원문정보
피인용수 : 0건 (자료제공 : 네이버학술정보)
초록
한국어
본 연구는 Temporal Fusion Transformer(TFT)를 활용하여 주요 거시경제지표(CPI, 실업률) 발표 이후 다중 자산군 가격 반응을 예측하는 프레임워크를 제안한다. 제안된 모델은 거시경제 변수의 예측치와 실제치를 시점별로 구분하여 반영함으로써, 이들 간의 차이가 시장에 미치는 영향을 효과적으로 학습한다. 미국의 주요 지수(S&P500, 나스닥, 다우존스, 러셀 2000)와 원자재 선물(WTI, 금)을 대상으로 실험한 결과, 제안 모델은 LSTM 및 기본 TFT 모델 대비 평균 20% 이상 성능이 향상되었으며, 특히 거시경제 발표 직후 예측 정확도가 최대 180%까지 개선되었다. 또한, TFT 모델의 해석 가능성을 활용하여 어텐션 스코어와 변수 중요도 분석을 수행한 결과, 거시경제 발표 직전 시점의 중요도가 크게 증가하며, 실제치가 예측치를 상회할 경우 해당 변수의 중요도가 더 높아지는 '서프라이즈' 효과를 정량적으로 검증하였다. 이러한 결과는 모델이 거시경제 이벤트의 비선형적 영향을 효과적으로 포착하고 있음을 보여준다. 본 연구는 시장 예측 모델의 정밀도와 해석 가능성을 동시에 강화함으로써, 금융 시장의 고변동성 구간에 대한 효과적인 대응 전략 수립에 기여할 것으로 기대된다.
목차
Abstract
1. Introduction
1.1 연구 배경 및 필요성
1.2 기존 연구의 한계점
1.3 연구 목표
1.4 기대효과
2. literature review
2.1 거시경제 변수와 주가
2.2 Temporal Fusion Transformer(TFT)
3. Methods
3.1 모델
3.2 Training Process
3.3 Evaluation process
4. Result
4.1 예측 성능
4.2 거시경제 발표일 후 예측 성능
4.3 어텐션 스코어 분석
4.4 변수 중요도 분석
5. Conclusion
References
1. Introduction
1.1 연구 배경 및 필요성
1.2 기존 연구의 한계점
1.3 연구 목표
1.4 기대효과
2. literature review
2.1 거시경제 변수와 주가
2.2 Temporal Fusion Transformer(TFT)
3. Methods
3.1 모델
3.2 Training Process
3.3 Evaluation process
4. Result
4.1 예측 성능
4.2 거시경제 발표일 후 예측 성능
4.3 어텐션 스코어 분석
4.4 변수 중요도 분석
5. Conclusion
References
저자정보
참고문헌
자료제공 : 네이버학술정보