시계열 분해와 하이브리드 순환신경망 기반 스프레드 예측: 국제 에너지 선물 시장을 중심으로
Time Series Decomposition and Hybrid RNN-Based Spread Prediction: Focused on the International Energy Futures Market
김민경(연세대학교); 황수정(연세대학교); 김하영(연세대학교)
39권 4호, 89~122쪽
초록
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.
Abstract
Since futures spreads are used strategically as a signal for market direction or as an instrument to hedge against risk or make profits, accurate spread prediction is crucial to many market participants who are willing to manage risk or capitalize on profitable opportunities. Therefore, this study aims to improve the predictive power of future spreads by considering various time-series characteristics embedded in energy futures spreads. In this regard, we present STAR-RNN, a spread prediction model that combines RobustSTL, ARIMA, and RNN (LSTM and GRU), by decomposing spreads into time series elements, trends, seasonalities, and noise, to predict future time series. The experiment was conducted using spread data calculated from WTI crude oil, Brent oil, heating oil, and natural gas futures from 2005 to 2021. As a result of the experiment, STAR-LSTM reduced RMSPE by 6.8% and 8.6% on average, compared to LSTM and ARIMA, and STAR-GRU reduced RMSPE by 10.4% and 9.9% on average, compared to GRU and ARIMA. These results indicate that the decomposed elements from the original time series play an important role in improving the final spread prediction performance.
- 발행기관:
- 한국재무관리학회
- 분류:
- 경영학