본 논문은 암호화폐 가격의 다변량 예측을 위한 새로운 접근 방식을 제시합니다. 지수평활법(ES)과 순환 신경망(RNN)을 결합한 하이브리드 상황 모델을 사용하여, 상황 추적과 주 추적의 두 가지 추적으로 구성됩니다. 상황 추적은 대표 시계열에서 추출된 추가 정보를 주 추적에 제공하며, 외생 변수에서 추출된 정보와 함께 예측되는 개별 시계열에 동적으로 조정됩니다. 계층적 팽창을 가진 RNN 스택 아키텍처는 최근 개발된 주의 집중 팽창 순환 셀을 통합하여 시계열 간의 단기 및 장기 종속성을 포착하고 입력 정보의 가중치를 동적으로 조정합니다. 모델은 하루, 일주일, 4주 예측 기간에 대한 일일 지점 예측과 예측 구간을 모두 생성합니다. 17개의 입력 변수를 기반으로 15개 암호화폐의 가격을 예측하고, 통계적 및 ML 모델을 포함한 비교 모델과 성능을 비교합니다.
