본 논문은 금융 거래에서 자산 가격 책정 및 미스프라이싱으로 인한 초과 수익 획득에 널리 사용되는 요인 모델에 대한 연구이다. 기존 변분 오토인코더 기반 잠재 요인 모델은 시장 전반의 상황을 모델링하는 데 초점을 맞추지만, 개별 주식의 시간적 패턴을 효과적으로 포착하지 못하고, 단일 값으로 다중 요인을 나타내어 복잡한 관계와 의존성을 제대로 포착하지 못하는 한계가 있다. 이를 해결하기 위해 본 논문에서는 이중 벡터 양자화 변분 오토인코더를 기반으로 하는 시공간 요인 모델(STORM)을 제안한다. STORM은 시간적 및 공간적 관점에서 주식의 특징을 추출하고, 미세 수준과 의미 수준에서 이러한 특징을 융합 및 정렬하여 요인을 다차원 임베딩으로 나타낸다. 이산 코드북은 유사한 요인 임베딩을 클러스터링하여 직교성과 다양성을 보장하며, 이는 서로 다른 요인을 구분하고 금융 거래에서 요인 선택을 가능하게 한다. 포트폴리오 관리 및 개별 주식 거래 실험을 통해 STORM의 우수한 성능을 검증하였다.
