본 논문은 정규화된 희소 오토인코더(RSAE)라는 심층 학습 프레임워크를 제시하여 동시다발적인 다중 수평선 원자재 가격 예측과 해석 가능한 잠재 시장 동인 발견을 수행합니다. RSAE는 다변량 시계열 데이터를 사용하여 여러 수평선(예: 1일, 1주, 1개월)에서 가격을 예측합니다. 특히, 잠재 벡터 z에 대한 L1 정규화($\mathbf{z}_1$)를 통해 희소성을 강제하여 기저 동인(예: 수요, 공급 충격)을 나타내는 학습된 요인을 통해 시장 역학에 대한 간결한 설명을 촉진합니다. 에너지 기반 모델과 희소 코딩에서 아이디어를 얻은 RSAE는 예측 정확도를 최적화하는 동시에 희소 표현을 학습합니다. 구리와 원유 데이터에 대한 평가 결과, RSAE는 경쟁력 있는 다중 수평선 예측 정확도와 해석 가능한 잠재 공간을 통한 가격 역학에 대한 데이터 기반 통찰력을 제공하는 것으로 나타났습니다. 이는 기존 블랙박스 방식의 주요 장점입니다.
