본 논문은 극심한 변동성으로 예측이 어려운 암호화폐 가격 예측 문제를 다룹니다. 정보 부족의 단변량 모델과 잡음에 취약한 완전 다변량 모델 사이의 딜레마를 해결하기 위해, 전략적 특징 부분 집합이 더 나은 예측력을 제공한다는 가설을 세우고, 부분 다변량 변환기(PMformer)를 사용하여 BTCUSDT 및 ETHUSDT의 일일 수익률을 예측합니다. 11개의 기존 및 딥러닝 모델과 비교한 결과, 부분 다변량 전략이 유의미한 통계적 정확도를 달성하며, 예측 오류 감소가 시뮬레이션에서 더 높은 금융 수익으로 일관되게 이어지지 않는다는 사실을 발견했습니다.
