GS-FUSE: Granger 지도 기반 게이티드 퓨전 및 다중 입자 정렬을 활용한 이벤트 기반 금융 예측

GS-FUSE: Granger-Supervised Gated Fusion and Multi-Granularity Alignment for Event-Driven Financial Forecasting

투자자와 정책 결정권자에게 시장에 대한 중요한 금융 이벤트의 영향을 정확하게 예측하는 것은 매우 중요합니다. 그러나 기존의 다중 모드 시계열 모델은 일반적으로 텍스트와 가격 데이터를 대칭적으로 결합하며, 이벤트 텍스트가 실제로 예측력을 가지는 경우를 명시적으로 판단할 수 있는 방법이 없기 때문에, 이벤트에서 가격으로 이어지는 방향성과 텍스트 및 가격 신호의 이질적인 역할을 활용하는 데 어려움을 겪습니다. 본 연구에서는 Granger 지도 기반의 인과 관계를 고려한 게이티드 퓨전 모듈을 사용하여 과거 가격 데이터 외에 추가적인 예측 가치를 제공할 때만 이벤트 텍스트에 집중하도록 학습하고, 고수준 이벤트 표현과 세밀한 텍스트 정보를 미래 시장 추세와 동시에 정렬하는 다중 입자 정렬 메커니즘을 활용하는 다중 모드 이벤트 기반 예측 프레임워크인 GS-Fuse를 제안합니다. GS-Fuse는 기존의 대규모 언어 모델 및 시계열 기초 모델 위에 유연하고 쉽게 연결할 수 있는 어댑터로 구축되었으며, 다양한 백본 구조와 시장 환경에 적용될 수 있습니다. 실제 금융 데이터 세트에 대한 광범위한 실험 결과, GS-Fuse는 여러 자산과 예측 기간에 걸쳐 최첨단 시계열 및 다중 모드 기준 모델보다 일관되게 우수한 성능을 보였습니다.

Accurately forecasting the impact of salient financial events on markets is critical for investors and policymakers. However, existing multimodal time-series models typically fuse text and prices symmetrically, without an explicit way to decide when event text is truly predictive, and thus struggle to exploit the directional event-to-price structure and the heterogeneous roles of textual and price signals. In this work, we propose GS-Fuse, a multimodal event-based forecasting framework that employs (i) a Granger-supervised, causal-aware gated fusion module, which learns to open toward event text only when it provides incremental predictive value beyond historical prices, and (ii) a multi-granularity alignment mechanism that jointly aligns high-level event representations and fine-grained textual cues with future market trajectories. Built as a flexible, plug-and-play adapter on top of off-the-shelf large language models and time-series foundation models, GS-Fuse can be instantiated across diverse backbones and market settings. Extensive experiments on real-world financial datasets show that GS-Fuse consistently outperforms state-of-the-art time-series and multimodal baselines across multiple assets and forecasting horizons.