금융 시장 모니터링을 위한 인공지능 활용

[이매진]

금융 시장 모니터링을 위한 인공지능 활용

https://www.bis.org/publ/work1291.htm

Harnessing artificial intelligence for monitoring financial markets

work1291 (1).pdf

2.30MB

요약집중하다

인공지능이 금융 시장 모니터링에 어떻게 도움을 줄 수 있는지 연구합니다. 시장 스트레스를 예측하고 그 이유를 설명하는 2단계 도구를 구축합니다. 첫째, 순환 신경망(RNN)은 100개 이상의 일일 시장 지표를 학습합니다. 이 신경망은 직접 거래되는 유로-엔화와 미국 달러를 통해 거래되는 유로-달러-엔화 간 갭의 평균 크기를 예측합니다. 이러한 "삼각형 차익거래 패리티" 갭은 평상시에는 몇 초 내에 사라지며, 크거나 지속적인 갭은 시장 마찰이 증가하고 있음을 나타냅니다. 둘째, 이 모델은 매일 어떤 시장 지표가 신호에 가장 중요한지 보여줍니다. 이 정보는 대규모 언어 모델이 중요도가 높은 지표에 대한 최신 뉴스를 검색하여 시의적절한 맥락을 제공하도록 지시할 수 있습니다.

기부금

스트레스 예측은 어렵습니다. 심각한 사건은 드물고, 시장 간 연결은 비선형적이며, 표준 조기 경보 도구는 종종 새로운 위험을 간과합니다. 저희의 접근 방식은 통계적 검증력과 추론을 결합합니다. 네트워크의 데이터 기반 가중치는 의사 결정을 투명하게 만듭니다. 시간 경과에 따른 가중치의 움직임 자체가 시장 역학이 변화하고 있음을 나타내는 초기 신호입니다. 언어 모델은 이러한 신호를 짧은 내러티브로 변환하여 감독자와 분석가에게 적절한 시점에 적절한 주제를 제시합니다. 이는 "수치가 상승했다"와 "상승할 수 있는 이유는 다음과 같다" 사이의 간극을 메우는 데 도움이 됩니다.

결과

100개 이상의 일일 지표를 활용하여 이 시스템은 최대 60영업일 전까지 기능 장애 발생 가능성이 높은 기간을 표시합니다. 2021년부터 2024년까지 학습에 사용되지 않은 데이터에 대한 테스트에서는 2023년 3월 은행 위기를 포함하여 실제 사건과 관련된 후속 사례를 정확하게 강조합니다. 모델이 경보를 발령하면 가중치가 가장 높은 지표가 타겟 뉴스 검색을 안내합니다. 사례 연구에서는 이러한 검색이 난류 발생 며칠 전에 관련 동인에 대한 논의를 가리켰습니다. 간단히 말해, 이 도구는 위험을 조기에 감지하고 이해하기 쉬운 용어로 설명하여 당국이 감시에 집중하고 대응책을 준비할 수 있도록 지원합니다.

---

추상적인

금융 시장 스트레스 예측은 오랫동안 달성하기 어려운 목표로 여겨져 왔습니다. 인공지능과 머신러닝의 발전은 대규모 데이터 세트를 처리하고 숨겨진 비선형 패턴을 발굴할 수 있는 능력을 바탕으로 이 문제를 해결할 새로운 가능성을 제시합니다. 본 논문에서는 순환 신경망(RNN)과 대규모 언어 모델을 결합한 새로운 접근법을 개발합니다. 유로-엔 통화쌍의 삼각 차익거래 패리티(TAP) 편차에 초점을 맞춘 RNN은 60영업일 후의 시장 기능 장애에 대한 해석 가능한 일일 예측을 생성합니다. RNN의 "블랙박스" 한계를 해결하기 위해, 본 모델은 입력 변수에 데이터 기반의 시간 가변 가중치를 할당하여 의사 결정 과정을 투명하게 만듭니다. 이러한 가중치는 두 가지 목적을 달성합니다. 첫째, 가중치의 진화 자체가 시장 역학의 잠재적 변화에 대한 초기 신호를 제공합니다. 둘째, 네트워크가 시장 기능 장애 발생 확률이 더 높다고 예측할 때, 이러한 변수별 가중치는 LLM이 잠재적 시장 스트레스 요인에 대한 관련 정보를 검색하도록 유도하는 데 사용되는 관련 시장 변수를 식별하는 데 도움이 됩니다.

JEL 분류: G14, G15, G17