본 논문은 금융 예측 문제에서 개별 단위(대출, 채권, 주식 등)의 행동이 관측 가능한 단위 수준 요인과 거시경제 변수뿐 아니라 잠재적인 단면 효과에 의해 영향을 받는다는 점을 고려하여, 기존의 수작업으로 요약된 특징을 사용하는 접근 방식 대신, 수작업 특징 추출이 필요 없는 Set-Sequence 모델을 제안합니다. Set 모델은 각 시점에서 공유되는 단면 요약을 학습하고, Sequence 모델은 각 단위의 시간 시계열에 요약 정보를 추가하여 독립적으로 결과를 예측합니다. 두 구성 요소는 학습 중에 샘플링된 임의의 집합에 대해 공동으로 학습됩니다. 본 모델은 단면의 집합 특성을 활용하며, 단위 수에 선형적인 시간으로 집합 요약을 생성하여 계산 효율성이 높습니다. 또한 기존 시계열 모델을 사용하고 추론 시 가변적인 단위 수를 수용할 수 있는 유연성을 제공합니다. 실증 분석 결과, 제안된 Set-Sequence 모델은 주식 수익률 예측 및 모기지 행동 예측 작업에서 기준 모델보다 성능이 우수함을 보여줍니다. 코드는 공개될 예정입니다.
