웹검색트래픽 정보를 활용한 투자모형 개발: KOSPI지수를 중심으로 = Investment Model Development Based on Web-search Traffic Information: Focusing on KOSPI Index

다국어 초록 (Multilingual Abstract)

The evolution of big data analysis technology provides us with useful information which couldn’t obtain based on traditional in-vestment model. Recent studies focusing on SNS data (e.g. Twitter), news data, or community postings showed the usefulness of this approach for financial investment decision-making. They are differentiated from traditional studies on financial investment in terms of the utilization of unstructured data to show investors’ behavior such as mental states, market reaction, or attention. This study proposes the investment model based on Web Search Traffic which has rarely been used for investment model until now. The infor-mation of Web Search Traffic is able to play a role to show the investor’s attention on stock market, which can be a proxy measure for the attention or focus. Firstly, this study suggests and tests the four hypotheses on the relationship between KOSPI index and Web Search Traffic using ARIMA analysis with independent variables. It revealed the statistically significant relationship between Web Search Traffic and the volume, value and range of KOSPI index. Finally, we develop the several investment strategies using Web Search Traffic and validated the excellence in terms of the rate of return, compared with benchmark strategies.

국문 초록 (Abstract)

빅데이터 관련 기술은 기존의 투자모형 연구가 고려하지 못했던 유용한 정보들을 제공하고 있다. 대표적으로 트위터(Twitter)를 이용한 SNS 데이터나 인터넷 뉴스 기사 분석을 통한 주가예측 연구 등이 있다. 이들 연구는 가격이나 재무정보 등에 한정되어 있던 투자연구에서 벗어나 비정형적인 정보를 이용한다는 특징이 있다. 본 연구에서는 이러한 빅데이터 중에서도 그 동안 제대로 조명되지 않았던 웹검색트래픽(Web Search Traffic)을 이용하여 투자모형을 수립해 보고자 하였다. 가설 검증 결과, 웹검색트래픽과 거래량 간에는 유의한 양의 상관관계를 나타내었으며 주가의 변동치와는 유의한 음의 상관관계를 나타내었다. 또한 검증 결과를 기반으로 몇 가지 투자전략을 모의거래(Simulation)해 본 결과 웹검색트래픽의 변동에 대해 한 주의 시차를 두고 투자한 전략이 벤치마크 전략보다 우수하였음을 알게 되었다.

참고문헌 (Reference)

1 손판도, "회계정보의 질과 투자효율성 간의 관계" 한국산업경제학회 24 (24): 1189-1204, 2011

2 신종화, "한국형 경제 뉴스 속보가금융 시장에 미친 영향" 2010

3 이호영, "한국네티즌 연구: 인터넷의 영향력과 온오프라인상호작용" 정책연구 2009

4 최창열, "한·중 온라인 주식투자자의 투자특성에 대한 분석" 국제e-비즈니스학회 11 (11): 245-265, 2010

5 박혜영, "패턴인식과 기계학습" 이한출판사 2011

6 오일석, "패턴인식" 교보문고 2008

7 Hope, B., "트위터 데이터분석해 주가 예측하는 스타트업들"

8 유진, "투자자 정보, 군집행위와 투자 전략" 한국금융학회 23 (23): 29-70, 2009

9 김혜민, "투자 정보 특성이 주식투자 의지에 미치는 영향" 4 (4): 1-15, 2011

10 주우진, "주식투자자의 정서적 예측과 투자성과 간의 관계: 전문투자자와 일반투자자의 비교 분석" 한국마케팅학회 24 (24): 131-150, 2009

11 미래창조과학부, "인터넷이용실태조사 (국가승인통계 제12005호)"

12 이윤정, "인터넷 주식 토론방 게시물과 주식시장의 상관관계 분석을 통한 투자 종목 선정 시스템" 한국정보처리학회 3 (3): 441-450, 2014

13 김민수, "인터넷 검색추세를 활용한 빅데이터 기반의 주식투자전략에 대한 연구" 한국경영과학회 38 (38): 53-63, 2013

14 Les Echos, "인터넷 유저 타입별 구매성향탐구"

15 강병욱, "연구논문: PER 유효성에관한 연구" 9 (9): 245-268, 2003

16 닐슨코리아, "아이뉴스"

17 이근영, "북한 핵관련 뉴스가 국내주식 및 외환시장에 미치는 영향" 한국동북아경제학회 18 (18): 61-90, 2006

18 최흥식, "방향성매매를 위한 지능형 매매시스템의 투자성과분석" 한국지능정보시스템학회 17 (17): 187-201, 2011

19 문병로, "메트릭 스튜디오" 김영사 2014

20 송치영, "뉴스가 금융시장에 미치는 영향에 관한 연구" 한국국제경제학회 8 (8): 1-34, 2002

21 안희준, "남북관계 관련 뉴스가 주식시장에 미치는 영향" 한국경제의 분석패널 16 (16): 199-238, 2010

22 김영우, "계절 ARIMA Model을 이용한 경주방문객의 수요예측에 관한 연구" 한국호텔외식관광경영학회 15 (15): 309-326, 2006

23 Bordino, I., "Web search queries can predict stock market volumes" 7 (7): e40014-, 2012

24 Bollen, J., "Twitter mood predicts the stock market" 2 (2): 1-8, 2011

25 Ajzen, I., "The theory of planned behavior" 50 (50): 179-211, 1991

26 Fama, E. F., "The cross‐section of expected stock returns" 47 (47): 427-465, 1992

27 Bogle, J. C., "The Little Book of Common Sense Investing: The Only Way to Guarantee Your Fair Share of Stock Market Returns, Vol.2" John Wiley & Sons 2010

28 Hong, W., "The Effects of Information Format and Shopping Task on Consumers’ Online Shopping Behavior: a Cognitive Fit Perspective" 21 (21): 149-184, 2004

29 Ross, S. A., "Return, risk and arbitrage (No. 17-73)" Wharton School Rodney L. White Center for Financial Research 1973

30 Preis, T., "Quantifying trading behavior in financial markets using Google Trends" 3 : 2013

31 Kahneman, D., "Prospect theory: An analysis of decision under risk" 263-291, 1979

32 Choi, H., "Predicting the Present with Google Trends" 8 (8): 2-9, 2012

33 Goel, S., "Predicting consumer behavior with Web search" 107 (107): 17486-17490, 2010

34 Lui, C., "On the predictability of the US elections through search volume activity" 2011

35 Basu, S., "Investment performance of common stocks in relation to their price‐earnings ratios: A test of the efficient market hypothesis" 32 (32): 663-682, 1977

36 Beyer, Mark, "Gartner Says Solving ‘Big Data’ Challenge Involves More Than Just Managing Volumes of Data"

37 Vosen, S., "Forecasting Private Consumption: Survey-Based Indicators vs. Google Trends" 30 (30): 565-578, 2011

38 Ginsberg, J., "Detecting Influenza Epidemics Using Search Engine Query Data" 457 : 1012-1014, 2009

39 Jun, S. -P., "An Empirical Study of Users’ Hype Cycle Based on Search Traffic: The Case Study on Hybrid Cars" 91 (91): 81-99, 2012

40 Roll, R., "A critique of the asset pricing theory’ s tests Part I: On past and potential testability of the theory" 4 (4): 129-176, 1977

41 Jun, S. -P., "A Comparative Study of Hype Cycles Among Actors within the Socio-Technical System: With a Focus on the Case Study of Hybrid Cars" 79 (79): 1413-1430, 2012