설비투자는 국가의 생산능력을 결정하는 중요한 요인 중 하나이기 때문에, 이에 대한 정확한 예측을 통하여 동향을 파악하고 설비투자를 활성화할 수 있는 적절한 정책시행이 요구된다. 본 연구를 통해 설비투자에 영향을 미치는 다양한 거시경제 변수 외에도 텍스트 데이터(Text Data)인 한국은행 뉴스심리지수(News sentiment index, NSI) 와 구글 트렌드 데이터(Google Trends Data)를 이용하여 설비투자에 대한 예측력을개선할 수 있는지 분석하였다. 설비투자 예측 모형에서 거시경제 관련 설명변수를 이용한 모형의 예측력과 한국은행 뉴스심리지수 및 설비투자 관련 검색어 추세 변화량을추가한 모형의 예측력을 비교하였다. 설비투자 예측 모형의 예측력을 비교하기 위해머신러닝(Machine Learning)에 기반한 Adaptive LASSO, Ridge Regression, Random Forest, Neural Network 모형을 추정한 결과, 거시경제 변수를 포함하는 정형데이터만 활용한 모형의 예측력에 비하여 한국은행 뉴스심리지수와 구글 트렌드 데이터를함께 활용한 모형의 예측력이 개선됨을 보였다. 본 연구의 분석결과에 따르면, 향후설비투자의 예측에 있어 정형데이터 이외에도 뉴스 데이터 및 설비투자와 연관된 검색어 추세 등 텍스트 데이터를 활용한다면 정확도가 개선될 것이며, 더 나아가 이를정책 시행에 이용할 수 있을 것으로 보인다.