📈 FEDformer: 시계열 예측의 혁명
안녕하세요, 트레이더 백두산입니다.
오늘은 제 자동매매 시스템(DTB)의 핵심 두뇌인 FEDformer 기술에 대해 소개해 드리려 합니다. 주식 시장의 복잡한 움직임을 AI는 과연 어떻게 예측하고 있을까요?
1. 왜 기존 AI로는 부족했을까?
주식 데이터는 전형적인 ‘비정상 시계열(Non-stationary Time Series)’ 데이터입니다. 노이즈가 심하고 추세가 수시로 변하죠.
- Transformer(LSTM)의 한계: 기존 모델들은 과거 데이터를 순차적으로 학습하느라 ‘큰 흐름(Global Trend)’을 놓치기 쉽고, 연산량도 매우 많았습니다.
- FEDformer의 등장: 데이터를 ‘시간(Time)’이 아닌 ‘주파수(Frequency)’ 관점에서 바라보는 혁신적인 모델입니다.
2. 핵심 기술: Frequency Enhanced Decomposition
복잡해 보이는 주가 차트도 분해(Decomposition)해보면 ‘추세(Trend)’ + ‘계절성(Seasonality)’ + ‘노이즈(Noise)’의 합입니다.
- 푸리에 변환(Fourier Transform): 차트의 파동을 주파수 성분으로 분해합니다.
- 중요한 파동 선별: 자잘한 노이즈(고주파)는 버리고, 굵직한 추세(저주파)만 남깁니다.
- 예측 및 복원: 선별된 핵심 파동을 기반으로 미래를 예측한 뒤, 다시 시간 도메인으로 복원합니다.
💡 쉽게 말해, ‘오늘 하루의 등락’에 일희일비하지 않고, ‘이 종목이 가진 고유한 리듬(Cycle)’을 읽어내는 것이 FEDformer의 핵심입니다.
3. DTB 시스템 적용 성과
실제 백테스트 결과, 일반 LSTM 모델 대비 예측 정확도가 약 20% 향상되었습니다. 특히 횡보장에서 방향성이 잡힐 때(변곡점)를 포착하는 능력이 탁월하여 스윙 매매의 타율을 높이는 데 기여하고 있습니다.
앞으로도 이 기술을 활용한 다양한 매매 전략과 성과를 공유해 드리겠습니다. 감사합니다.
Trader Baekdoosan 