버터플라이 최적화 기반 SVR로 주식시장 예측

본 논문은 서포트 벡터 회귀(SVR)의 핵심 하이퍼파라미터인 C(정규화 파라미터), γ(커널 폭), ε(ε‑insensitive 손실) 를 최적화하기 위해 버터플라이 최적화 알고리즘(BOA)을 도입한 BOA‑SVR 모델을 제안한다. 연구 배경으로는 SVR이 작은 표본, 비선형·고차원 데이터에 강점을 보이지만, 파라미터 설정이 부정확하면 성능이 급격히 저하된다는 점을 들었다. 기존에는 그리드 서치, 경사하강법, 그리고 다양한 메타휴리스틱(Genetic Algorithm, Particle Swarm Optimization, Artificial Bee Colony 등)이 활용돼 왔지만, 전역 탐색 능력과 수렴 속도에서 한계가 있었다. BOA는 2019년에 제안된 비교적 새로운 메타휴리스틱으로, 나비의 먹이 탐색 행동을 모방한다. 각 개체(나비)는 ‘향기(fragrance)’라는 적합도 기반 신호를 방출하고, 다른 개체의 향기를 감지해 전역 최적해(g*) 혹은 무작위 위치로 이동한다. 이동 공식은 전역 탐색 시 x_i = x_i + (r2·g* – x_i)·f_i, 국부 탐색 시 x_i = x_i + (r2·x_j – x_k)·f_i 로 정의된다. 여기서 r2는