The Journal of Information Systems (한국정보시스템학회지:정보시스템연구)

Korea Association of Information Systems (한국정보시스템학회)
권호 표지
DOI QR코드

DOI QR Code

Using Data Mining Techniques for Analysis of the Impacts of COVID-19 Pandemic on the Domestic Stock Prices: Focusing on Healthcare Industry

데이터 마이닝 기법을 통한 COVID-19 팬데믹의 국내 주가 영향 분석: 헬스케어산업을 중심으로

  • 김덕현 (경상국립대학교 경영정보학과) ;
  • 유동희 (경상국립대학교 경영정보학과) ;
  • 정대율 (경상국립대학교 경영정보학과)
  • Received : 2021.06.13
  • Accepted : 2021.09.03
  • Published : 2021.09.30
Download PDF
⟨ Previous Next ⟩

Abstract

Purpose This paper analyzed the impacts of domestic stock market by a global pandemic such as COVID-19. We investigated how the overall pattern of the stock market changed due to the impact of the COVID-19 pandemic. In particular, we analyzed in depth the pattern of stock price, as well, tried to find what factors affect on stock market index(KOSPI) in the healthcare industry due to the COVID-19 pandemic. Design/methodology/approach We built a data warehouse from the databases in various industrial and economic fields to analyze the changes in the KOSPI due to COVID-19, particularly, the changes in the healthcare industry centered on bio-medicine. We collected daily stock price data of the KOSPI centered on the KOSPI-200 about two years before and one year after the outbreak of COVID-19. In addition, we also collected various news related to COVID-19 from the stock market by applying text mining techniques. We designed four experimental data sets to develop decision tree-based prediction models. Findings All prediction models from the four data sets showed the significant predictive power with explainable decision tree models. In addition, we derived significant 10 to 14 decision rules for each prediction model. The experimental results showed that the decision rules were enough to explain the domestic healthcare stock market patterns for before and after COVID-19.

Keywords

References

  1. 강현철 외 5명, 빅데이터 분석을 위한 데이터마이닝 방법론, 자유아카데미, 2014.
  2. 고강석, "업종별 주가지수와 주가-환율 관계의 안정성," Journal of Korean Data Analysis Society, 제20권, 제2호, 2018, pp. 815-828. https://doi.org/10.37727/jkdas.2018.20.2.815
  3. 고승의, "한국 주식시장에서 성장주와 가치주의 초과수익률 비교," 한국융합학회논문지, 제9권, 제7호, 2018, pp. 213-222. https://doi.org/10.15207/JKCS.2018.9.7.213
  4. 김덕현, 유동희, 정대율, "의사결정나무 기법을 이용한 노인들의 자살생각 예측모형 및 의사결정 규칙 개발," 정보시스템연구, 제28권, 제3호, 2019, pp. 249-276.
  5. 김명진, 류지혜, 차동호, 심민규, "SNS감성 분석을 이용한 주가 방향성 예측: 네이버 주식토론방 데이터를 이용하여," 한국전자거래학회지, 제25권, 제4호, 2020, pp. 61-75. https://doi.org/10.7838/JSEBS.2020.25.4.061
  6. 김민정, 권택호, "코로나19와 한국 제약바이오 기업의 시장성과," 경영경제연구, 제43권, 제1호, 2021, pp. 165-187. https://doi.org/10.22828/MERI.2021.43.1.007
  7. 김용재, 이상춘, "한국의 거시경제 지표가 기업의 주가수익률에 미치는 영향분석: SVAR 활용," 전문경영인연구, 제20권, 제3호, 2017, pp. 281-303.
  8. 김유신, 김남규, 정승렬 , "뉴스와 주가: 빅데이터 감성분석을 통한 지능형 투자결정모형," 지능정보연구, 제18권, 제2호, 2012, pp. 143-156. https://doi.org/10.13088/JIIS.2012.18.2.143
  9. 김정희, 장병기, "금융시장 환경변화에 따른 거시경제 및 해외변수들의 주가에 대한 영향력 변화," 산업경제연구, 제23권, 제4호, 2010, pp. 2105-2134.
  10. 김주일, "KOSPI 지수 및 KOSDAQ 지수와 환율과의 상호연관성에 관한 연구," 한국산업경제학회 2013년도 추계국제학술대회 논문집, 2013, pp. 37-54.
  11. 손애린, 신왕수, 이준기, "텍스트 마이닝 기반의 자산관리 핀테크 기업 핵심 요소 분석: 사용자 리뷰를 바탕으로," 정보시스템연구, 제29권, 제4호, 2020, pp. 137-151.
  12. 성노윤, 남기환, "산업군 내 동질성을 고려한 온라인 뉴스 기반 주가 예측," 지능정보연구, 제24권, 제2호, 2018, pp. 1-19. https://doi.org/10.13088/JIIS.2018.24.2.001
  13. 안성원, 조성배, "뉴스 텍스트 마이닝과 시계열 분석을 이용한 주가 예측," 한국정보과학회 2010 한국컴퓨터종합학술대회 논문집, 제37권, 제1호, 2010, pp. 364-369.
  14. 유지돈, 이익선, "인터넷 뉴스 콘텐츠 빅데이터를 활용한 종합주가지수 예측," 경영과학, 제35권, 제4호, 2018, pp. 1-14.
  15. 이용대, 박현기, 김수욱, "한국 주식시장에서 주식 수익률과 거래량 간의 동적 관계 분석," 산업경제연구, 제28권, 제2호, 2015, pp. 739-758.
  16. 전새미, 정여진, 이동엽, "개별 기업에 대한 인터넷 검색량과 주가변동성의 관계: 국내 코스닥시장에서의 산업별 실증분석," 지능정보연구, 제22권, 제2호, 2020, pp. 81-96. https://doi.org/10.13088/JIIS.2016.22.2.081
  17. 전해정, "코로나-19가 자산시장에 미친 영향에 관한 연구," 인문사회 21, 제11권, 제5호, 2020, pp. 2059-2070.
  18. 정용완, 정승국, "데이터웨어하우스(DW) 어플라이언스 기술 동향 분석," 한국정보기술학회지, 제10권, 제2호, 2012, pp. 107-111.
  19. 홍태호, 김은미, 차은정, "뉴스 감성분석과 SVM을 이용한 다우존스 지수와 S&P500 지수 예측," 인터넷전자상거래연구, 제17권, 제1호, 2017, pp. 23-36.
  20. KOSIS, "코로나 19 발생현황," 2020, https://kosis.kr/covid/covid_index.do
  21. WHO, "Coronavirus Disease (COVID-19) Report," 2020, https://www.who.int/emergencies/diseases/novel-coronavirus-2019
  22. 한국거래소, "주식시장-유가시장-유가증권시장 소개-코스피," 2021a, http://open.krx.co.kr/contents/OPN/01/01010101/OPN01010101.jsp
  23. 한국거래소. "파생상품시장-주가지수상품-코스피200 섹터지수선물," 2021b, http://open.krx.co.kr/contents/OPN/01/01040203/OPN01040203.jsp
  24. 한국은행, "통화정책-통화정책방향-한국은행 기준금리 추이," 2021, https://www.bok.or.kr/portal/singl/baseRate/list.do?dataSeCd=01&menuNo=200643
  25. Burez, J. and Van den Poel, D., "Handling Class Imbalance in Customer Churn Prediction," Expert Systems with Applications, Vol. 36, No. 3, 2009, April, pp. 4626-4636. https://doi.org/10.1016/j.eswa.2008.05.027
  26. Longade, R., Dongre, S., and Malik, L., "Class Imbalance Problem in Data Mining: Review," International Journal of Computer Science and Network, Vol. 2, Iss. 1, 2013, February, pp. 1-6.
  27. Song, Y. and Lu, Y., "Decision Tree Methods: Applications for Classification and Prediction," Shanghai Arch Psychiatry, Vol. 27, No. 2, 2015, pp. 130-135. https://doi.org/10.11919/j.issn.1002-0829.215044