본 논문은 주식 가격 예측을 위해 기존의 개별 주식의 과거 가격 데이터만을 사용하는 단일 주식 학습 방식의 한계를 극복하고자, 주식 간 상관관계를 활용하는 새로운 방법인 Cross-Stock Trend Integration (CSTI)을 제안합니다. 연합 학습(Federated Learning)에서 영감을 얻어, 개별 주식 데이터로 모델을 학습하고 이를 반복적으로 통합하여 전반적인 시장 동향을 반영하는 글로벌 모델을 생성합니다. 이후 해당 글로벌 모델을 특정 주식 데이터로 미세 조정하여 지역적 특성도 유지합니다. 실험 결과, 제안된 방법이 기존의 단일 주식 학습 방식보다 우수한 예측 성능을 보임을 확인했습니다.