Exploring the Synergy of Quantitative Factors and Newsflow Representations from Large Language Models for Stock Return Prediction
Created by
Haebom
Category
Empty
저자
Tian Guo, Emmanuel Hauptmann
개요
본 논문은 주식 수익률 예측 및 종목 선정을 위해 다양한 정량적 요인과 LLM(Large Language Model)으로 생성된 뉴스 흐름을 활용하는 효과적인 방법을 연구합니다. 구체적으로, 요인 및 뉴스 흐름 표현을 통합하는 융합 학습 프레임워크와 개별 모달리티 및 융합 예측을 적응적으로 결합하는 혼합 모델을 제시합니다. 실험을 통해 요인과 뉴스를 효과적으로 결합하는 방법을 탐구하고, 주식 수익률 예측 및 종목 선정에 대한 통찰력을 제공합니다.
시사점, 한계점
•
시사점:
◦
다중 모달리티(요인 및 뉴스 흐름)를 통합하는 효과적인 모델링 방법론 제시.
◦
융합 학습 프레임워크 내에서 다양한 결합 방법(표현 결합, 표현 합산, 어텐션 기반 표현) 비교.
◦
혼합 모델을 통해 개별 모달리티 및 융합 예측의 장점을 결합하는 방법 제시.
◦
혼합 모델의 학습 안정성을 위한 분리된 학습 접근 방식 제시.
◦
실제 투자 환경에서의 실험을 통해 실질적인 통찰력 제공.
•
한계점:
◦
융합 학습 프레임워크 내에서 복잡도에 따른 방법 간의 성능 차이에 대한 추가적인 분석 필요.
