과는 다음과 같다. 첫째, 긍정적 의견은 개인투자자의 거래 비중이 상대적으로 낮은 아모레퍼시픽의 주식수익률에는 영향을 주지 못한 반면 나머지 3개 기업의 주식수익률에는 유의한 양(+)의 영향을 주었다. 둘째, 부정적 의견은 4기업의 주식수익률에 모두 유의하게 음(-)의 영향을 주는 것으로 나타났다. 특히 부정적 의견이 긍정적 의견보다 주식수익률에 미치는 영향이 더 크게 나타났으며, 이는 투자자들이 손실회피 성향 등으로 수익보다 손실에 더 민감하기 때문으로 보인다. 본 연구는 트위터의 긍정 또는 부정적 의견이 주식수익률에 비대칭적(asymmetric)으로 영향을 미치는 것을 발견하였으며, 이는 트위터의 의견을 투자자 심리(sentiment) 대용변수(proxy)로 활용할 수 있음을 보여준다.

This paper investigates the asymmetric effect of social sentimental on an individual stock price return. For this purpose, four companies such as POSCO, Korean Electricity, AMORE PACIFIC, KIA Motors are chosen from KOSPI listed companies in terms of dataperspective. The main estimation results are as follows: the positive opinions affect only the stock prices return of three companies while the negative opinions affect all of the companies. It shows that positive or negative texts give asymmetric effect on stock price return and the effect of negative opinions is bigger than that of positive opinions. The results imply that investors are more sensitive to the negatives since they have the tendency of loss aversion. Also, it indicates that subjective opinion on SNS can be used as the proxy for the investment sentiment.

키워드

참고문헌

  1. 길재욱, 김나영, 이은정, "투자자별 거래행태와 비대칭 변동성", 금융연구, 제23호, 제3권, 2009, pp. 25-49. 
  2. 김경수, 이유, "중국과 홍콩 주식시장간의 변동성의 선도지연관계에 대한 연구", 산업경제 연구, 제23권, 제4호, 2010, pp. 1743-1768. 
  3. 김동영, 박제원, 최재현, "SNS와 뉴스기사의 감성분석과 기계학습을 이용한 주식수익률예측모형 비교 연구", 한국IT서비스학회지, 제13권, 제3호, 2014, pp. 221-233.  https://doi.org/10.9716/KITS.2014.13.3.221
  4. 김선정, 김태용, "SNS 콘텐츠의 감성이 사용자의 감정상태에 미치는 영향: 페이스북 뉴스피드를 중심으로", 사이버커뮤니케이션학보, 제29권, 제1호, 2012, pp. 5-47. 
  5. 김승탁, 변창수, "총괄적 일별집료에서 투자자 유형별 비대칭매도성향효과에 관한 실증분석", 한국산업경제학회 정기학술발표대회, 2011, pp. 259-271. 
  6. 김영민, "ETF 시장에서의 순자금유입에 관한 연구", 시장경제연구, 제47권 제3호, 2018, pp. 43-63.  https://doi.org/10.38162/JOME.47.3.2
  7. 김영민, 김세완, "직간접 투자자의 현금 유출입비교 분석", 재무관리연구, 제31권, 2014, pp. 141-167. 
  8. 김태환, 정우진, 이상용, "기업의 SNS 노출과 주식 가격간의 관계 분석", Asia Pacific Journal of Information Systems, 제24권, 제2호, 2014, pp. 235-253. 
  9. 안정국, 김소담, 김희웅, "텍스트 마이닝 기법을 이용한 정보시스템분야 연구 동향 분석", Information Systems Review, 제18권, 제3호, 2016, pp. 73-96.  https://doi.org/10.14329/isr.2016.18.3.073
  10. 엄철준, 이우백, 박래수, 장욱, 박종원, "한국주식시장의 고유변동성 퍼즐에 대한 연구", 한국증권학회지, 제43권, 제4호, 2014, pp. 753-784. 
  11. 유상이, 현지연, 이상용, "소셜 감성과 암호화폐 가격 간의 관계 분석: 빅데이터를 활용한 계량경제적 분석", Information Systems Review, 제21권, 제1호, 2019, pp. 91-111.  https://doi.org/10.14329/isr.2019.21.1.091
  12. 이성직, 김한준, "TF-IDF의 변형을 이용한 전자뉴스에서의 키워드 추출 기법", 한국전자거래학회지, 제14권, 제4호, 2009, pp. 59-73 
  13. 임병진, 허지훈, "현금배당공시에 따른 시장반응에 대한 실증분석: 고배당 선호 관점을 중심으로", 기업경영연구, 제25권, 제3호, 2018, pp. 7-50. 
  14. 최운열, 이근경, 정성훈, "인지행위적 재무론에서 개인투자자들의 처분효과에 관한 연구", 한국증권학회지, 제33권, 제2호, 2004, pp. 83-105. 
  15. Akerlof, G. A. and R. J. Shiller, Animal Spirits: How Human Psychology Drives the Economy, and Why it Matters for Global Capitalism, Princeton University Press, 2010. 
  16. Barber, B. M. and T. Odean, "Trading is hazardous to your wealth: The common stock investment performance of individual investors," Journal of Finance, Vol.55, 2000, pp. 773-806.  https://doi.org/10.1111/0022-1082.00226
  17. Behrendt, S. and A. Schmidt, "The Twitter myth revisited: Intraday investor sentiment, Twitter activity and individual-level stock return volatility", Journal of Banking and Finance, Vol.96, 2018, pp. 355-367.  https://doi.org/10.1016/j.jbankfin.2018.09.016
  18. Chen, H., P. De, Y. Hu, and B. H. Hwang, "Wisdom of crowds: The value of stock opinions transmitted through social media", Review of Financial Studies, Vol.27, No.5, 2014, pp. 1367-1403.  https://doi.org/10.1093/rfs/hhu001
  19. Bollen, J., H. Mao, and X. J. Zeng, "Twitter mood predicts the stock market", Journal of Computational Science, Vol.2, No.1, March 2011, pp. 1-8.  https://doi.org/10.1016/j.jocs.2010.12.007
  20. Hirshleifer, D., A. Subrahmanyam, and S. Titman, "Security analysis and trading patterns when some investors receive information before others", Journal of Finance, Vol.49, 1994, pp. 1665-1698.  https://doi.org/10.1111/j.1540-6261.1994.tb04777.x
  21. Kim, S. W., B. S. Lee, and Y. M. Kim, "Who mimics whom in the equity fund market? Evidence from the Korean equity fund market", Pacific Basin Finance Journal, Vol.29, 2014, pp. 199-218.  https://doi.org/10.1016/j.pacfin.2014.04.004
  22. Matta, M., I. Lunesu, and M. Marchesi, Bitcoin Spread Prediction Using Social and Web Search Media, UMAP Workshops, 2015. 
  23. Qasem, M., R. Thulasiram, and P. Thulasiram, "Twitter sentiment classification using machine learning techniques for stock markets", Institute of Electrical and Electronics Engineers Inc, ICACCI, 2015, pp. 834-840. 
  24. Ranco, G., D. Aleksovski, G. Caldarelli, M. Grcar, and I. Mozetic, "Effects of twitter sentiment on stock price returns", PLoS ONE, Vol.10, No. 9, September 2015, pp. 1-21.  https://doi.org/10.1371/journal.pone.0138441
  25. Ravindran, S. K. and V. Garg, Mastering Social Media Mining with R, PACKT Publishing, 2015, pp. 21-54. 
  26. Rick, S. and G. Loewenstein, "The role of emotion in economic behavior", Handbook of Emotions, Vol.3, 2008, pp. 138-158.  https://doi.org/10.2139/ssrn.954862
  27. Shefrin, H. and M. Statman, "The disposition to sell winners too early and ride losers too long: Theory and evidence", Journal of Finance, Vol.40, No.3, July 1985, pp. 777-790.  https://doi.org/10.1111/j.1540-6261.1985.tb05002.x
  28. Teti, E., M. Dallocchio, and A. Aniasi, "The relationship between twitter and stock prices. Evidence from the US technology industry", Technological Forecasting & Social Change, Vol.149, 2019, pp. 1-9. 
  29. Tversky, A. and D. Kahneman, "Advances in prospect theory: Cumulative representation of uncertainty", Journal of Risk and Uncertainty, Vol.5, No.4, October 1992, pp. 297-323.  https://doi.org/10.1007/BF00122574
  30. Wei, W., Y. Mao, and W. Bing, "Twitter volume spikes and stock options pricing", Computer Communications, Vol.73, January 2016, pp. 271-281. https://doi.org/10.1016/j.comcom.2015.06.018