FinBERT, GPT-4 및 로지스틱 회귀를 사용한 혁신적인 감정 분석 및 주가 예측: 데이터 중심 접근법

이 연구는 NGX All-Share Index 데이터 세트를 사용하여 감정 분석 및 주식 지수 예측을 위한 FinBERT, GPT-4 및 로지스틱 회귀의 비교 성능을 탐구합니다. GPT-4 및 FinBERT와 같은 고급 언어 모델과 전통적인 기계 학습 모델인 로지스틱 회귀를 활용하여 우리는 시장 감정을 분류하고, 감정 점수를 생성하며, 시장 가격 변동을 예측하는 것을 목표로 합니다. 모델은 정확성, 정밀도, 재현율, F1 점수 및 ROC AUC와 같은 메트릭을 사용하여 평가되었습니다. 결과에 따르면 로지스틱 회귀는 81.83%의 정확도와 89.76%의 ROC AUC로 FinBERT와 GPT-4를 모두 능가했습니다. GPT-4의 사전 정의된 접근법은 54.19%의 낮은 정확도를 보였지만 복잡한 데이터를 처리하는 데 강력한 잠재력을 보여주었습니다. FinBERT는 보다 정교한 분석을 제공하지만 계산적으로 부담이 크고 보통의 성능을 나타냈습니다. Optuna를 사용한 하이퍼파라미터 최적화 및 교차 검증 기술은 모델의 견고성을 보장했습니다. 이 연구는 주식 시장 예측에서 이러한 접근법의 강점과 한계를 강조하고, 이 작업에 가장 효율적인 모델로 로지스틱 회귀를 제시하며, FinBERT와 GPT-4가 향후 탐구의 가능성을 보여줍니다.