OrderFusion: 주문 정보를 활용한 확률적 일중 가격 예측의 혁신

본 논문은 OrderFusion이라는 새로운 인코딩 방법과 계층적 다중 분위수 헤드를 제안하여 일중 전력 가격의 확률적 예측 정확도를 높이고 매개변수 효율성을 개선하는 연구 결과를 제시합니다. 독일 주문 데이터 3년치를 사용한 실험 결과, OrderFusion이 기존 방법보다 우수한 성능을 보였습니다.

전력 시장의 불확실성을 관리하고 견고한 거래 전략을 지원하기 위해서는 일중 전력 가격의 효율적이고 신뢰할 수 있는 확률적 예측이 필수적입니다. 하지만 기존 방법들은 주문장(Orderbook) 내의 매수 및 매도 주문 간의 상호의존성을 완전히 활용하지 못해 매개변수 효율성이 떨어지고, 표현 학습에 많은 매개변수가 필요하다는 단점이 있었습니다. 또한, 상위 분위수가 하위 분위수보다 낮아지는 분위수 교차(quantile crossing) 문제로 인해 신뢰할 수 없는 확률적 예측 결과를 초래하기도 했습니다.

Runyao Yu, Yuchen Tao 등 연구진은 이러한 문제를 해결하기 위해 OrderFusion이라는 새로운 인코딩 방법과 계층적 다중 분위수 헤드를 제안했습니다. OrderFusion은 주문장을 2.5D 표현으로 인코딩하고, 맞춤형 점프 크로스 어텐션 백본을 통해 매수 및 매도 주문의 상호의존성을 포착하여 매개변수 효율적인 학습을 가능하게 합니다. 계층적 다중 분위수 헤드는 중간 분위수를 기준으로 여러 분위수를 계층적으로 예측하며, 비음수 함수를 통해 분위수 간의 단조성을 강제하여 신뢰성을 보장합니다.

연구진은 독일 주문 데이터 3년치를 사용하여 60분 ID3, 60분 ID1, 15분 ID3, 15분 ID1 등 네 가지 가격 지수에 대한 광범위한 실험과 ablation study를 수행했습니다. 그 결과, OrderFusion이 매개변수 효율성과 신뢰성을 모두 향상시켜 확률적 일중 가격 예측에 효과적인 솔루션임을 확인했습니다. 이는 전력 시장뿐 아니라 다른 금융 시장의 가격 예측에도 적용될 수 있는 잠재력을 지닙니다.

핵심: OrderFusion은 주문장의 상호의존성을 효과적으로 활용하여 매개변수 효율성을 높이고, 분위수 교차 문제를 해결하여 신뢰할 수 있는 확률적 일중 가격 예측을 가능하게 하는 혁신적인 방법입니다. 실제 데이터를 통한 검증 결과는 그 효과를 명확히 보여줍니다.