本研究解决了EUR/USD汇率预测准确性的不足，提出了一种新颖的框架IUS，将来自新闻和分析的非结构化文本数据与汇率和金融指标的结构化数据相结合，以提高预测精度。实验结果表明，该方法在均方误差和根均方误差方面的表现优于基准模型，证明了数据融合的有效性和该模型的潜在影响。

本研究使用多个深度生成方法和两种新方法进行条件多步时间序列生成，并引入关键绩效指标评估生成时间序列质量。研究结果显示HS、GARCH和CWGAN模型表现最佳，未来研究方向正在讨论中。