Daily Arxiv

전 세계에서 발간되는 인공지능 관련 논문을 정리하는 페이지 입니다.
본 페이지는 Google Gemini를 활용해 요약 정리하며, 비영리로 운영 됩니다.
논문에 대한 저작권은 저자 및 해당 기관에 있으며, 공유 시 출처만 명기하면 됩니다.

History Rhymes: Macro-Contextual Retrieval for Robust Financial Forecasting

Created by
  • Haebom
Category
Empty

저자

Sarthak Khanna, Armin Berger, Muskaan Chopra, Rafet Sifa

개요

본 논문은 금융 시장의 비정상성으로 인한 예측 모델의 실패 문제를 해결하기 위해, 거시 경제 환경을 기반으로 하는 검색 증강 예측 프레임워크인 "macro-contextual retrieval"을 제안한다. 이 프레임워크는 거시 지표와 뉴스 감성을 공유 유사 공간에 임베딩하여, 훈련 없이도 추론 시 과거 유사 거시 경제 환경을 검색할 수 있도록 한다. 17년간의 S&P 500 데이터로 훈련된 모델은 AAPL과 XOM의 OOD 환경에서 일관적으로 CV-OOD 성능 격차를 줄였으며, 유일하게 긍정적인 OOS 트레이딩 결과를 달성했다.

시사점, 한계점

•
시사점:
◦
거시 경제 환경을 고려한 검색 증강 방식은 분산 변화에 강건한 예측을 가능하게 한다.
◦
해당 방법은 해석 가능한 증거 체인을 제공하여 인과적 해석 가능성과 투명성을 높인다.
◦
OOS 환경에서 긍정적인 트레이딩 결과를 달성하여 실질적인 활용 가능성을 입증했다.
◦
모든 데이터셋, 모델, 소스 코드를 공개하여 재현 가능성을 확보했다.
•
한계점:
◦
구체적인 한계점에 대한 논문 내 언급 없음.
👍
Made with Slashpage