초록
주가 변동 예측은 도전적인 문제이다. 시장은 매우 확률적이고, 혼돈된 데이터로부터 시간적으로 종속적인 예측을 수행해야 하기 때문이다. 우리는 이러한 세 가지 복잡성을 고려하여, 텍스트 신호와 가격 신호를 동시에 활용하는 새로운 심층 생성 모델을 제안한다. 분류 모델이나 주제 모델링의 경우와 달리, 본 모델은 확률성의 효과적인 처리를 위해 순환적이고 연속적인 잠재 변수를 도입하였으며, 계산이 불가능한 사후 추론 문제를 해결하기 위해 신경망 기반 변분 추론(Neural Variational Inference)을 사용한다. 또한 시간적 보조 정보를 포함하는 하이브리드 목적 함수를 제안하여 예측의 종속성을 유연하게 모델링한다. 제안한 모델이 수집한 새로운 주가 변동 예측 데이터셋에서 최신 기술 수준의 성능을 입증하였다.