정성적 통찰의 정량화: 대형언어모델(LLMs)을 활용한 금융시장예측 = Quantifying Qualitative Insights: Leveraging LLMs to Predict Market

국문 초록 (Abstract)

본 연구는 대형 언어 모델(LLM)을 활용하여 비정형 텍스트 정보와 정형 시장 데이터를 통합함으로써 단기 주가수익률을 예측하는 새로운 분석 프레임워크를 제안한다. 애널리스트 보고서를 대상으로 텍스트 세분화를 통해 핵심 질적 요인을 추출하고, 이를 수치형 가격 데이터와 결합하여 리커트(Likert) 척도 기반 요인 점수화 절차를 설계하였다. 아울러 가치-점수 변환(value-to-score scaling) 기법을 도입하여 질적 평가를 경제적으로 의미 있는 값과 정렬시킴으로써 전통적 정량 지표와의 직접 비교가 가능하도록 하였다. KOSPI200 지수 데이터를 이용한 실증분석 결과, 제안된 모형은 단기 수익률에 대해 유의한 예측력을 보였으며, 기존 시계열 예측 모형과 비교해도 경쟁력 있는 성과를 나타냈다. 본 연구는 금융 텍스트 분석과 예측 모형의 융합을 통해 질적 정보의 정량화를 실현함으로써 금융시장 예측을 위한 방법론적 발전에 기여한다.

다국어 초록 (Multilingual Abstract)

We propose a novel framework that leverages large language models (LLMs) to integrate unstructured textual information with structured market data for short-term return prediction. Focusing on analyst reports, we extract key qualitative factors through text segmentation, merge them with numerical price data, and operationalize them via a Likert-scale factor scoring prompt. A value-to-score scaling procedure aligns qualitative assessments with economically meaningful magnitudes, enabling direct comparison with traditional quantitative indicators. Using KOSPI200 index data, we demonstrate that the constructed model exhibits significant predictive power and performs competitively relative to established time-series forecasting models. Our approach advances the methodological toolkit for financial forecasting by offering a systematic pathway from qualitative narratives to empirically validated trading signals.