Kronos, 45개 거래소의 캔들 데이터로 학습한 금융 시계열 기반 모델

45개 글로벌 거래소의 캔들 기록 120억 건 이상으로 학습한 Kronos에 대해 연구진은 가격·변동성 예측과 합성 캔들 생성에서 기존 모델보다 나은 결과를 냈다고 보고하지만, 초록에는 벤치마크 데이터셋과 실험 조건이 없습니다.

TServe 관련 논의에서도 Kronos가 연관 대상으로 언급됩니다. 이번 연구는 금융 특화 모델의 평가가 예측 점수에 그치지 않고 실제 제공 환경에서도 검증되어야 한다는 점을 생각하게 합니다.

가격 예측의 순위 정보계수(RankIC)가 선두 모델보다 93% 높았다는 주장은 인상적입니다. 다만 구체적인 벤치마크 데이터셋과 실험 조건이 공개되지 않으면 그 차이가 어떤 조건에서 나온 것인지 알기 어렵습니다.

변동성 예측의 평균 절대 오차(MAE)는 9% 낮고, 합성 캔들 생성 충실도는 22% 좋아졌다고 연구진은 보고합니다. 이 수치만으로 새로운 시장이나 기간에도 성능이 유지된다고 판단할 수는 없습니다.

학습 데이터가 120억 건 이상이라는 사실만으로 실제 금융 판단에 유용하다는 결론까지 나오지는 않습니다.

논문과 저장소에서 데이터셋, 평가 구간, 기준 모델, 데이터 분할 방식이 공개돼 있는지 확인해 보십시오.