Attention 기반 Temporal Fusion Transformer(ADE-TFT)를 통해 BTC, ETH 등 암호화폐 가격을 예측하고, 예측 변수 및 시계열 패턴의 해석 가능성을 제시하여 예측 성능과 설명력을 동시에 개선했다. 논문 요약 해결하려는 문제 본 연구는 암호화폐 시장의 예측 정확도 향상뿐만 아니라, 예측 결과에 대한…
고차원 다변량 시계열 데이터의 장기 예측 정확도를 높이기 위해 벡터 양자화와 이산 토큰화를 활용한 Hierarchical Discrete Transformer(HDT) 프레임워크를 제안하고 그 우수성을 입증했다. 논문 요약 해결하려는 문제 본 연구는 고차원 다변량 시계열 데이터의 장기 예측에서 발생하는 복잡성과 비효율성 문제를 해결하고자 했다.…
Transformer와 CNN의 하이브리드 아키텍처를 활용하여 암호화폐 시장의 시계열 데이터를 예측하고, 장단기 패턴 인식 성능을 분석한 학술 논문이다. 논문 요약 해결하려는 문제 본 연구는 암호화폐 시장의 높은 변동성과 복잡한 시계열 패턴으로 인한 예측의 어려움을 해결하고자 했다. 기존 시계열 예측 모델들이 금융…
온체인 및 기술 지표를 활용하여 다중 암호화폐의 거래 전략을 위한 Temporal Fusion Transformer(TFT) 기반 예측 모델을 제안하고 검증한 연구 논문이다. 본 연구는 암호화폐 시장의 예측 정확도와 매매 성과를 향상시키는 데 기여한다. 논문 요약 해결하려는 문제 본 연구는 암호화폐 시장의 높은…
블록체인 지갑 주소들을 거래 패턴에 따라 군집분석으로 그룹화하고, 각 그룹의 미래 트랜잭션 활동을 시계열 모델로 예측하는 2단계 분석 프레임워크를 제시하여, 온체인 데이터 분석의 활용 범위를 확장한다. 논문 요약 연구 배경 블록체인 데이터는 투명하게 공개되어 누구나 접근할 수 있지만, 그 자체로는…