JordiCorbilla/stock-prediction-deep-neural-learning

해결하는 문제

금융 시계열 예측을 위한 엄격한 연구 환경을 제공하여, 단순한 시각적 차트 추적을 넘어 딥러닝 모델이 단순 기준선과 비교하여 실제로 표본 외 예측 능력을 갖추고 있는지 측정합니다.

작동 방식

이 프로젝트는 TensorFlow 기반 LSTM 모델을 사용하여 가격, 수익률, 추세를 예측합니다. 이동 방향과 크기를 동시에 예측하는 공유 멀티태스크 아키텍처(v8)를 포함한 여러 모델 버전을 구현합니다. 과학적 타당성을 보장하기 위해 별도의 훈련, 검증, 테스트 세트를 사용하는 엄격한 평가 프로토콜을 채택하고, 확장 창 워크포워드 분할을 활용합니다. 또한 여러 자산이나 기간을 비교하는 "금융 예측 아레나"와 거래 비용을 고려한 방향성 전략을 평가하는 백테스팅 모듈도 포함합니다.

대상 독자

금융 시장 예측에 딥러닝을 적용하고 엄격한 통계 벤치마크를 사용하여 모델 성능을 평가하는 데 관심이 있는 퀀트 연구자와 개발자.

주요 특징

• 다중 버전 LSTM 아키텍처: 가격, 수익률, 추세 잔차 목표를 위한 다양한 모델(v7, v8, v9)을 지원합니다.
• 단순 기준선 벤치마킹: "RMSE 스킬"을 계산하여 모델이 단순한 "내일 가격 = 오늘 가격" 기준선을 이기는지 판단합니다.
• 엄격한 검증: 데이터 누출을 방지하기 위해 시간순 확장 창 분할을 구현합니다.
• 거래 진단: 연환산 수익률, 샤프 유사 진단, 거래 비용을 고려한 최대 낙폭을 계산하는 도구를 포함합니다.
• 재현성 스위트: 실험 시드, 런타임 메타데이터, 데이터 해시를 기록하여 연구 재현을 보장합니다.
• 불확실성 추정: 1단계 예측 잔차에 대한 시나리오 경로와 대칭 컨포멀 구간을 제공합니다.