현업에서 시계열 예측 분석할 때 사용하는 분석 기법들,,
몰랐던 내용 위주로 정리
-----
Tier 1 — 이미 있는 지표의 표준화 (저비용·고효과)
1. Pinball loss / CRPS (분위 채점) — 가장 추천
지금 구간 품질을 B-COVER(적중률)로만 재는데, 커버리지는 "넓게 치면 장땡"을 못 걸러냅니다. 현업(에너지 가격 예측, M-competition 계열)의 표준은 pinball loss(분위별)·CRPS(분포 전체)로, 캘리브레이션과 샤프니스를 한 숫자로 채점합니다. G블록의 "점으로는 naive를 못 이기지만 구간이 가치"라는 주장을 **"pinball loss에서 naive 구간 대비 x% 우위"**로 계량할 수 있어요 — 지금은 그 주장에 숫자가 없습니다.
2. Kupiec POF + Christoffersen 검정 (P10 백테스트)
B-P10HIT(~10% 명목)는 은행 VaR 백테스트와 구조가 동일합니다. 현업 표준은 Kupiec(초과 횟수가 명목과 통계적으로 부합하는가) + Christoffersen(초과가 위기일에 몰리는가 — 독립성). 특히 후자가 중요합니다: 이번에 본 것처럼 이 시장은 위기 국면이 있어서, P10 초과가 경매·위기일에 뭉치면 "평균 10%"여도 위험 하한으로서 실패입니다. F블록 게이지에 pass/fail 배지로 얹기 좋습니다.
3. PIT 히스토그램 / 신뢰도 다이어그램 (캘리브레이션 진단)
×3.5 폭 보정은 80% 커버리지 하나에 맞춘 건데, PIT(실현값이 예측분포의 몇 분위에 떨어졌나의 히스토그램)를 그리면 어디가 틀렸는지 보입니다 — 꼬리만 얇은지, 중앙이 치우쳤는지. ×3.5가 전 구간 균일 보정이라 아마 U자형(꼬리 과소)이 나올 텐데, 그게 [하한 클램프] 배지가 뜨는 날들과 연결될 겁니다.
4. Diebold-Mariano 검정 + MASE
"컨센서스 상대 승률 ~62%"가 지금은 카운트일 뿐입니다. DM 검정(소표본은 HLN 보정)이 "그 우위가 통계적으로 유의한가"의 현업 표준 답이고, MASE(naive 오차 대비 배율)는 "naive의 0.87배 오차"처럼 스케일-프리로 보고할 수 있어 KAU 가격 수준이 변해도 비교 가능합니다.
Tier 2 — 방법론 업그레이드
5. Conformal prediction (적응형 구간 보정) — 중기적으로 가장 가치 큼
×3.5 고정 배율은 사실상 수제 conformal입니다. 이를 adaptive conformal inference(최근 커버리지 실적에 따라 폭을 온라인으로 미세 조정)로 바꾸면 분포 가정 없이 유한표본 커버리지가 보장되고, 국면 전환(위기 진입/이탈) 때 폭이 자동 적응합니다. v0.4에서 γ 이중증폭을 제거한 교훈과도 정합 — 하나의 원칙 있는 보정으로 통일하는 거라서요. 지금의 [근사] 배지 경로와도 자연스럽게 합칩니다.
6. 이벤트 스터디 (경매·이행기한 창)
가드가 지금 "±5bd 경고"인데, 근거 수치가 대시보드에 없습니다. 표준 이벤트 스터디(이벤트 전후 일별 평균 초과수익률 + CI, 사건 수 n 명시)를 돌리면 "경매 전 3일 평균 −1.2% (n=14)"처럼 가드의 존재 이유를 계량화할 수 있습니다. past_auc 서 재료는 준비돼 있어요.
7. 이행 사이클 계절성 프로파일 (STL/캘린더 효과)
K-ETS는 6월 이행기한·빈티지 롤오버라는 강한 캘린더 구조가 있는데, 달리 제도가 만드는 내생 구조라 2022 위기와 무관하게 존재할 가능성이높습니다. 월별 평균 수익률 프로파일 + CI(이제 2015+ 11년치로 가능해짐 — 이번 이관의 직접 수혜)는 상품 보고서의 단골 차트고, D블록 "왜"의 정직한 대체 후보이기도
합니다: 요인 대신 "지금은 이행기한 D-30 구간, 과거 이 구간은 이랬다
8. Bai-Perron 구조 변화점 탐지
이번에 "2022-09을 위기 경계로" 손으로 정했는데, Bai-Perron(다중 변화점)이나 CUSUM은 그 경계를 데이터가 정하게 합니다. 37c/37d/37e의 "위기 국면 특이적" 서사를 보고서에 쓸 때 "임의로 자른 게 아니라 검정이 찾은 변화점" 이라고 말할 수 있게 해줘요. 11년 KAU 연속물이 생겼으니 초기 시장→성숙기 전환점 탐지에도 씁니다.
피하거나 보류할 것 (현업에서 쓰이지만 여기선 부적절)
- VAR/Granger/공적분 (외생요인과): 표준 기법이지만 방금 세 검증이 2022 요인 백필 전엔 허위 결과만 생산합니다.
- GARCH 밴드 스케일링: 변동성 모델 자체는 표준이나, γ 이중증폭을 제거한 v0.4 교훈이 있습니다. 쓴다면 밴드에 곱하지 말고 진단(고변동 가드의 근거 수치)에만.
- LSTM/딥러닝: 유효 표본 ~900일(성숙기 기준)로는 과적합 연극이 됩니가 나올 가능성이 높아요.