본 논문은 금융 시장의 캔들 차트(K-line) 데이터에 특화된 통합적이고 확장 가능한 사전 학습 프레임워크인 Kronos를 제안합니다. Kronos는 연속적인 시장 정보를 토큰 시퀀스로 변환하는 특수 토크나이저를 도입하여 가격 변동과 거래 활동 패턴을 모두 보존합니다. 45개 글로벌 거래소의 120억 개 이상의 K-line 레코드로 구성된 대규모 다중 시장 코퍼스를 사용하여 자기회귀 목표 함수로 사전 학습됩니다. 다양한 금융 과제에서 제로샷 설정에서 뛰어난 성능을 보이며, 가격 시계열 예측, 변동성 예측, 합성 K-line 시퀀스 생성 등 다양한 작업에서 기존 방법보다 향상된 성능을 달성합니다. 사전 훈련된 모델은 공개적으로 제공됩니다.
시사점, 한계점
•
시사점:
◦
금융 K-line 데이터에 특화된 최초의 통합적이고 확장 가능한 사전 학습 프레임워크 제시.
◦
가격 예측, 변동성 예측, 합성 데이터 생성 등 다양한 금융 과제에서 우수한 성능 달성.
◦
제로샷 설정에서 뛰어난 성능으로 실용성 증명.
◦
사전 훈련된 모델 공개를 통한 연구 확장 및 활용 가능성 제시.
•
한계점:
◦
본 논문에서 제시된 Kronos의 성능 향상이 특정 데이터셋과 과제에 국한될 가능성 존재.
