LLM 기반 뉴스 제목 감성 분석을 통한 투자 포트폴리오 구성

초록

본 연구는 대규모 언어 모델(LLM)을 활용한 금융 뉴스 제목의 감성 분석을 통해, 한국 증권 시장에서의투자 전략 수립 가능성과 그 실효성을 검증하였다. 분석에는 판별형 모델(KcBERT, KRFinBERT)과 생성형모델(Llama 3.1, Mistral, Gemma 2)을 활용하였으며, CoT, SuperICL, Bootstrapping 등 다양한 프롬프팅기법을 적용하였다. 실증 분석 결과, Long 전략은 제한적인 성과를 보였으나, KRFinBERT 기반의 부정 감성 분석에 기반한 Short 전략은 76.20%의 누적 수익률과 0.9998의 샤프 비율을 기록하며 우수한 성과를나타냈다. 또한 생성형 LLM의 설명 가능성을 검토하고, 향후 투자 전략 설계 시 고려해야 할 데이터 확장 및 유의사항을 제언하였다. 본 연구는 LLM 기반 감성 분석이 투자 전략 수립에 실질적으로 기여할수 있음을 실증적으로 제시한다.

키워드