본 논문은 정규화된 희소 오토인코더(RSAE)라는 심층 학습 프레임워크를 제시하여 동시에 다중 수평선 원자재 가격 예측과 해석 가능한 잠재 시장 동인의 발견을 수행합니다. 다양한 상호 작용 요소(거시경제, 수요/공급, 지정학적 요소 등)로 인해 예측이 복잡한 구리와 원유와 같은 원자재 가격을 다변량 시계열을 사용하여 여러 수평선(예: 1일, 1주, 1개월)에서 예측합니다. 잠재 벡터에 대한 L1 정규화를 통해 희소성을 강화하여, 기저 동인(예: 수요, 공급 충격)을 나타내는 학습된 요소를 통해 시장 역학에 대한 간결한 설명을 촉진합니다. 에너지 기반 모델과 희소 코딩을 활용하여 예측 정확도를 최적화하는 동시에 희소 표현을 학습합니다. 구리와 원유의 과거 데이터와 수많은 지표를 사용하여 평가한 결과, RSAE는 경쟁력 있는 다중 수평선 예측 정확도와 해석 가능한 잠재 공간을 통한 가격 역학에 대한 데이터 기반 통찰력을 제공하는 것으로 나타났습니다. 이는 기존의 블랙박스 접근 방식에 비해 주요한 장점입니다.
