Measuring Financial Sentiment to Predict Financial Instability: A New Approach based on Text Analysis 논문 소개 - 재무 이론 ⑲

2000년대 후반 금융위기 이후, 많은 중앙은행들이 시장 기반 데이터를 활용한 "금융 스트레스 지수(Financial Stress Index)"를 개발해 금융 안정성을 모니터링해 왔다. 그러나 이 논문은 기존 지표를 보완하기 위해 감정의 변화를 텍스트 분석을 통해 측정하는 새로운 접근을 제시한다. 이 방식은 심리학 이론을 기반으로 ‘흥분(excitement)’과 ‘불안(anxiety)’이라는 두 감정 범주를 중심으로 뉴스 텍스트를 분석하는 D.A.T.A(Directed Algorithmic Text Analysis) 기법을 활용한다. 이 논문에 대해 자세히 알아보자. 

1. 서론 

2008년 금융위기 이후, 정책당국은 금융 시스템의 불안정성을 사전에 감지하고 대응할 수 있는 지표 개발에 주력해 왔다. 현재 많은 중앙은행들은 "금융 스트레스 지수(Financial Stress Index, FSI)"를 통해 시장의 위험 신호를 추적하고 있지만, 이는 대부분 금리, 스프레드, 수익률 등 계량적 지표에 기반한다는 한계가 있다.

2. 감정은 어떻게 측정되는가 – D.A.T.A의 원리

금융 시장은 언제나 수많은 변수와 불확실성 속에서 움직인다. 특히 경제 주체들이 미래를 판단할 때는 단순한 정보만으로 결정하지 않고, 감정적 직관과 내러티브에 영향을 받는다. 논문에서 제시한 "Directed Algorithmic Text Analysis(D.A.T.A)"는 바로 이러한 점에 착안하여, 경제 뉴스에 포함된 감정의 흐름을 계량적으로 측정하고자 한다.

이 방법의 핵심은 ‘흥분(excitement)’과 ‘불안(anxiety)’이라는 두 감정 범주에 해당하는 단어들이 뉴스 텍스트에 얼마나 자주 등장하는지를 측정하고, 이를 정량화하여 하나의 감정 지수(RSS: Relative Sentiment Shift)로 만드는 것이다. 예를 들어, 사람들이 긍정적 미래를 상상할 때 사용하는 단어(hope, improve, succeed 등)와 부정적 미래를 떠올릴 때 사용하는 단어(fear, worry, risk 등)를 목록으로 설정하고, 각각의 등장 빈도를 뉴스 기사 수로 나눈 뒤, 흥분 단어 비율에서 불안 단어 비율을 뺀 값이 RSS가 된다.

이러한 접근 방식은 단어 하나하나가 가지는 감정적 함의를 실험적으로 검증한 결과를 기반으로 하며, 단어 자체는 경제 용어가 아닌 일상적인 영어 단어들로 구성된다. 이는 경제 뉴스에서 감정이 어떻게 반영되는지를 보다 보편적이고 인간 중심적으로 분석할 수 있도록 설계된 것이다. 

3. GDP 예측력을 높이다 – 감정지표의 실증분석

전통적인 거시경제 예측 모델은 다양한 계량 변수에 의존하지만, 현실에서는 예측 정확도가 제한적이다. 예컨대, 미국 필라델피아 연준이 운영하는 ‘전문가 경제 전망 조사(SPF)’는 오랜 역사와 신뢰를 자랑하지만, 실증적으로는 분기별 GDP 성장률 변동성의 약 17%밖에 설명하지 못한다. 이에 따라 학계는 더 나은 예측력을 확보하기 위한 대안을 모색해 왔다.

이 논문에서는 SPF의 예측 변수에 RSS를 추가한 모델을 구축해 비교 실험을 진행했다. 그 결과, RSS가 포함된 회귀모형의 설명력은 약 22%로 향상되었으며, 조정된 결정계수(Adjusted R²)가 38% 증가한 것으로 나타났다. 이는 단순한 시장 수치가 아닌 뉴스의 감정적 분위기 자체가 실물 경제를 선행하는 지표가 될 수 있음을 보여준다. 초기 결과에 따르면, 이 감정 지수는 미국 경제 전체에 대한 향후 분기 GDP 성장률 예측력을 개선하며, '클리블랜드 및 세인트루이스 금융 스트레스 지수(CFSI, STLFSI)'의 변동을 선행하는 것으로 나타났다. 이러한 결과는 단순히 ‘뉴스를 많이 보면 경기 예측이 정확해진다’는 식의 논리가 아니다. 오히려 중요한 것은 ‘어떤 종류의 감정이 뉴스에 반영되고 있는가’다. 즉, 긍정적 감정이 우세한 시기에는 경제 주체들이 보다 적극적으로 행동할 가능성이 높아지고, 그 반대의 경우에는 투자와 소비가 위축될 수 있다는 사실을 반영하는 것이다.

4. 금융 스트레스 지수와의 관계 – RSS의 예측력

RSS의 영향력은 실물경제 예측에 국한되지 않는다. 논문에서는 또한 RSS가 미국 연방준비은행들이 개발한 "금융 스트레스 지수(Financial Stress Index, FSI)"에 어떤 영향을 미치는지도 분석했다. 특히 클리블랜드(CFSI)와 세인트루이스(STLFSI)에서 발표하는 FSI와의 관계를 Granger 인과관계 검정을 통해 검토했는데, 두 지수 모두에서 RSS가 선행적으로 영향을 미치는 것으로 나타났다. 구체적으로는, RSS가 CFSI에 Granger-원인(Granger-cause) 관계를 가지는 것으로 나타났고(p=0.0061), STLFSI에 대해서는 그 영향력이 더욱 강하게 드러났다(p <0.001). 이는 금융 시장의 스트레스가 본격적으로 지표에 반영되기 전, 이미 뉴스에 담긴 감정 흐름에서 위험 신호가 감지되고 있었음을 의미한다. 반면, FSI가 RSS에 영향을 준다는 증거는 거의 없었다. 또한, 연구진은 RSS의 적용 범위를 확장하기 위해 특정 키워드에 집중한 분석도 실시했다. 예를 들어 ‘liquidity’라는 단어가 포함된 기사들만 대상으로 RSS를 산출한 결과, 이 역시 STLFSI에 유의미한 예측력을 보였다. 이는 감정 기반 분석이 단순한 전반적 분위기 측정뿐 아니라, 특정 이슈 중심 분석(예: 유동성 위기)에도 활용될 수 있다는 가능성을 보여준다.

5. 결론 : 금융 안정성 예측에 감정을 더하다

이 논문은 감정이 경제에 미치는 영향을 실증적으로 분석한 중요한 시도이며, 기존의 계량적 금융 안정성 지표에 감정이라는 ‘비가시적 요소’를 결합할 수 있는 가능성을 보여준다. 특히, 일반 영어 단어를 활용해 흥분과 불안의 감정을 측정함으로써, 기존의 자산가격 기반 지표만으로는 포착하기 어려운 경제 주체의 심리 변화를 반영할 수 있다는 점이 주목할 만하다. 또한 뉴스 데이터에서 자동으로 추출된 감정 신호가 GDP 성장률, 금융 스트레스 지수에 선행하는 예측 변수로 작용함은 정책당국에게 실질적인 경고 지표로서 활용될 수 있음을 시사한다. 일반 뉴스 기사처럼 감정 표현이 제한된 자료에서도 의미 있는 예측 결과가 도출된 만큼, 향후에는 브로커 보고서 등 감정이 더욱 드러나는 데이터를 활용하여 분석 정확도를 높일 수 있을 것으로 기대된다. 향후에는 금융 포럼, SNS 등 감정 표현이 더욱 명확히 드러나는 데이터셋을 활용하여 예측력을 더욱 강화할 수 있을 것이다. 이처럼 금융 불안정성의 조기 경보 시스템은, 더 이상 숫자에만 의존하지 않고, 사람들의 내면에 숨겨진 감정의 흐름을 분석하는 방향으로 나아가고 있다.