본 논문은 거시경제 이벤트의 시장 영향 예측을 개선하기 위해 CAMEF(Causal-Augmented Multi-Modality Event-Driven Financial Forecasting)라는 다중 모달리티 프레임워크를 제안합니다. CAMEF는 기존의 텍스트 분석이나 시계열 모델링 방식과 달리, 정책 텍스트와 시계열 데이터를 통합하여 거시경제 이벤트와 시장 가격 변동 간의 인과 관계를 파악합니다. 이는 LLM 기반의 반사실적 이벤트 증강 기법을 활용하여 이루어집니다. 논문에서는 2008년부터 2024년 4월까지의 6가지 유형의 거시경제 발표 자료와 5가지 주요 미국 금융 자산의 고빈도 실거래 데이터를 포함하는 새로운 금융 데이터셋을 사용하여 CAMEF의 성능을 평가하고, 최첨단 트랜스포머 기반 시계열 및 다중 모달 베이스라인과 비교 분석합니다. 또한 인과 학습 메커니즘과 이벤트 유형의 효과를 검증하기 위한 ablation study를 수행합니다.
