본 논문은 다양한 금융 데이터 소스(캔들 차트, 주문 통계, 거래량 데이터, 호가창, 뉴스 흐름 등)에서 의미 있는 신호를 추출하는 알고리즘 트레이딩에 초점을 맞추고 있습니다. 딥러닝이 비정형 데이터 처리에 성공적으로 적용된 사례가 많지만, 구조화된 금융 데이터에 대한 적용은 여전히 과제로 남아 있습니다. 본 연구는 딥러닝 모델과 금융 데이터 모달리티를 통합하여 트레이딩 전략과 포트폴리오 최적화에서 예측 성능을 향상시키는 새로운 접근 방식을 제시합니다. 특히, 호가창 분석을 알고리즘 트레이딩에 통합하는 새로운 방법을 제시하며, 호가창 스냅샷을 이미지 기반 표현의 별개 입력 채널로 처리하는 임베딩 기법을 개발했습니다. 이 방법론은 고빈도 거래 알고리즘에서 최첨단 성능을 달성하여 금융 응용 분야에서 딥러닝의 효과를 강조합니다.
