감성 분석을 활용한 다중 모달 Bi_LSTM 주가 예측 = Multimodal Stock Price Prediction Using Bi-LSTM and Sentiment Analysis

국문 초록 (Abstract)

본 연구는 주가 예측을 위하여 OHLCV 데이터, 기술적 지표, 그리고 뉴스 기반 감성 점수를 통합한 다중 모델 Bi-LSTM을 평가하였다. Apple, Meta, eBay의 2014년부터 2024년까지의 데이터셋을 활용하여 실험한 결과, 다중 모델 접근법은 RMSE, MAE, 방향성 정확도 지표 전반에서 단일 모델보다 일관되게 우수한 성능을 보였다. 특히 FinBERT에서 도출한 두 가지 유형의 감성 점수는 시장 전환점에서 예측 정확도를 향상시키는 데 기여하였다. 또한 특성 중요도 분석을 통해 가격 데이터뿐 아니라 감성 정보와 기술적 지표가 상호보완적 가치를 지닌다는 점을 확인하였다. 본 연구 결과는 설문조사를 통해 확인된 Z세대 대학생 투자자들의 선호를 반영하는데, 이들은 금융 AI 도구에서 예측 정확성과 분석 과정의 투명성을 가장 중시하는 것으로 나타났다.

다국어 초록 (Multilingual Abstract)

This study evaluates a multimodal Bi-LSTM integrating OHLCV data, technical indicators, and sentiment for stock prediction. Using Apple, Meta, and eBay data, the model outperforms unimodal baselines in RMSE, MAE, and directional accuracy, especially near market turning points. Sentiment and technical signals complement price data, improving predictive reliability. A GenZ investor survey highlights accuracy and transparency as key factors, aligning with the model’s explainable design.