리서치 연구
HARN: 이벤트 기반 다중 시간대 예측 네트워크 소개
HARN: Hierarchical Associative Resonance Network for Event-Driven Multi-Timeframe Forecasting
arXivHARN은 금융 시계열의 다중 시간대 예측을 위해 이벤트 발생 기반으로 정보를 업데이트하는 계층적 연관성 공명 네트워크입니다.
세 줄 요약
- 이 모델은 각 시간 단계별 표현을 지속적으로 유지하며, 데이터가 완료되는 이벤트 시점에만 필요한 부분만 업데이트하여 효율성을 극대화합니다.
- 주식, 외환, 상품 등 다양한 자산군에 걸쳐 다중 시간대 예측이 가능해져 복잡한 금융 데이터 분석의 정확도를 높일 수 있습니다.
- 다만, 연구진은 HARN을 절대적 예측 우위라기보다 지속 가능한 다중 시간대 예측 시스템 구축을 위한 방법론으로 제시했습니다.
금융 시계열 데이터는 여러 시간적 해상도에 걸쳐 변화하며, 이로 인해 기존의 예측 시스템은 새로 확보된 정보를 반영할 때마다 변경되지 않은 표현까지 반복적으로 재계산해야 하는 어려움이 있습니다. 연구진은 이러한 문제를 해결하기 위해 이벤트 발생 기반 다중 시간대 예측을 위한 계층적 연관성 공명 네트워크(HARN)를 제안했습니다.
HARN 아키텍처는 각 시간 레벨에서 지속적인 표현을 유지하며, 해당 레벨의 완료된 바가 이용 가능할 때만 필요한 부분만을 업데이트하여 효율성을 높입니다. 이 구조는 인과적 다중 스케일 시간 인코딩, 게이티드 연관 메모리, 교차 레벨 공명, 계층적 증거 집계 등을 결합하며, 예측은 베이스 포인트 공간에서 수행된 후 원래 가격 척도로 재구성됩니다.
HARN의 성능은 주식, 외환, 상품 시장을 아우르는 네 가지 자산을 대상으로 평가되었습니다. 이 모델은 단일 시간대 기반의 PatchTST 및 TimeXer와 비교하여 경쟁적인 재구성 가격 예측 오차를 달성했습니다. 연구진은 이러한 결과를 바탕으로 HARN이 보편적 예측 우위라기보다는 지속 가능한 다중 시간대 예측 프레임워크로 자리매김한다고 설명합니다.