株価予測のためのトランスフォーマーベースの深層学習モデル：バングラデシュ株式市場に関するケーススタディ

現代の資本市場では、株の価格はさまざまな社会的、金融的、政治的、その他の動的要因のために非常に変動が激しく予測不可能であると考えられています。計画的かつ思慮深い投資によって、株式市場は minimalな資本投資で目覚ましい利益を保証できますが、誤った予測は容易に投資家に壊滅的な財務損失をもたらす可能性があります。本論文では、バングラデシュの主要株式取引所であるダッカ証券取引所（DSE）の株式の将来価格を予測するために、最近導入された機械学習モデルであるトランスフォーマーモデルの応用を紹介します。トランスフォーマーモデルは自然言語処理とコンピュータビジョンタスクで広く活用されていますが、私たちの知る限り、DSEデータを使用した株価予測のタスクには利用されていませんでした。最近、時系列特徴を表すためのtime2vecエンコーディングが導入されたことで、株価予測のためにトランスフォーマーモデルを使用することが可能になりました。本論文の目的は、これらの二つの効果的な技術を活用してDSEの変動の激しい株式市場における予測能力を発見することです。私たちはDSEに上場している8つの特定の株式の歴史的な日次データと週次データを扱います。実験の結果、ほとんどの株式で有望な結果と受け入れ可能な平均二乗誤差が示されました。また、著名なベンチマーク株予測モデルであるARIMAとの性能比較を行い、満足のいく結果を報告します。