논문검색
- 제목
-
[2022]
시계열 분해와 하이브리드 순환신경망 기반 스프레드 예측: 국제 에너지 선물 시장을 중심으로
- 작성자
- 김민경, 황수정, 김하영
- 조회수
- 233
내용
에너지 선물 스프레드는 안정적 위험 헤지, 수익성 있는 선물 투자, 에너지 및 주식 시장에 대한
신호로써의 유용성 때문에 정확한 스프레드 예측은 여러 시장 참여자들에게 위험관리 및 수익 극대화
차원에서 중요한 과제이다. 따라서 본 연구는 에너지 선물 스프레드에 내포된 여러 가지 시계열적
특성을 고려하여 미래 스프레드 예측력 향상을 목표로 하였다. 이에 본 연구는 RobustSTL을 사용하여
스프레드를 시계열 요소 즉, 추세, 계절성, 노이즈로 나누고, 각 요소의 특성에 따라 ARIMA와 RNN(LSTM,
GRU)을 사용하여 요소별로 예측한 후 합산하여 미래 스프레드를 예측하는 STAR-RNN 모형을 제시한다.
본 연구에서는 2005년부터 2021년까지의 WTI 원유, 브렌트유, 난방유, 천연가스 선물로 이루어진 5개의
스프레드 쌍 데이터를 사용하여 실험하였다. 실험 결과, STAR-RNN 중 STAR-LSTM은 평균적으로 LSTM
대비 RMSPE 기준 6.8%, ARIMA 대비 8.6%의 예측 오차가 감소했고, STAR-GRU는 GRU 대비 10.4%, ARIMA
대비 9.9%의 오차가 감소했다. 이러한 결과는 원 시계열로부터 추세, 계절성, 노이즈를 분리하여
예측하는 방식이 최종 스프레드 예측 성능 향상에 있어 중요한 역할을 한다는 것을 의미한다.
주제어 : 스프레드 트레이딩, 시계열 분해, RNN, 스프레드 예측, 에너지 선물
게시물수정
게시물 수정을 위해 비밀번호를 입력해주세요.
댓글삭제게시물삭제
게시물 삭제를 위해 비밀번호를 입력해주세요.