Stock Market Prediction Using Node Transformer Architecture Integrated with BERT Sentiment Analysis

작성자

Haebom

카테고리

Empty

저자

Mohammad Al Ridhawi, Mahtab Haj Ali, Hussein Al Osman

💡 개요

본 논문은 주식 시장의 예측 불확실성을 해결하기 위해 BERT 기반 감성 분석과 그래프 기반 노드 트랜스포머 아키텍처를 결합한 통합 프레임워크를 제안한다. 제안 모델은 주식 시장을 노드로 표현하고, 섹터, 가격 상관관계, 공급망 등으로 연결된 엣지를 활용하여 종목 간의 복잡한 관계를 모델링한다. 이를 통해 기존 방법론 대비 상당한 예측 정확도 향상을 달성하며, 특히 감성 정보와 종목 간의 상호 의존성을 효과적으로 포착한다.

🔑 시사점 및 한계

•

감성 분석과 그래프 신경망을 통합하여 기존 시계열 모델의 한계를 극복하고 주식 시장 예측 정확도를 크게 향상시킬 수 있다.

•

고변동성 시기 및 실적 발표와 같은 특정 이벤트에서 예측 성능이 더욱 두드러져, 투자 및 위험 관리 전략 수립에 기여할 수 있다.

•

방대한 양의 비정형 데이터(소셜 미디어)와 정형 데이터(시장 데이터)를 통합하는 모델의 복잡성과 계산 비용, 그리고 모델의 일반화 가능성에 대한 추가적인 연구가 필요하다.

PDF 보기

Made with Slashpage