본 논문은 실시간 주문호가(LOB) 데이터와 같은 방대한 데이터와 변수를 포함하는 전통적인 선물 거래의 복잡한 환경에서 가격 예측의 어려움을 해결하기 위해 어텐션 메커니즘을 활용한 FutureQuant Transformer 모델을 제시합니다. 기존의 점 예측에 중점을 둔 모델과 달리 FutureQuant 모델은 미래 가격의 범위와 변동성을 예측하는 데 탁월하며, 거래 전략에 대한 풍부한 통찰력을 제공합니다. 복잡한 시장 패턴을 파악하고 학습하는 능력을 통해 의사 결정을 개선하고, 위험 관리를 향상시키며, RSI, ATR, 볼린저 밴드와 같은 요소를 사용하는 간단한 알고리즘을 통해 최첨단 모델보다 30분 거래당 평균 0.1193%의 상당한 수익률 향상을 달성합니다. 이 혁신은 변동성이 큰 선물 거래 분야에서 예측 분석에 상당한 발전을 가져옵니다.
