금융 뉴스에서 감성을 측정하는 것은 경제 및 금융 분야에서 매우 중요합니다. 기존의 사전 기반 방법은 문맥, 부정, 의미 구조를 파악하는 데 한계가 있습니다. 본 논문은 트랜스포머 기반 언어 모델을 사용하여 일별 뉴스 감정 지수를 생성하는 프레임워크를 소개합니다. 본 연구는 이러한 모델이 전통적인 사전 접근 방식보다 감성을 더 잘 나타내는지 평가합니다. Factiva에서 143,755개의 금융 뉴스 기사를 분석하여 FinBERT를 사용하여 문장 수준에서 감성을 분류했습니다. 그런 다음 이러한 예측을 기사 수준 및 일별 감성 측정치로 집계했습니다. 개발된 지수는 기존 벤치마크 측정치와 비교되었습니다. 중요한 기여는 이러한 새로운 측정치를 인간의 판단과 비교하여 검증한 것입니다. 인센티브가 부여된 연습에는 444명의 참가자가 금융 뉴스 기사 하위 표본을 평가하는 것이 포함되었습니다. 이러한 합의된 인간 평가는 자동화된 측정치에 대한 외부 벤치마크 역할을 했습니다. 트랜스포머 기반 측정치는 인간의 판단과 더 강한 일치를 보였고 감성 범주를 구별하는 데 더 나은 성능을 보였습니다. 결과는 트랜스포머 모델이 문맥 정보를 통합함으로써 금융 뉴스에 대한 인간의 평가와 더 일치하는 감성 측정치를 생성한다는 것을 나타냅니다.