빅데이터처리 및 데이터베이스 연구실(Bigdata Processing & DB Lab) 김용담(박사과정/제1저자), 박현지(석사과정), 정성원 교수(교신저자)와 기계학습 연구실(Machine Learning Research Lab) 이동우(석사과정), 조정선(석사과정), 이예인(석사과정), 양지훈 교수가 함께 공동연구한 "Retrieve the Right Signal: Decomposition-Guided Retrieval-Augmented Forecasting for Financial Markets" 논문이 최우수국제학술대회 ACM International Conference on Information and Knowledge Management (CIKM) 2026 정규 논문(Full Research Paper, Acceptance Rate: 597/2216 = 26.9%)에 게재가 확정되었으며, 구두 발표(Oral Presentation) 논문으로 선정되었습니다.

금융 시계열 예측은 포트폴리오 구성, 위험 관리, 투자 전략 설계의 출발점이 되지만, 전력이나 기상 데이터와 달리 안정적인 주기가 거의 없고 거시경제 국면에 따라 성질이 크게 달라진다. 이런 환경에서는 과거에 지금과 비슷했던 구간을 찾아 그 뒤에 실제로 일어난 움직임을 참고하는 검색 기반 예측(retrieval-augmented forecasting)이 유력한 대안으로 제시된다. 비슷한 시장 상황이 비슷한 반응으로 이어지는 경우가 실제로 반복되기 때문이다.

문제는 무엇을 기준으로 "비슷하다"고 판단하느냐에 있다. 기존 방법은 raw-signal에서 바로 유사도를 계산하는데, 금융 데이터에서는 이 유사도가 가격 수준이나 trend에 지배된다. 그 결과 겉보기에는 매우 닮은 구간을 찾아냈는데도 그 뒤 방향은 정반대인 사례가 생긴다. 연구팀은 S&P 500에서 이 실패 사례를 직접 확인했다. Raw-signal로 검색한 이웃은 상관계수가 더 높았지만 이후 방향이 정답과 어긋났고, trend를 제거한 뒤 검색한 이웃은 상관계수가 낮았음에도 방향이 일치했다.

연구팀이 제안한 RISE는 분해를 예측 경로를 나누는 기준으로 사용한다. 미래 값을 절대 참조하지 않는 causal moving average로 입력을 trend와 detrended component로 나눈 뒤, trend는 linear predictor가 맡고 retrieval은 detrened component로 수행한다. 검색 결과를 최종 예측에 더하는 데 그치지 않고, RAC(Retrieval-as-Context) 토큰으로 만들어 패치 트랜스포머 인코더에 함께 넣는다. 검색 정보가 출력 단계뿐 아니라 표현 학습 단계에도 영향을 주도록 한 설계이며, 추가 파라미터는 3.8K에서 23.8K 수준에 그친다. 세 경로의 예측은 학습 가능한 가중치로 결합된다.

성능은 두 갈래로 검증했다. 미국·일본·홍콩·독일 주가지수와 금, 유로/달러, 비트코인을 포함한 8개 실제 금융 데이터셋에 6개 예측 구간을 적용한 48개 설정에서, RISE는 MSE와 MAE 모두 23개 설정에서 1위를 기록해 다른 SOTA 모델들을 크게 앞섰다. 공개 벤치마크인 TFB의 NASDAQ·NYSE 데이터셋에서도 8개 MSE 설정 중 7개에서 1위를 차지했다. 검색 기준만 바꿔 비교한 진단 실험에서는, 추세를 제거한 공간에서 검색했을 때 예측 방향 정확도가 0.537에서 0.560으로 올라갔고 8개 데이터셋 중 7개에서 우세했다. 오차 크기만 보면 두 방식이 거의 같았다는 점에서, 분해가 기여하는 지점이 정확히 방향성에 있음을 보여주는 결과다.

본 논문의 제1저자인 김용담 박사과정은 "검색 기반 예측에서 중요한 것은 얼마나 많이 검색하느냐가 아니라 어떤 신호로 검색하느냐라는 점을 확인한 연구입니다. 추세를 걷어낸 공간에서 검색하면 오차 자체는 크게 달라지지 않아도 방향을 맞히는 능력이 올라가고, 이 차이가 실제 금융 예측에서는 의미가 큽니다. 앞으로는 자산에 맞춰 분해 필터를 학습하는 방향과 일중·미시구조 예측으로 확장하는 연구를 이어가려 합니다. 함께 연구한 박현지, 이동우, 조정선, 이예인 석사과정 친구들과 지도해주신 양지훈 교수님, 정성원 교수님께 감사드립니다."라고 소감을 밝혔다.

ACM International Conference on Information and Knowledge Management (CIKM)는 정보검색, 지식관리, 데이터마이닝, 데이터베이스 및 인공지능 분야를 다루는 세계적인 권위의 국제학술대회이다. 또한 CIKM은 BK21 Computer Science 분야 우수국제학술대회 목록에 인정 IF=3으로 등재되어 있으며, 한국정보과학회 소프트웨어 분야 우수학술대회 목록에서 최우수 학술대회로 분류되어 있다. 본 학회는 올해 11월 7일부터 11일까지 이탈리아 로마에서 개최될 예정이다.

References:

-       35th ACM International Conference on Information and Knowledge Management (CIKM 2026)

-       Website: https://cikm2026.diag.uniroma1.it/