멀티모달 학습과 딥러닝 기반 암호화폐 가격 등락 예측 (Predicting cryptocurrency price movement based on multimodal learning and deep learning)

서지정보

· 발행기관 : 한국지능정보시스템학회
· 수록지 정보 : 지능정보연구 / 31권 / 1호 / 325 ~ 337페이지
· 저자명 : 류진환, 홍태호

초록

암호화폐는 물리적 실체가 없는 디지털 자산이며, 전통 금융 자산과의 낮은 가치 연관성으로 인해 시장이 불안정하고 변동성이 매우 크다는 특징을 지닌다. 이러한 불확실성을 줄이기 위해 정확한 시장 예측의 필요성이 증대되고 있으나, 암호화폐는 내재가치 측정이 어려워 가격 예측이 난해하다는 한계가 존재한다. 선행 연구에 따르면 암호화폐 가격은 기술적 지표뿐만 아니라 시장 매력도, 대중의 관심, 뉴스 감성과 같은 정성적 지표에 크게 영향을 받는 것으로 알려져 있다. 특히, 최근 미디어 발달로 다양한 멀티모달 데이터가 생성됨에 따라, 이를 통합 분석하여 단일 모달리티의 한계를 극복하고자 하는 연구가 활발히 진행되고 있다. 이러한 배경 하에 본 연구는 암호화폐 관련 오디오 데이터의 감성 분석 결과를 활용한 비트코인 가격 등락 예측 모델을 제안한다. 구체적으로, 비트코인 가격 기반 기술적 지표, 대중의 관심도를 반영하는 구글 트렌드 검색 빈도, 뉴스 텍스트 감성 분석 결과, 그리고 비트코인 관련 뉴스 영상 및 팟캐스트의 오디오 감성 분석 데이터를 입력 변수로 활용하였다. 이를 바탕으로 로짓, 서포트 벡터 머신, RNN, CNN 기반의 비트코인 가격 등락 예측 모형을 구축하고 성능을 비교 평가하였다. 실험 결과, 오디오 감성 분석 데이터를 추가적으로 활용한 CNN 기반 모형이 가장 우수한 예측 성능을 나타냈다. 이는 이미지 및 영상 처리에 주로 사용되던 CNN 모델이 복잡한 금융 시계열 데이터 예측에도 효과적일 수 있으며, 특히 오디오 감성 분석 데이터가 암호화폐 가격 등락 예측 모형의 성능 향상에 기여할 수 있음을 시사한다.

영어초록

Cryptocurrency, as digital assets lacking physical substance, exhibit market instability and high volatility attributed to their low correlation with traditional financial assets. The imperative for accurate market prediction has intensified to mitigate this inherent uncertainty. However, cryptocurrencies present challenges for price prediction owing to the inherent difficulty in assessing their intrinsic value. Prior research demonstrates that cryptocurrency prices are significantly influenced not only by technical indicators but also by qualitative factors, including market attractiveness, public interest, and news sentiment. Furthermore, the proliferation of media has led to the generation of diverse multimodal data, prompting extensive research into integrated analysis techniques to overcome the limitations inherent in unimodal approaches. In this context, this study proposes a Bitcoin price movement prediction model leveraging sentiment analysis derived from cryptocurrency-related audio data. Specifically, the input variables include technical indicators derived from Bitcoin price data, Google Trends search query volume, sentiment scores extracted from news text corpora, and audio sentiment analysis data derived from Bitcoin-related news sources, such as videos and podcasts. Leveraging this multi-faceted dataset, we construct and comparatively evaluate Bitcoin price movement prediction models based on Logistic Regression, SVM, RNN, and CNN. Empirical results indicate that the CNN-based model, incorporating audio sentiment analysis data, achieves superior predictive performance. This finding suggests that CNN models, conventionally employed for image and video processing, can be effectively adapted for complex financial time series prediction. Moreover, it highlights the potential of audio sentiment analysis data to enhance the accuracy of cryptocurrency price movement prediction models.

참고자료

· 없음