Daily Arxiv

전 세계에서 발간되는 인공지능 관련 논문을 정리하는 페이지 입니다.
본 페이지는 Google Gemini를 활용해 요약 정리하며, 비영리로 운영 됩니다.
논문에 대한 저작권은 저자 및 해당 기관에 있으며, 공유 시 출처만 명기하면 됩니다.

EUR/USD Exchange Rate Forecasting incorporating Text Mining Based on Pre-trained Language Models and Deep Learning Methods

Created by
  • Haebom

저자

Hongcheng Ding, Xiangyu Shi, Ruiting Deng, Salaar Faroog, Deshinta Arrova Dewi, Shamsul Nahar Abdullah, Bahiah A Malek

개요

본 연구는 심층 학습, 텍스트 분석 및 입자 군집 최적화(PSO)를 통합하여 EUR/USD 환율 예측을 위한 새로운 접근 방식을 제시합니다. 온라인 뉴스 및 분석 텍스트를 정성적 데이터로 통합하여 제안된 PSO-LSTM 모델은 기존의 계량 경제 및 머신 러닝 모델보다 우수한 성능을 보여줍니다. RoBERTa-Large 모델을 사용한 감정 분석 및 LDA를 사용한 토픽 모델링을 포함한 고급 텍스트 마이닝 기법을 사용합니다. 실증적 결과는 텍스트 데이터 통합의 중요한 이점을 강조하며, PSO-LSTM 모델이 SVM, SVR, ARIMA 및 GARCH와 같은 벤치마크 모델보다 우수한 성능을 보입니다. ablation 실험은 전체 예측 성능에 대한 각 텍스트 데이터 범주의 기여도를 보여줍니다. 본 연구는 금융 분야에서 인공 지능의 혁신적인 잠재력을 강조하고 실시간 예측 및 대체 데이터 소스 통합에 대한 향후 연구의 길을 열어줍니다.

시사점, 한계점

•
시사점:
◦
심층 학습, 텍스트 분석, PSO를 결합한 새로운 EUR/USD 환율 예측 모델 제시.
◦
기존 모델 대비 우수한 예측 성능 입증.
◦
텍스트 데이터의 중요성과 각 데이터 범주의 기여도 분석.
◦
금융 분야에서 AI 활용의 가능성 제시.
◦
실시간 예측 및 대체 데이터 소스 활용 연구의 토대 마련.
•
한계점:
◦
본 연구에서 사용된 데이터의 시계열적 제약 및 일반화 가능성에 대한 추가 연구 필요.
◦
다른 통화쌍이나 금융 시장으로의 모델 일반화 가능성 검증 필요.
◦
특정 텍스트 전처리 기법 및 모델 선택의 영향에 대한 추가 분석 필요.
◦
실시간 예측 환경에서의 성능 평가 및 안정성 검증 필요.
👍
Made with Slashpage