대규모 언어 모델 기반 소형주 투자: 금융 뉴스 심리, 거시 경제 지표, 기술적 신호 통합

핵심 요약

• 무엇을 · 이 연구는 대규모 언어 모델(LLM)을 활용하여 금융 뉴스에서 더 풍부한 투자 신호를 추출하고, 이를 거시 경제 지표 및 기술적 신호와 결합하여 소형주 투자 전략을 개발했습니다.
• 어떻게 · 기존 방식과 달리, 모델이 예측하는 위험(우연적 위험과 인식론적 위험으로 분해)을 포트폴리오 할당자의 공분산 행렬에 직접 반영하여 불확실성을 고려한 포트폴리오를 구성했습니다. 주식 선택은 세 가지 방식으로 이루어졌습니다: 거시 지표로 설명되지 않는 주식 움직임을 포착하는 '순수 알파' 트리거, 주식 자체보다 먼저 거시 지표 움직임을 포착하는 '순수 베타' 트리거, 그리고 두 채널이 모두 일치하는 '베타 교차' 트리거입니다.
• 결과 · 전반적으로 순수 알파와 순수 베타 방식이 베타 교차 방식보다 샤프 비율과 수익률 면에서 우수했습니다. 특히, 1일 보유 기간에서는 순수 베타가 낮은 거래 비용에서 효과적이었고, 40일 보유 기간에서는 느린 거시 경제 재평가로 인해 순수 베타가 기업 고유의 순수 알파 채널보다 더 효과적이었습니다. GPT-4o mini 감성 모델, Student-t 목표, 40일 보유 기간, 위험 균등 할당을 사용한 순수 베타 전략이 가장 강력한 결과를 보였습니다.

왜 중요한가

이 연구는 LLM이 금융 시장에서 단순한 감성 분석을 넘어, 복잡한 불확실성까지 고려한 투자 결정을 내리는 데 활용될 수 있음을 보여줍니다. 특히, 기업 고유의 요인과 거시 경제 요인을 분리하여 투자 신호를 활용하는 새로운 접근 방식은 투자 전략 수립에 중요한 시사점을 제공합니다.

실생활·산업 영향

개인 투자자나 기관 투자자들이 LLM 기반의 고급 분석 도구를 활용하여 소형주 시장에서 더 정교하고 수익성 높은 투자 전략을 수립하는 데 기여할 수 있습니다. 특히, 거시 경제 변화에 민감한 소형주 투자에서 위험 관리를 개선하는 데 도움이 될 수 있습니다.

한계·주의

초록에 명시된 한계는 없지만, 100bps의 높은 거래 비용에서는 순수 베타의 1일 보유 기간 이점이 사라진다는 점은 실제 적용 시 거래 비용의 중요성을 시사합니다.