금융 및 전력 시장의 정확한 예측은 본질적인 비선형성, 빠른 변동성 및 혼돈 패턴으로 인해 어려운 과제입니다. 이러한 한계를 해결하기 위해 Chaotic Oscillatory Transformer Network (COTN)을 제안합니다. COTN은 Transformer 아키텍처와 새로운 Lee Oscillator 활성화 함수를 Max-over-Time 풀링 및 lambda-gating 메커니즘을 통해 혁신적으로 결합합니다. 이 설계는 특히 혼돈 역학을 효과적으로 포착하고 기존 활성화 함수(예: ReLU, GELU)가 포화되는 경향이 있는 변동성이 높은 기간 동안의 응답성을 향상시키도록 설계되었습니다. 또한 COTN은 Autoencoder Self-Regressive (ASR) 모듈을 통합하여 갑작스러운 가격 급등 또는 폭락과 같은 비정상적인 시장 패턴을 감지하고 격리함으로써 핵심 예측 프로세스의 손상을 방지하고 견고성을 향상시킵니다. 전력 현물 시장과 금융 시장에 대한 광범위한 실험을 통해 COTN의 실용적인 적용 가능성과 탄력성을 입증했습니다. COTN은 Informer과 같은 최첨단 딥 러닝 모델보다 최대 17%, GARCH와 같은 전통적인 통계적 방법보다 최대 40% 더 나은 성능을 보입니다. 이러한 결과는 COTN이 실제 시장의 불확실성과 복잡성을 극복하는 데 효과적이며, 어려움 속에서 매우 변동성이 큰 시스템을 예측하기 위한 강력한 도구를 제공한다는 것을 강조합니다.
