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.

TIP-Search: Time-Predictable Inference Scheduling for Market Prediction under Uncertain Load

Created by
  • Haebom

저자

Xibai Wang

개요

본 논문은 불확실한 작업량 하에서 실시간 시장 예측을 위한 시간 예측 가능한 추론 스케줄링 프레임워크인 TIP-Search를 제안합니다. 고주파 금융 시스템의 엄격한 지연 시간 요구 사항을 고려하여 TIP-Search는 이기종 모델 풀에서 딥러닝 모델을 동적으로 선택하여 예측 정확도를 극대화하면서 각 작업의 마감 시간 제약 조건을 충족하는 것을 목표로 합니다. 본 접근 방식은 오프라인으로 지연 시간과 일반화 성능을 프로파일링한 후, 명시적인 입력 도메인 레이블에 의존하지 않고 온라인 작업 인식 선택을 수행합니다. 세 개의 실제 한도 주문장 데이터 세트(FI-2010, Binance BTC/USDT, LOBSTER AAPL)에서 TIP-Search를 평가하여 정확도가 최대 8.5% 향상되고 마감 시간 충족률이 100%인 정적 기준선을 능가함을 보여줍니다. 결과는 불확실성 하에서 강력한 저지연 금융 추론에서 TIP-Search의 효과를 강조합니다.

시사점, 한계점

•
시사점:
◦
불확실한 작업량 하에서 실시간 시장 예측을 위한 효과적인 시간 예측 가능한 추론 스케줄링 프레임워크를 제시합니다.
◦
명시적인 입력 도메인 레이블 없이 온라인 작업 인식 모델 선택을 통해 예측 정확도와 마감 시간 충족률을 동시에 개선합니다.
◦
실제 금융 데이터셋을 이용한 실험 결과를 통해 제안하는 방법의 우수성을 검증합니다.
•
한계점:
◦
제안된 방법의 성능은 사용된 모델 풀과 데이터셋에 의존적일 수 있습니다.
◦
실제 금융 시장의 복잡성을 완벽하게 반영하지 못할 수 있습니다.
◦
다양한 시장 조건과 예측 모델의 다양성에 대한 추가적인 연구가 필요합니다.
👍
Made with Slashpage