本論文では、金融のボラティリティ予測のための新しい深層学習フレームワーク「M2VN：マルチモーダルボラティリティネットワーク」を紹介します。このシステムは、数値的な金融データとテキスト情報の異なるデータタイプを統合し、時間系列特徴と非構造的なニュースデータを組み合わせます。M2VNは、異種データの整合性を図り、予測モデルの有効性を損なう先見バイアスを軽減することに重点を置いています。具体的には、オープンソースの市場データと最新の言語モデルで生成されたニュースエンベディングを活用し、構造化データと非構造化データの統合を強化します。実験結果により、M2VNが既存の基準を一貫して上回っており、動的な市場におけるリスク管理や財務意思決定において実用的な価値を持つことが示されています。