[논문 리뷰] Using Recurrent Neural Networks To Forecasting of Forex

В. В. Кондратенко, Yu. A. Kuperin|arXiv (Cornell University)|2003. 04. 21.

Complex Systems and Time Series Analysis참고 문헌 9인용 수 10

한 줄 요약

이 논문은 시간 시계열 데이터와 이동 평균과 같은 기술적 지표를 사용하여 외환 환율을 예측하기 위해 순환 신경망(RNN) 모델을 제안한다. 달러 환율 쌍(엔, 프랑, 파운드, 유로)을 대상으로 훈련한 RNN은 다중 결정 계수(R²)가 최소 0.65에 도달하여 주요 통화 쌍에서 통계적으로 신뢰할 수 있는 비선형 예측 성능를 입증하였다. 통계적 전처리 및 검증을 통해 강력한 성능을 보였다.

ABSTRACT

This paper reports empirical evidence that a neural networks model is applicable to the statistically reliable prediction of foreign exchange rates. Time series data and technical indicators such as moving average, are fed to neural nets to capture the underlying "rules" of the movement in currency exchange rates. The trained recurrent neural networks forecast the exchange rates between American Dollar and four other major currencies, Japanese Yen, Swiss Frank, British Pound and EURO. Various statistical estimates of forecast quality have been carried out. Obtained results show, that neural networks are able to give forecast with coefficient of multiple determination not worse then 0.65. Linear and nonlinear statistical data preprocessing, such as Kolmogorov-Smirnov test and Hurst exponents for each currency were calculated and analyzed.

연구 동기 및 목표

• 순환 신경망(RNN)이 통계적 신뢰성과 함께 외환 환율을 예측하는 데 실현 가능성이 있는지 평가하는 것.
• 기본 가격과 기술적 지표를 기반으로 훈련된 신경망이 환율 변동의 비선형 패턴을 포착할 수 있는지 조사하는 것.
• 다중 통계적 지표(예: 다중 결정 계수(R²))를 사용하여 예측 정확도를 평가하는 것.
• 모델링 이전에 데이터 특성을 이해하기 위해 코모고로프-스미르노프 검정 및 허스트 지수 분석과 같은 전처리 기법을 적용하는 것.
• 잔차 행동 및 데이터 분포 분석을 통해 선형 모델 대비 RNN의 예측 능력을 비교하는 것.

제안 방법

• 모델은 외환 환율의 순차적 시간 시계열 데이터를 처리하기 위해 순환 신경망(RNN)을 활용한다.
• 입력 특징으로는 이전 환율 기록과 이동 평균과 같은 기술적 지표가 포함된다.
• 통계적 전처리로는 데이터 분포 평가를 위한 코모고로프-스미르노프 검정과 장기 의존성 평가를 위한 허스트 지수 계산이 포함된다.
• RNN은 달러 대비 엔, 프랑, 파운드, 유로에 대한 일일 환율 데이터로 훈련된다.
• 예측 품질은 다중 결정 계수(R²)를 사용하여 평가되며, 모든 통화 쌍에 걸쳐 추가적인 통계적 검증이 수행된다.
• 모델은 다양한 시간 범위에서 테스트되며 표준 통계적 추정 기법을 사용하여 검증된다.

실험 결과

연구 질문

• RQ1 순환 신경망(RNN)은 외환 환율 변동의 비선형 역학을 효과적으로 모델링하고 예측할 수 있는가?
• RQ2 이동 평균과 같은 기술적 지표가 RNN의 외환 예측 능력에 어느 정도 기여하는가?
• RQ3 R² 및 기타 지표로 측정한 바탕으로 RNN 기반 예측의 통계적 신뢰성은 어느 정도인가?
• RQ4 장기 의존성(Hurst 지수) 및 분포 특성과 같은 데이터 특성이 모델 성능에 미치는 영향은 어떠한가?
• RQ5 RNN은 환율 시계열의 복잡한 비선형 패턴을 선형 모델보다 더 잘 포착할 수 있는가?

주요 결과

• 모든 테스트 통화 쌍에서 RNN 모델은 다중 결정 계수(R²)가 최소 0.65를 달성하여 강력한 예측 성능를 보였다.
• 통계적 전처리 결과, 허스트 지수 값으로 인해 환율 시리즈에 명백한 장기 의존성이 존재하는 것으로 나타났다.
• 코모고로프-스미르노프 검정을 통해 수익률 시리즈의 비정규 분포가 확인되어 비선형 모델링 접근이 필요하다는 것을 뒷받침했다.
• 모델은 달러 대비 주요 네 가지 통화 쌍(JPY, CHF, GBP, EUR)에서 일관된 예측 정확도를 보였다.
• 결과적으로 RNN은 선형 모델이 놓칠 수 있는 복잡한 비선형 패턴을 포착할 수 있음을 시사한다.
• 강력한 통계적 검증을 통해 RNN 예측의 신뢰성이 확인되었으며, 실무적 금융 예측 과제에의 응용 가능성을 뒷받침한다.