Task

• 통계 모델: ARIMA, ARIMA 확장 모델
• 딥러닝 모델: DeepAR, MQRNN, N-BEATS, Informer, TFT

Data

• Stationary: 시계열의 특징이 관측된 시간과 무관 (백색잡음 등)
• Non-stationary: Trend 혹은 seasonality가 존재하는 데이터

Analysis

• log 차분
• ACF(자기 상관 그래프): 무작위 신호가 두 시점에서 갖는 상관계수를 표현하는 함수
• stationary: 예측값이 무한대로 발산하지 않고, 일정한 범위 내에서 안정적으로 예측하기 위한 목적
• ARIAM: stationary 데이터 예측 성능 우수

Deep-Learning

• non-stationary: training-validation, validation-test 간 mismatching
• 알고리즘 거래가 데이터의 분포를 변환
• domain adaptation > transfer learning

Self-Supervised Learning

• unlabeld 데이터 활용 > labeling 지정 (pretext task)
• 모델이 pretext task를 학습하여 데이터 자체에 대한 이해 (pre-training)
• main task에 대하여 transfer learning 수행 (downstream task)