텍스트를 활용한 초과수익률 창출 : 뉴스에 반영된 업황 텍스트를 통한 투자전략

국문 초록 (Abstract)

매일 뉴스 기사가 쏟아져 나오고 있으나, 투자자들이 이 방대한 정보를 처리하는데는 제약이 있다. 본 분석에서는 증권시장에서 업황과 관련된 정보가 수익률에 반영되기까지는 얼마나 시간이 걸리는지 파악하고, 이러한 정보를 정량화하여 시그널로 사용하면 초과수익을 창출할 수 있는지를 분석하는데 목적이 있다.

본 분석은 먼저 업황을 제대로 반영하는 주어와 서술어의 조합을 서범석(2023)의 연구를 참고하여 만들고, 이 어휘 사전을 통해서 2020년 6월 2025년 9월까지의 뉴스데이터를 정량화한 다음, 정량화한 데이터와 업종 주식 수익률 간의 관계를 다음 두가지 방법으로 검증하였다. 먼저 지표가 수익률을 예측가능한지를 그레인저 인과성 검정을 통해 평가하였다. 평가 결과 일부 업종에서는 유의했으며 역의 인과관계가 동시에 존재하는 업종도 나타났다. 따라서 텍스트 지표가 독립적인 예측력을 가지는 요인으로써 작용할 가능성이 존재한다고 판단했다.

한편 텍스트 데이터가 파마-프렌치(Fama and French) 3요인과 5요인을 통제하하고서도 업종수익률을 유의하게 설명하는지 분석하였다. 그 결과 텍스트 기반 지표(TFI)는 다수의 업종에서 통계적으로 유의한 설명력을 보였다. 다만 Fama-French 3요인을 통제하였을 때와 5요인을 통제하였을 때 \beta의 부호가 상반되는 경우들이 발생하고, 이것이 추후 백테스팅 과정에서 수익률에 영향을 미치는 것으로 나타났다.

이러한 결과를 바탕으로 TFI를 활용하여 업종별 수익률을 매매하는 투자전략(롱숏전략과 섹터로테이션) 을 검토하였고 그 결과 이러한 전략은 시장지수보다 향상된 누적 수익률과 최대낙폭(MDD)을 얻을 수 있는 것으로 나타났다. 가장 좋은 위험조정성과를 보인 전략은 롱숏 전략이며, 이 전략은 시장 보다 유의하게 좋은 성과를 냈다. 위 결과를 종합했을 때 텍스트 업황 지표를 통한 수익률이 유효한 전략이라고 판단한다.

다국어 초록 (Multilingual Abstract)

A vast amount of news is generated every day, yet investors face substantial constraints in processing and incorporating this information into asset prices. This study aims to examine how long it takes for industry-related information conveyed through news text to be reflected in stock returns and whether such information, when properly quantified, can be exploited as a trading signal to generate excess returns.
To this end, we construct a text-based industry condition index by developing a dictionary of subject–predicate combinations that explicitly capture industry business conditions, following the methodology of Seo (2023). Using this dictionary, we quantify news articles published between June 2020 and September 2025 and investigate the relationship between the resulting text-based indicator and industry-level stock returns through two complementary approaches. First, we assess the predictive content of the indicator usingbased Granger causality tests. While statistically significant lead–lag relationships are detected for a subset of industries, the number of industries exhibiting unidirectional causality remains limited once reverse causality is taken into account. This suggests that the text-based indicator may contain predictive information.
In the second stage, we estimate industry-level regressions to examine whether changes in the text-based indicator significantly explain future industry returns after controlling for the Fama–French three-factor and five-factor models across multiple lags. The results show that the text-based fundamental index (TFI) exhibits statistically significant explanatory power for a broad set of industries under both factor specifications. However, in some cases, the estimated coefficients differ in sign between the three-factor and five-factor controls, leading to economically meaningful differences in subsequent portfolio performance.
Based on the 14 industries for which lagged changes in the text-based indicator significantly explain returns, we implement two trading strategies: a long–short strategy and a sector rotation (long-only) strategy, both constructed using the most recent TFI value and the lag that minimizes the p-value among candidate horizons. The empirical results indicate that both strategies outperform the market benchmark in terms of cumulative returns and exhibit lower maximum drawdowns. The sector rotation strategy delivers the strongest overall performance, consistently outperforming the market across the sample period. Meanwhile, the long–short strategy achieves comparable returns with superior risk-adjusted performance, suggesting greater practical applicability due to its diversification across industries.
Overall, our findings suggest that text-based measures of industry conditions capture economically meaningful information that is gradually incorporated into prices and can be effectively utilized in systematic investment strategies.

목차 (Table of Contents)

• 제1장 서 론 1
• 1. 연구배경 1
• 2. 선행연구 4
• 3. 선행연구와의 차별점 6
• 제2장 텍스트 기반 업황 지수화 9
• 1. 지수제작과정 11
• 2. 데이터의 특징 16
• 3. 유용성 검증 18
• 제3장 텍스트 기반 업황 지수와 업종수익률간의 관계 24
• 1. 모형설명 24
• 2. 분석결과 29
• 제4장 텍스트 기반 업황 지수를 통한 운용전략 34
• 1. 운용전략 34
• 2. 분석결과 37
• 제5장 마무리 41
• 1. 결론 41
• 2. 연구의 한계 및 향후개선방안 42