대규모 언어 모델(LLM)을 활용하여 주식 예측을 수행하는 연구는 텍스트 분석에 집중했으나, 기술적 분석(과거 가격 데이터 분석)은 소홀히 다루어졌습니다. 본 연구는 시계열 데이터와 자연어 간의 도메인 변환 문제를 해결하기 위해 Verbal Technical Analysis (VTA)라는 새로운 프레임워크를 제안합니다. VTA는 언어적 추론과 잠재적 추론을 결합하여 정확하고 해석 가능한 주식 시계열 예측을 생성합니다. 주가 데이터를 텍스트 주석으로 변환하고 역 MSE (Mean Squared Error) 보상 목적 함수를 사용하여 추론 과정을 최적화합니다. 또한, 텍스트 기반 추론으로부터 시계열 출력을 생성하기 위해 시계열 백본 모델의 출력을 추론 기반 속성에 의존하게 합니다. 미국, 중국, 유럽 시장의 주식 데이터셋에 대한 실험 결과, VTA는 최첨단 예측 정확도를 달성했으며, 업계 전문가 평가에서도 우수한 추론 결과를 보였습니다.
