EUR-USD Exchange Rate Forecasting Based on Information Fusion with Large Language Models and Deep Learning Methods

要約

EUR/USD 為替レートの正確な予測は、投資家、企業、政策立案者にとって非常に重要です。
この論文では、為替レートの予測を強化するために、ニュースや分析からの非構造化テキストデータを為替レートや財務指標に関する構造化データと統合する新しいフレームワーク IUS を提案します。
IUS フレームワークは、感情極性スコアリングとテキストの為替レート変動分類に大規模な言語モデルを採用しています。
これらのテキスト特徴は定量的特徴と結合され、因果関係駆動特徴ジェネレーターに入力されます。
次に、Optuna に最適化された Bi-LSTM モデルを使用して EUR/USD 為替レートを予測します。
実験では、提案された方法がベンチマーク モデルよりも優れたパフォーマンスを示し、最高のパフォーマンスを示すベースラインと比較して MAE を 10.69%、RMSE を 9.56% 削減することが実証されました。
結果は、非構造化データと構造化データを組み合わせることで、構造化データのみよりも高い精度が得られるという、データ融合の利点も示しています。
さらに、上位 12 個の重要な定量的特徴をテキスト特徴と組み合わせて使用​​する特徴選択が最も効果的であることが証明されています。
提案された IUS フレームワークと Optuna-Bi-LSTM モデルは、マルチソース データ統合による為替レート予測のための強力な新しいアプローチを提供します。

要約(オリジナル)

Accurate forecasting of the EUR/USD exchange rate is crucial for investors, businesses, and policymakers. This paper proposes a novel framework, IUS, that integrates unstructured textual data from news and analysis with structured data on exchange rates and financial indicators to enhance exchange rate prediction. The IUS framework employs large language models for sentiment polarity scoring and exchange rate movement classification of texts. These textual features are combined with quantitative features and input into a Causality-Driven Feature Generator. An Optuna-optimized Bi-LSTM model is then used to forecast the EUR/USD exchange rate. Experiments demonstrate that the proposed method outperforms benchmark models, reducing MAE by 10.69% and RMSE by 9.56% compared to the best performing baseline. Results also show the benefits of data fusion, with the combination of unstructured and structured data yielding higher accuracy than structured data alone. Furthermore, feature selection using the top 12 important quantitative features combined with the textual features proves most effective. The proposed IUS framework and Optuna-Bi-LSTM model provide a powerful new approach for exchange rate forecasting through multi-source data integration.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google