Impact of Firm-specific Textual Sentiment on Credit spreads

Abstract

While the impact of investor sentiment on the stock market has been extensively studied, there remains a notable gap in understanding similar dynamics in the bond market. To address this gap, this study examines the relationship between credit spreads and textual sentiment. Using natural language processing, we extract firm-specific sentiment expressed in news articles and blog posts and examine it them based on textual tone and emotion. Our findings are as follows. First, we find that sentiment is positively related to the subsequent decline in credit spreads. Sentiment derived from the news is more predictive of credit spreads than the sentiment derived from the blogs. Notably, the relationship between sentiment and credit spreads varies across market types. There is a negative correlation between sentiment and the following month's credit spread for KOSPI-listed firms, while a positive correlation is observed for KOSDAQ-listed firms. During crisis periods, such as the US-China trade war and COVID-19, the impact of sentiment on credit spreads increases. A long-short portfolio strategy based on sentiment generates significant profits, confirming the economic importance and the potential for investors to use sentiment analysis to generate returns.

본 논문은 기업별 텍스트 감성이 신용 스프레드에 미치는 영향을 알아보고자 하였다. 유가증권시장과 코스닥에 상장된 기업을 대상으로 자연어 처리(NLP) 기법을 이용하여 뉴스와 블로그에 표현된 기업별 텍스트 감성을 추출하였다. 실증 분석 결과를 살펴보면, 감성이 커질수록 미래 신용 스프레드가 줄어들고, 뉴스에서 추출한 감성이 블로그 기반 감성보다 신용 스프레드에 더 큰 영향을 미치는 것으로 나타났다. 특히 시장 유형에 따라 분석한 결과 감성이 높아질수록 코스피 상장 기업의 익월 신용 스프레드는 낮아지고 코스닥 상장 기업의 익월 신용 스프레드는 높아지는 것으로 나타났다. 특히 미-중 무역전쟁과 같이 외부 충격이 발생하였을 때 감성이 신용 스프레드에 더 큰 영향을 미치는 것을 확인하였다. 마지막으로, 과거 감성을 기반으로 한 롱-숏 포트폴리오 전략을 통해 수익 창출이 가능하다는 것을 확인하였다. 분석을 통하여 수익이 창출할 수 있는 가능성을 확인하였다. 본 연구는 머신러닝 방법으로 구축한 텍스트 감성과 신용 스프레드 사이의 관계를 보여줌으로써, 감성이 주식 시장뿐 아니라 채권시장에서도 영향을 미치며, 위험 속성에 따라 그 영향이 달라지는 것을 보여준다.