상관관계를 넘어: 반증 검증 기반의 측면별 감성 분석을 통한 설명 가능한 에너지 시장 수익률 분석

Beyond Correlation: Refutation-Validated Aspect-Based Sentiment Analysis for Explainable Energy Market Returns

본 논문은 금융 시장에서 측면별 감성 분석에 대한 반증 검증 기반 프레임워크를 제안하며, 진정한 연관성을 허위 연관성으로부터 구별할 수 없는 상관관계 연구의 한계를 극복합니다. 에너지 부문의 X 데이터를 활용하여, 측면 수준의 감성 신호가 주식 수익률과 얼마나 강력하고 반증 검증 가능한 관계를 보이는지 테스트합니다. 제안하는 방법론은 순수 비율 점수(net-ratio scoring)와 Z-정규화, OLS(최소제곱법)와 Newey-West HAC 오차, 그리고 플레이스보(placebo), 무작위 공통 원인(random common cause), 부분집합 안정성(subset stability), 부트스트랩(bootstrap)을 포함한 반증 테스트를 결합합니다. 6개의 에너지 관련 주식을 분석한 결과, 몇 가지 연관성만이 모든 검증 과정을 통과했으며, 재생 에너지 관련 주식은 측면과 기간에 따라 특정한 반응을 보였습니다. 인과관계를 명확히 규명하지는 못하지만, 제안하는 프레임워크는 통계적으로 강력하고 방향성을 해석할 수 있는 신호를 제공합니다. 그러나 제한된 샘플 크기(6개 주식, 1분기)로 인해 일반화에는 제약이 있으며, 본 연구는 방법론적 개념 증명으로 간주됩니다.

This paper proposes a refutation-validated framework for aspect-based sentiment analysis in financial markets, addressing the limitations of correlational studies that cannot distinguish genuine associations from spurious ones. Using X data for the energy sector, we test whether aspect-level sentiment signals show robust, refutation-validated relationships with equity returns. Our pipeline combines net-ratio scoring with z-normalization, OLS with Newey West HAC errors, and refutation tests including placebo, random common cause, subset stability, and bootstrap. Across six energy tickers, only a few associations survive all checks, while renewables show aspect and horizon specific responses. While not establishing causality, the framework provides statistically robust, directionally interpretable signals, with limited sample size (six stocks, one quarter) constraining generalizability and framing this work as a methodological proof of concept.