EUR/USD Exchange Rate Forecasting Based on Information Fusion with Large Language Models and Deep Learning Methods
创建于 更新于
摘要
本报告提出创新的IUS框架，融合了新闻文本的情感极性评分和汇率变动分类文本特征与结构化金融指标，通过因果驱动特征生成器提取特征，再以Optuna优化的Bi-LSTM模型进行EUR/USD汇率预测。实验证明该方法显著优于传统模型，MAE降低10.69%，RMSE降低9.56%，且结合结构化与非结构化数据的融合提升了预测准确性，特征选择优化亦提高了模型表现，为汇率预测提供了多源信息集成的新思路 [page::0][page::1][page::6][page::17][page::21].
