2026학년도 한국데이터사이언스학회 하계종합학술대회에서 Siv Naseth 석사과정생이 포스터 발표로 참석하였습니다.

○ 연구주제: 시각-시간(Co-Attention) 융합 모델을 활용하여 금 ETF의 5일 후 상승 하락 추세를 예측하고 예측 성능 검증 연구

○ 연구내용

  - 캔들스틱 차트 이미지(시각 정보)와 가격·거래량 시계열 데이터(시간 정보)를 결합한 Visual–Temporal Co-Attention 모델이 금 ETF 추세 예측 성능을 향상시키는지 검증함.

  - 2005~2025년 SPDR Gold Shares ETF (GLD) 데이터를 사용하였으며, OHLC(Open, High, Low, Close), 20일 이동평균선, 거래량을 입력 변수로 활용함.

  - ViT(Visual Transformer)와 LSTM/Transformer 기반 시계열 인코더를 Co-Attention 구조로 결합하여 학습함.

  - 시각 정보와 시계열 정보를 함께 활용하는 융합 방식이 단일 데이터 기반 모델보다 금 ETF 단기 추세 예측에 효과적이며, 특히 20일 입력 구간에서 가장 우수한 성능을 보였음.