📈 딥러닝을 활용한 단기 환율 예측 (논문 작성용)
📈 Prediction of Exchange Rate with Deep Learning (for paper)
기본적으로 2주치를 보고 앞으로의 일주일치를 예상하는 모델
정확한 비교를 위해 모델의 구조 외의 모든 조건을 동일하게 설정.
기본적인 형태부터 Attention, Event Attention을 적용해나가는 과정을 담음.
Event Attention: 매 예측 step 마다, 과거 impact가 컸던 event와의 유사도를 비교하여 해당 정보를 반영할 수 있는 모델. 과거의 traumatic한 정보를 고려한다는 아이디어에서 착안 예측을 진행할 때, Input Sequence의 Temporal한 정보를 반영함과 동시에 과거의 특정 시점과의 비교를 동시에 진행한다는 것이 차이점.
Normal_Seq2Seq : 성능 비교를 위한 가장 기본적인 형태의 Seq2Seq 모델입니다.
Attention_Seq2Seq : 기본적인 Seq2Seq에 Attention이 적용된 모델입니다.
Event_Seq2Seq : Event Attention이 적용된 모델입니다.
Sep_Prediction : 모델이 급격한 변화에도 강건한지 확인하기 위한 코드입니다. argparser로 모델 테스팅을 더 간결화 시켰습니다
- Validation
- Compare with "Real Input Sequence" not Context Vector
- Change num_layers, to GRU etc...
- with WandB
학습 방식의 차이보다 기본적인 모델의 구조차이를 확인하는 것이 목표였기 때문에, 학습 방식에 대한 튜닝은 그렇게까지 세부적으로 진행하지는 않았습니다.
Epoch: 1000Optimizer: AdamLarning Rate: 0.001Scheduler: None