DC-LSTM을 활용한 USD/CNY 환율 예측
Source
Evernote/Inbox/A Deep Coupled LSTM Approach for USDCNY Exchange Rate Forecasting.md
Summary
본 연구는 USD/CNY 환율 예측의 복잡성을 해결하기 위해 ‘Deep Coupled LSTM(DC-LSTM)’ 모델을 제안합니다. 환율 변동은 금융 시장 간 상호작용(시장 수준), 경제 근본 요소와의 상호작용(거시 수준), 그리고 이 두 가지의 복합적 상호작용(심층 결합)으로 구성됩니다. DC-LSTM은 스택된 LSTM 구조를 통해 이러한 다층적 결합 관계를 학습합니다. 10년치 데이터를 활용한 실험 결과, 기존 7가지 벤치마크 모델 대비 성능이 현저히 우수하며, 투자 수익성 분석을 통해 실용적 유용성이 입증되었습니다.
Key Points
- USD/CNY 환율 예측의 핵심 난제는 시장, 거시 경제, 그리고 이들의 복합적 상호작용으로 인한 ‘복잡한 결합(Coupling)’ 특성임
- 제안된 DC-LSTM 모델은 스택된 LSTM 구조를 통해 이러한 다층적 결합 관계를 효과적으로 모델링함
- 10년치 데이터 실험에서 기존 7개 벤치마크 대비 예측 성능이 유의미하게 우수함
- 투자 수익성 분석을 통해 모델의 실전 투자 의사결정 도구로서의 유용성 검증됨
Related
-
Social Event Classification via Boosted Multimodal Supervised Latent Dirichlet Allocation
-
Moment-Based Spectral Analysis of Large-Scale Networks Using Local Structural Information
-
Unsupervised Spatial Event Detection in Targeted Domains with Applications to Civil Unrest Modeling
-
사회적·공간적 근접성을 활용한 공동 검색 (Joint Search by Social and Spatial Proximity)
-
Efficient Multiview Maintenance under Insertion in Huge Social Networks
-
Feature Ensemble Plus Sample Selection: Domain Adaptation for Sentiment Classification
-
Regularized Latent Semantic Indexing (RLSI): 대규모 토픽 모델링을 위한 새로운 접근법
-
An Unsupervised Feature Selection Framework for Social Media Data