‘시장의 마음’을 읽어라! 암호화폐 심리 분석의 모든 것 [2024년]

암호화폐 시장은 전통적인 금융 시장보다 변동성이 크고 예측하기 어렵습니다. 투자자의 감정과 심리에 따라 가격이 크게 변할 수 있죠. 이 때문에, 투자자의 심리(sentiment) 분석할 수 있다면 시장의 방향을 예측하는 데 도움을 받을 수 있습니다. 동시에 시장 위기 상황도 미리 포착할 수 있죠.

이번 글에서는 암호화폐 트레이딩에 있어서 심리 분석은 무엇인지, 투자에 어떻게 적용할 수 있는지 알아보겠습니다.

가중 심리로 본 비트코인 가격

가중 심리(weighted sentiment)는 시장 참여자들의 감정과 태도를 종합적으로 평가하는 지표입니다. 이는 단일 지표나 단일 감정 상태에 의존하지 않고 여러 요소를 종합하여 시장의 전반적인 심리 상태를 반영합니다. 암호화폐 분석기업인 센티멘트의 데이터에 따르면, 2024년 5월 중순, 비트코인 가중 심리는 -0.37734로 나타났습니다. 이는 투자자들이 비트코인 가격 추세에 대해 부정적인 감정을 긍정적인 감정보다 더 많이 가지고 있다는 것을 의미합니다. 이때 비트코인 매도 압력이 증가할 수 있으며, 이 상태가 지속될 경우 과매도 상태가 될 수 있습니다.

투자자는 현재 시장에서 지배적인 부정적인 심리를 고려해 신규 투자 시 더욱 신중해야 합니다. 또, 기술적 분석 도구를 사용해 시장 예측의 정확도를 높이는 것이 좋습니다.

암호화폐에서 심리(Sentiment) 분석이란

심리란 사람들이 가지고 있는 태도나 생각 또는 판단을 말합니다. 긍정적인 감정은 시장에 대한 희망적인 시각을 가지게 하며 부정적인 감정은 특정 암호화폐에 대한 비관적 전망을 낳습니다. 암호화폐에서 심리 분석 지표는 소셜미디어나 뉴스 등 공개된 텍스트를 통해 투자자의 감정이나 의견, 심리 등을 컴퓨터로 식별하고 분류한 결과를 통해 산출합니다.

심리 점수(Sentiment Score)

암호화폐에서 심리 점수는 소셜 미디어나 뉴스 등 다양한 데이터 소스에서 생산되는 텍스트 등을 바탕으로 이뤄집니다. 암호화폐 분석기업 센티멘트에 따르면, 심리 점수 측정을 위해 긍정과 부정으로 분류된 160만 개 이상의 트윗이 포함된 대규모 트위터 데이터 세트를 머신러닝 모델을 학습시킵니다. 그런 다음 소셜 데이터 세트에 있는 각 단일 문서의 심리를 평가합니다. 이때 각 메시지, 게시글, 댓글 등에 긍정 또는 부정 심리 점수를 할당합니다.

이후 나온 점수는 텍스트의 내용이 긍정 또는 부정일 확률을 나타냅니다. 이때 긍정과 부정 점수는 모두 0(전혀 긍정/부정적이지 않음)에서 1(매우 긍정/부정적) 사이를 오갑니다. 또, 이 두 점수의 합은 항상 1이 되어야 합니다.

예로, “나는 리브라(Libra) 화폐가 꽤 흥미로워”라고 소셜 네트워크에 포스팅했다면, 이 메시지의 긍정 평가 점수는 0.75점, 부정 평가 점수는 0.25점입니다.

심리 점수 측정에 소셜 네트워크 상의 대화나 댓글을 사용하는 이유는 텍스트 구조가 보통 단일하거나 단순하고 짧기 때문입니다 하지만 모든 메시지가 그런 것은 아닙니다. 일부 메시지는 길고 복잡할 수도 있고, 중립적이거나 스팸 또는 관련 없는 정보일 수도 있습니다. 이러한 종류의 메시지는 일반적으로 긍정과 부정 모두 0.5에 가까운 점수 쌍이 되어 사라집니다. 또, 이러한 메시지는 특정 임계값에 따라 필터링되기 때문에 심리 분석 지표에 포함되지 않습니다.

측정 지표 계산

관련성과 정확성을 보장하기 위해 특정 임계값 이상의 감성어 점수가 있는 텍스트만 감성어 지표에 고려됩니다. 이 접근 방식은 가장 영향력 있는 데이터에 초점을 맞춰 중립적이거나 스팸 또는 관련성이 없는 메시지를 필터링합니다. 페이스북의 감성 측정지표는 모델이나 데이터 소스의 변경 사항을 고려하여 매월 다시 계산되어 가장 최신의 인사이트를 제공합니다.

일반적으로 다음과 같은 과정을 거칩니다.

데이터 수집

• 뉴스 기사: 주요 금융 뉴스 웹사이트에서 암호화폐 관련 기사를 수집합니다.
• 소셜 미디어: 트위터, 레딧, 페이스북 등에서 암호화폐와 관련된 게시물과 댓글을 수집합니다.
• 포럼: 비트코인 토크 등 암호화폐 관련 포럼에서 토론 내용을 수집합니다.
• 블로그와 유튜브: 암호화폐 관련 블로그 글과 유튜브 영상의 댓글을 수집합니다.

데이터 전처리

• 텍스트 정리: HTML 태그, 링크, 특수 문자 등을 제거합니다.
• 토큰화: 텍스트를 단어 또는 문장 단위로 나눕니다.
• 불용어 제거: 의미 없는 단어들을 제거합니다 (예: a, an, the).
• 어간 추출 및 표제어 추출: 단어의 기본 형태를 추출하여 분석합니다.

심리 분석 모델 적용

• 사전 기반 접근: 감정 사전을 사용하여 각 단어에 긍정적 또는 부정적 점수를 부여합니다. 예를 들어, “good”은 긍정적 점수, “bad”는 부정적 점수를 갖습니다.
• 기계 학습 모델: 감정 분석을 위해 훈련된 머신 러닝 모델(예: Naive Bayes, SVM, LSTM)을 사용합니다. 이 모델은 트위터와 같은 소셜 미디어 데이터셋을 사용하여 훈련된 후, 새로운 텍스트에 감정 점수를 부여합니다.

심리 점수 계산

• 문서 수준 감정 점수: 각 문서(뉴스 기사, 트윗 등)에 대해 긍정적 감정 점수와 부정적 감정 점수를 계산합니다. 이 점수는 0에서 1 사이의 값이며, 두 점수의 합은 1이 됩니다.
• 집계 및 가중치 부여: 모든 문서의 감정 점수를 평균내거나 가중 평균을 계산하여 전체 시장 심리를 나타내는 점수를 도출합니다. 예를 들어, 신뢰할 수 있는 뉴스 소스는 더 큰 가중치를 부여할 수 있습니다.

시각화 및 해석

• 시각화: 시간에 따른 감정 점수의 변화를 그래프로 나타내어 시장 심리의 추세를 파악합니다.
• 해석: 감정 점수가 높을수록(긍정적) 시장이 강세일 가능성이 높으며, 낮을수록(부정적) 약세일 가능성이 큽니다.

가령, 트위터에서 “Bitcoin is doing great today!(비트코인이 오늘 엄청나다)”와 “Bitcoin crash is imminent.(비트코인 가격 폭락이 임박했다)”라는 문장을 분석한다고 해 봅시다. 그러면, 심리 분석값은 각각 다음과 같은 결과가 나옵니다.

• Bitcoin is doing great today!: 긍정적 감정 점수 = 0.9, 부정적 감정 점수 = 0.1
• Bitcoin crash is imminent.: 긍정적 감정 점수 = 0.2, 부정적 감정 점수 = 0.8

여기서 두 문장의 각각 긍정과 부정의 평균값은 아래와 같습니다.

• 평균 긍정적 감정 점수 = (0.9 + 0.2) / 2 = 0.55
• 평균 부정적 감정 점수 = (0.1 + 0.8) / 2 = 0.45

가중 심리(Weighted Sentiment) 지표

가중 심리는 긍정적인 감정과 부정적인 감정을 단순 비율로 비교하는 센티멘트 밸런스(Sentiment Balance) 모델을 개선한 지표입니다. 센티멘트 밸러스는 “비트코인은 끝내줘요”라는 문장이 있다면, 전체 긍정적인 점수에서 부정적인 점수를 단순히 뺀 것입니다. 이때 양수이면, 긍정이고 음수이면 부정 심리를 나타냅니다. 여기서, 얼마나 많은 사람이 이 주제에 대해 관심을 가지고 있는지 등 질적 분석이 어렵습니다. 전체적인 시장 심리를 완벽하게 반영하지 못할 수 있죠.

하지만, 가중 심리는 특정 주제나 암호화폐에 대해 언급하는 사람의 수와 그 활동 빈도를 추가로 고려합니다. 이를 통해 감정 분석을 더 정확하고 신뢰할 수 있게 만듭니다.

가중 심리란

가중 심리는 언급 횟수를 고려해 값을 조정하고, 데이터를 표준화하여 다양한 자산 감정을 비교할 수 있도록 합니다. 즉, 코인에 대해 언급이 많을 때 지표의 급등과 급락을 표시합니다.

가중 심리 기술 정의

이 지표는 아래와 같은 산술식으로 X을 산출합니다.

X=UniqueSocialVolume×AverageSentiment

특정 시간 범위 동안의 데이터를 선택하는 방법인, ‘슬라이딩 창(sliding window)’을 사용하면 특정 시간 범위 내의 데이터를 모아 분석할 수 있습니다. 이를 통해 최신 데이터와 과거 데이터를 모두 반영하여 평균과 표준 편차를 계산하고, 더 정확한 감정 분석을 수행할 수 있습니다. 방법은 다음과 같습니다.

1. 기간 𝑑 선택: 먼저 분석할 기간의 길이를 선택합니다. 예를 들어, 1시간, 1일, 또는 1주일이 될 수 있습니다.
2. 타임스탬프 𝑡: 특정 시점을 설정합니다. 예를 들어, 지금 이 순간이나 특정 날짜와 시간을 설정할 수 있습니다.
3. 슬라이딩 창의 작동 방식: 타임스탬프 𝑡에서 시작하여, 𝑡−𝑑까지의 모든 시간을 포함하는 데이터 집합을 만듭니다. 예를 들어, 현재 시점이 오후 2시이고, 기간 𝑑 가 1시간이라면, 오후 1시부터 오후 2시까지의 모든 데이터를 포함합니다.
4. 모집단 𝑋(𝑡,𝑑): 이 시간 범위 내의 모든 데이터를 모아 하나의 집합으로 만듭니다. 예를 들어, 오후 1시부터 오후 2시까지의 모든 트윗이나 뉴스 기사를 수집합니다.
5. 평균 (𝜇)와 표준 편차 (𝜎) 계산: 이 데이터 집합에서 평균과 표준 편차를 계산합니다. 평균은 이 시간 동안의 데이터의 평균 값을 나타내고, 표준 편차는 데이터가 평균에서 얼마나 떨어져 있는지를 나타냅니다.
6. 감성 가중치 정의: 이렇게 계산된 평균과 표준 편차를 사용하여 각 데이터의 감정 점수를 평가할 때 가중치를 부여합니다. 이는 더 정확한 감정 분석을 위해 사용됩니다.

암호화폐 심리 분석은 투자자와 시장 참여자들의 감정과 의견을 평가하여 시장의 전반적인 분위기를 파악하는 중요한 도구입니다. 이를 통해 시장의 과매수 또는 과매도 상태를 예측하고 투자 결정을 내리는 데 도움이 됩니다. 이때 공포와 탐욕 지수((Fear and Greed Index)와 소셜 미디어 긍정도, 거래량 변화, 가격 변동성 등을 함께 분석하면, 투자자의 심리를 보다 명확히 파악할 수 있습니다.