[논문] 뉴스가 시장을 예측할 수 있을까? 제로샷 금융 NLP의 한계와 설명 가능한 AI의 역할
개요
재무 뉴스가 단기 주가 움직임을 신뢰성 있게 예측할 수 있을까? 대형 언어 모델의 발전에도 불구하고 이 질문은 아직 해결되지 않았다. 우리는 제로샷 자연어 처리 프레임워크를 사용해 이 문제를 다시 살펴보고, 도메인 특화 학습 없이 모델이 재무 뉴스에서 실행 가능한 신호를 추출할 수 있는지 조사한다. 제로샷 자연어 추론과 시간적 집계를 결합한 구조화된 파이프라인을 설계했으며, 기사 간 정보를 통합할 때 최신성 및 사건 의존적 영향 기간을 명시적으로 모델링한다. 고위험 상황에서 투명성의 필요성을 해결하기 위해, 예측을 토큰 수준, 기사 수준, 집계 증거와 연결하고 근거가 되는 자연어 설명을 생성하는 다층 설명 가능성 프레임워크를 도입한다. 여러 모델과 예측 기간에 걸쳐, 제로샷 접근법이 단순 베이스라인을 꾸준히 능가하지 못함을 발견했으며, 특히 하락 움직임에 대해 매우 약한 성능을 보였다. 이는 뉴스 감성을 단기 가격 역학에 매핑하는 데 내재된 구조적 한계가 있음을 시사한다. 그러나 설명 가능성 신호는 신뢰할 수 있는 예측과 신뢰할 수 없는 예측을 안정적으로 구분해, 정확도가 제한적일 때도 실용적인 가치를 제공한다. 이러한 결과는 제로샷 재무 NLP의 한계를 강조하고, 투명성과 불확실성 인식을 우선시하는 의사결정 지원 시스템으로의 전환을 촉구한다. 코드: https://github.com/alimert05/zero-shot-stock-xai
주요 기여
이 논문은 다음 분야의 연구를 제시한다:
- cs.CL
방법론
자세한 방법론은 전체 논문을 참고하시기 바랍니다.
실용적 시사점
이 연구는 cs.CL 분야의 발전에 기여한다.
저자
- Ali M Karaoglu
- Shreyank N Gowda
논문 정보
- arXiv ID: 2606.12210v1
- 분류: cs.CL
- 발표일: 2026년 6월 10일
- PDF: PDF 다운로드