Empirical Asset Pricing via Ensemble Gaussian Process Regression
이 논문은 주식 및 거시경제 정보를 기반으로 조건부 기대 수익률을 예측하기 위해 가우시안 프로세스 회귀 (GPR) 기반 앙상블 학습 방법을 제안하며, 1962 년부터 2016 년까지의 미국 주식 데이터를 통해 기존 머신러닝 모델보다 통계적·경제적 성능이 우수하고 불확실성을 고려한 최적 포트폴리오 구성이 가능함을 입증했습니다.
💰 Category
q-fin.ST
15 편의 논문
Bitcoin Price Prediction using Machine Learning and Combinatorial Fusion Analysis
이 논문은 랭크 - 스코어 특성 함수와 인지적 다양성을 활용한 조합 융합 분석 (CFA) 기법을 적용하여 개별 모델 및 기존 비트코인 가격 예측 모델보다 뛰어난 성능 (MAPE 0.19%) 을 달성한 새로운 예측 모델을 제안합니다.
Impact of LLMs news Sentiment Analysis on Stock Price Movement Prediction
이 논문은 DeBERTa, RoBERTa, FinBERT 등 3 가지 LLM 기반 뉴스 감정 분석을 주식 가격 예측에 적용한 비교 평가 연구를 통해 DeBERTa 가 단일 모델로 75% 의 정확도를 보이며, 세 모델을 결합한 앙상블은 80% 까지 정확도를 높이고 감정 정보가 다양한 시계열 모델의 예측 성능을 소폭 향상시킨다는 것을 밝혔습니다.
Hybrid Hidden Markov Model for Modeling Equity Excess Growth Rate Dynamics: A Discrete-State Approach with Jump-Diffusion
이 논문은 SPY 데이터를 기반으로 점프 - 확산 메커니즘과 포아송 기반의 점프 지속 시간 메커니즘을 결합한 하이브리드 은닉 마르코프 모델을 제안하여, 기존 모델들이 동시에 충족하지 못했던 중후미 분포, 낮은 자기상관성, 그리고 지속적 변동성 군집화라는 세 가지 핵심 통계적 특성을 모두 보존하는 고품질 합성 금융 시계열 생성을 가능하게 함을 보여줍니다.
An operator-level ARCH Model
이 논문은 기존 함수형 ARCH 모델이 점별 분산에 국한되었던 한계를 넘어, 일반 분리 가능 힐베르트 공간에서 조건부 공분산 연산자의 전체 진화를 고려하는 새로운 연산자 수준 ARCH 모델을 제안하고, 그 존재성, 모멘트, 약한 종속성 및 일관성 있는 추정량을 이론적으로 증명하며 시뮬레이션과 고빈도 데이터 적용을 통해 실용성을 입증합니다.
Stock Market Prediction Using Node Transformer Architecture Integrated with BERT Sentiment Analysis
이 논문은 BERT 기반 감정 분석과 노드 트랜스포머 아키텍처를 통합하여 주가 간 상관관계 및 시장 감정을 고려한 그래프 구조를 구축함으로써, 기존 ARIMA 및 LSTM 모델보다 월등히 낮은 오차율 (MAPE 0.80%) 과 높은 방향성 정확도를 달성한 주식 시장 예측 프레임워크를 제안합니다.
Beyond Polarity: Multi-Dimensional LLM Sentiment Signals for WTI Crude Oil Futures Return Prediction
이 논문은 GPT-4o 와 FinBERT 등 대규모 언어 모델을 활용해 추출한 관련성, 정서, 강도, 불확실성, 미래지향성 등 다차원 감정 신호가 단순한 극성 분석을 넘어 WTI 원유 선물 수익률 예측 정확도를 높일 수 있음을 실증적으로 보여줍니다.
Entropic signatures of market response under concentrated policy communication
이 논문은 정보 이론 기반의 엔트로피 분석을 통해 2025 년 트럼프 행정부 초기의 집중된 정책 발표가 전 세계 주식 시장에 미친 영향을 규명하고, 기존 변동성 지표와 구별되는 엔트로피가 시장 불확실성과 정책의 일관된 움직임을 포착하는 효과적인 지표임을 주장합니다.
Temperature Measurement in Agent Systems
이 논문은 통계물리학의 온도를 경제학의 에이전트 기반 모델에 적용할 때 자본 시장을 넘어선 다양한 상황에서 온도를 측정하는 방법과 이를 통해 경쟁하는 하위 시스템 간의 평균 의견을 조절하는 전략을 제시합니다.
Broken Symmetry of Stock Returns -- a Modified Jones-Faddy Skew t-Distribution
이 논문은 주식 수익률의 음의 왜도와 양의 평균이 이득과 손실에 대한 확률적 변동성의 비대칭성에서 비롯된다고 주장하며, 이를 단일 유기적 분포로 포착하기 위해 수정된 존스 - 패디 왜도 t-분포를 제안하고 S&P500 일간 수익률 데이터에 적용하여 꼬리 분석을 수행합니다.
EDINET-Bench: Evaluating LLMs on Complex Financial Tasks using Japanese Financial Statements
본 논문은 일본 기업의 10 년간 공시 자료를 기반으로 회계 부정 탐지 및 수익 예측 등 복잡한 금융 과제를 수행하는 LLM 의 능력을 평가하기 위해 'EDINET-Bench'를 제안하고, 최첨단 모델조차 전문가 수준의 추론이 필요한 이러한 과제에서는 인간 전문가나 단순 통계 모델과 큰 차이가 없는 성능을 보임을 밝혀내어, 실제 금융 업무 환경을 반영한 더 정교한 평가 프레임워크의 필요성을 강조합니다.
Stealing Accuracy: Predicting Day-ahead Electricity Prices with Temporal Hierarchy Forecasting (THieF)
이 논문은 독일과 스페인 전력 시장에서 시간적 위계 예측 (THieF) 기법을 적용하여 시간대별 및 블록 단위 전력 가격 예측을 조율함으로써, 다양한 모델 아키텍처와 4 년간의 테스트 기간 동안 예측 정확도를 최대 13% 까지 향상시킬 수 있음을 입증하고 이를 일일 예측 실무에 적용할 것을 권장합니다.
Asymptotic Separability of Diffusion and Jump Components in High-Frequency CIR and CKLS Models
이 논문은 최소 밀도 파워 발산 추정량 (MDPDE) 을 기반으로 한 강건한 파라메트릭 프레임워크를 제시하여, 고빈도 CIR 및 CKLS 모델에서 확산 성분과 점프 성분의 점근적 분리성을 이론적으로 증명하고 분류 일관성을 갖는 점프 탐지 방법을 개발했습니다.
Extreme Value Analysis for Finite, Multivariate and Correlated Systems with Finance as an Example
이 논문은 금융을 예시로 들어, 상관 행렬의 고유기저로 데이터를 회전시켜 다변량 상관 시스템을 단일 변수 극값 분석 도구로 변환하고 비정상성을 고려한 피크 초과 임계값 접근법을 통해 유한한 다변량 상관 시스템의 극단값을 효과적으로 분석하는 실용적 프레임워크를 제안합니다.
Sentiment-Aware Mean-Variance Portfolio Optimization for Cryptocurrencies
이 논문은 기술적 지표와 뉴스 감성 분석을 통합하여 암호화폐 포트폴리오의 기대수익률을 추정하고 평균 - 분산 최적화를 적용함으로써 기존 벤치마크 대비 우수한 위험 조정 수익률을 달성했으나, 시장 스트레스 기간 동안의 큰 손실을 줄이기 위해 추가적인 위험 관리 기법이 필요함을 시사합니다.