시각화는 **"변동률 회귀 + 급등/급락 분류 하이브리드 모델"**을 적용한 예측 결과
✅ 시각화 그래프 설명
색상의미
| 🔵 파란선 | 실제 변동률 (실제 BTC 5분봉 기준 수익률) |
| 🔴 빨간선 | 예측 변동률 (Transformer 기반 회귀 예측 결과) |
🔍 분석 포인트
1. 예측 변동률 추세 (빨간선)
- 비교적 스무스하고 일관된 방향성을 가지는 추세가 보임
- 특히 100 이후 구간에서 지속적으로 우상향 → 이 구간에서는 실제보다 상대적으로 긍정적인 추세 예측
- 짧은 급등/급락에는 둔감, 하지만 중장기적인 움직임은 부드럽게 포착
2. 실제 변동률 (파란선)
- 여전히 0 근처를 중심으로 한 진동 형태 (극단적 변동은 거의 없음)
- 예측선과 비교하면 방향성 일치율은 높지 않지만, 노이즈가 크기 때문에 모델이 평균적인 경향성을 따르려 함이 보임
🧠 모델 성능 분석 (시각적)
항목평가
| 📉 단기 민감도 | 낮음 (스파이크나 급변동에 즉각 반응은 미약) |
| 📈 장기 추세 예측 | 상대적으로 좋음 (100~300구간에서 지속 상승 예측) |
| 🎯 노이즈 억제력 | 매우 높음 (실제값 대비 안정된 곡선) |
| ⚠️ 리스크 | 실제와 예측값 간의 magnitude 차이 존재 → 예측 신뢰도 한계 있음 |
📌 결론 요약
- 단기 예측에는 여전히 한계, 하지만 장기적 평균 회귀 관점에선 유효한 예측 패턴 생성
- 자동매매 적용 시:
- 회귀 예측은 트렌드 지표로 사용하고
- 급등/급락 분류 결과를 진입/이탈 트리거로 조합하는 게 이상적
🔧 개선 추천
- 예측값 rescale: 예측 변동률이 너무 평탄한 경우, 예측값을 후처리로 스케일링하여 민감도를 높일 수 있음
- 분류 모델 별도 시각화: 급등/급락 분류 예측도 함께 시각화해보면 신호의 유효성 검증 가