본 논문은 비결정적 주가 데이터를 예측하기 위해 Kolmogorov-Arnold Networks (KAN)와 Long Short-Term Memory networks (LSTM)를 비교 연구하며, Root Mean Square Error (RMSE)를 사용하여 예측 정확도와 해석 가능성 간의 상충 관계를 평가합니다. LSTM은 모든 테스트된 예측 기간에서 상당한 우위를 보이며, 순차적 데이터 모델링에 대한 효과를 입증했습니다. 표준 KAN은 Kolmogorov-Arnold 표현 정리를 통해 이론적인 해석 가능성을 제공하지만, 시계열 예측에서 훨씬 더 높은 오류율을 보이고 실용적인 적용 가능성이 제한적입니다.
