[논문 리뷰] Deep Learning for Financial Time Series: A Large-Scale Benchmark of Risk-Adjusted Performance

Adir Saly-Kaufmann, Kieran Wood외 2명|arXiv (Cornell University)|2026. 03. 02.

Stock Market Forecasting Methods인용 수 0

한 줄 요약

대규모 벤치마크가 Sharpe 비율 최적화를 위해 금융 시계열 예측의 다양한 심층 학습 아키텍처를 평가하며, 명시적 시간 표현과 적응 메모리(VLSTM, LPatchTST, TFT 등)가 선형 기준선과 일반 DL 모델보다 위험 조정 기준에서 우수한 경향이 있음을 시사합니다.

ABSTRACT

We present a large scale benchmark of modern deep learning architectures for a financial time series prediction and position sizing task, with a primary focus on Sharpe ratio optimization. Evaluating linear models, recurrent networks, transformer based architectures, state space models, and recent sequence representation approaches, we assess out of sample performance on a daily futures dataset spanning commodities, equity indices, bonds, and FX spanning 2010 to 2025. Our evaluation goes beyond average returns and includes statistical significance, downside and tail risk measures, breakeven transaction cost analysis, robustness to random seed selection, and computational efficiency. We find that models explicitly designed to learn rich temporal representations consistently outperform linear benchmarks and generic deep learning models, which often lead the ranking in standard time series benchmarks. Hybrid models such as VSN with LSTM, a combination of Variable Selection Networks (VSN) and LSTMs, achieves the highest overall Sharpe ratio, while VSN with xLSTM and LSTM with PatchTST exhibit superior downside adjusted characteristics. xLSTM demonstrates the largest breakeven transaction cost buffer, indicating improved robustness to trading frictions.

연구 동기 및 목표

• 현대 딥러닝 아키텍처의 샤프 비율 위험 조정 성능을 교차 자산 선물 데이터셋(2010–2025)에서 out-of-sample으로 평가한다.
• 아키텍처적 귀납 바이어스(시간 표현, 메모리, 특징 선택)가 선형 베이스라인 대비 Sharpe-비율 최적화에 어떤 영향을 미치는지 조사한다.
• 안정성, 하방 리스크 및 시드와 시장 체제에 대한 강건성을 평가한다.
• 향후 금융 딥러닝 연구를 안내할 투명하고 실용적인 벤치마크를 제공한다.

제안 방법

• 프레임워크는 과거 다변량 입력을 두 단계 파이프라인으로 매핑하여 거래 신호를 생성합니다: 연속 모델 g_phi가 lookback 윈도우를 처리해 잠재 상태 h_t를 생성하고, 이후 tanh 활성화를 가진 선형 프로젝션으로 y_hat_t를 산출합니다.
• 포트폴리오 가중치는 EWMA 기반 자산별 변동성에 따른 변동성 타게팅 계수로 신호를 스케일링하여 목표 위험(sigma_tgt = 10%)을 달성합니다.
• 엔드투엔드 학습은 훈련 시퀀스에서 포트폴리오 수익 R_port를 평가하고 안정성 항 epsilon이 포함된 Sharpe 손실을 적용하여 음의 연환산 Sharpe 비율을 최적화합니다.
• 거래 비용이 순 수익에 반영됩니다; 예측 효율성을 평가하기 위한 주요 평가는 총 수익(Gross Returns, c_k = 0)으로 이루어지며 자산별 손익분기점 거래 비용 분석이 뒤따릅니다.
• 모델 계열에는 선형 베이스라인(AR1x, AR_n x, DLinear, NLinear), 트랜스포머 기반 아키텍처(iTransformer, PatchTST), 상태-공간 모델(Mamba, Mamba2), 순환 모델(LSTM, xLSTM, PsLSTM, PatchPsLSTM), 하이브리드(VLSTM, VSN+Mamba2, LPatchTST, TFT)이 포함됩니다.
• 참고: 파이프라인은 티커 임베딩 및 자산별 학습을 보장하는 교차 자산 정규화도 포함합니다.

실험 결과

연구 질문

• RQ1 다장기, 교차 자산 금융 시계열 설정에서 어떤 딥러닝 아키텍처가 위험 조정(Sharpe) 성능이 가장 우수한가?
• RQ2 아키텍처적 귀납 바이어스(시간 표현, 메모리 기제, 특징 선택)가 체제 변화에 대한 안정성과 거래 마찰에 대한 견고성에 어떤 영향을 미치는가?
• RQ3 하이브리드 및 구조화된 모델(VLSTM, LPatchTST, TFT)이 선형 베이스라인 및 일반 DL 모델에 비해 하방 리스크와 꼬리 동작 측면에서 더 나은가?
• RQ4 변동성 타게팅 하에서 예측 성능과 거래 강도(턴오버) 간의 트레이드오프는 어떠한가?
• RQ5 2010–2025의 시장 체제 및 서로 다른 하위 기간에서 결과가 일반화되는가?

주요 결과

• 비선형 시퀀스 모델은 대부분의 수평에서 선형 벤치마크를 크게 능가하며 위험 조정 수익이 더 강하고 안정적입니다.
• VLSTM은 가장 강한 종합 성과를 제공하며(Sharpe 2.39, CAGR 23.9%), 강력한 패시브-비교 진단(Infor. Ratio 0.854; HAC t-stat 3.31)을 보입니다.
• LPatchTST와 TFT도 강력한 성과를 보이며, 견고한 시간 상태 인코딩과 패치 기반 또는 주의 메커니즘의 결합 이점을 보여줍니다.
• xLSTM 기반 아키텍처는 성능과 거래 효율성의 바람직한 균형을 제공합니다(Sharpe 1.80; turnover 상대적 보통).
• iTransformer은 낮은 턴오버를 보이지만 경제적 성능은 약해 신호 반응성이 없는 극단적 턴오버 감소는 가치에 해로울 수 있음을 시사합니다.
• 방법 간의 하이브리드 모델이 특징 선택과 적응 메모리(VLSTM, LPatchTST)를 결합하면 Sharpe 비율이 더 높고 위험 관리가 더 잘 됩니다.
• 상태-공간 모델(Mamba, Mamba2)은 이질적인 결과를 보이며 일반적으로 강력한 체제별 에피소드에도 불구하고 종합 성능은 낮은 편입니다.
• 변동성 타게팅 프레임워크에서 VLSTM은 최고 CAGR과 Sharpe를 달성하며 수동 벤치마크에 비해 통계적으로 강한 유의성을 보입니다.
• 하방 리스크 지표는 VLSTM과 LPatchTST가 더 완만한 낙폭과 유리한 Calmar 비율을 보여 많은 베이스라인에 비해 우수합니다.