거시3M은 수학적 통계와 "머신 러닝 모델"을 사용하여 시장에 대한 미국 경제 지표의 영향을 분석하고 규칙을 찾고 일반화된 모델을 구축합니다. 모델을 통해 특정 경제 지표 데이터를 입력하여 다음 달 시장 성과를 예측할 수 있습니다. 모델의 예측 값을 사용하여 경제 지표가 시장에 미치는 영향을 분석할 수 있습니다. 장기적으로 시장은 항상 경제를 중심으로 변동하며 같은 방향을 향하는 경향이 있습니다.
경제 지표 :
경제 지표는 경제 활동에 대한 통계입니다. 거시3M이 분석한 데이터 세트에는 1967년부터 2023년까지 14개의 미국 경제 지표가 포함되어 있으며 그 중 4개는 미국 시장과 높은 상관 관계가 있습니다. 4개의 지표는 "M2 Money Supply", "Producer Price Index", "Industrial Production Index" 및 "Nonfarm Payrolls"입니다. 이 지표는 경제의 전반적인 성과를 분석하는 데 도움이 됩니다.
알고리즘 및 모델 :
거시3M은 3개의 "딥 러닝 알고리즘"을 사용하여 3개의 일반화 모델을 구축합니다. 이러한 모델에 대한 평가 메트릭은 예측 값과 목표 값 사이의 평균 절대 오차(MAE)를 최소화하는 것입니다. 거시3M은 9개의 "머신 러닝 모델"의 MAE 성능을 오랫동안 추적해 왔으며 최종 결과는 "딥 러닝 모델"이 기존의 "머신 러닝 모델"을 능가하는 것으로 나타났습니다.
MLP 모델:
MLP는 매우 유연하며 일반적으로 입력에서 출력으로의 매핑을 배우는 데 사용할 수 있습니다.
MLP(다층 퍼셉트론)는 각 훈련 예제에서 제공하는 입력 특성을 기반으로 데이터를 분류하거나 결과를 예측하는 데 사용할 수 있는 인공 신경망입니다. 심층 신경망의 기본 아키텍처라고도 합니다.
RNN 모델:
RNN은 주로 시퀀스 또는 시계열 데이터의 예측을 다룹니다.
RNN과 다른 신경망의 차이점은 시간과 시퀀스를 고려하고 시간 차원이 있다는 것입니다. 순차 데이터의 경우 RNN은 패턴을 통해 네트워크가 과거 데이터에 대한 종속성을 발견할 수 있기 때문에 선호됩니다.
LSTM 모델:
LSTM은 데이터 간의 장기 종속성을 학습할 수 있는 특별한 종류의 RNN입니다.
LSTM은 본질적으로 RNN의 개선된 버전입니다. LSTM은 더 긴 데이터 시퀀스를 해석하기 위해 여러 시간 단계에 걸쳐 정보를 전달하는 방법을 추가합니다.