주식 패턴 어시스턴트: 투명한 가격 구간 추출과 이벤트 연계 프레임워크

초록

본 논문은 일일 OHLCV 데이터와 정규화된 뉴스·공시 스트림만을 이용해 가격의 단조 구간(모노톤 런)을 결정론적으로 분리하고, 대칭적 시간 창을 통해 해당 구간과 관련 이벤트를 매핑한다. 추출된 구간·이벤트 정보를 기반으로 제한된 프롬프트와 가드레일을 적용한 LLM이 사실 기반 서술을 생성한다. SPA는 하이퍼파라미터 없이 O(T) 시간 복잡도로 동작하며, AAPL·NVDA·SCHW·PGR 네 종목에 대한 실험과 소거 실험을 통해 구조적 분해와 설명 가능성이 일관됨을 보인다. 예측이 아니라 과거 구조 해석을 위한 도구로, 감사·규제 환경에서 재현성과 투명성을 제공한다.

상세 분석

SPA는 기존 기술적 지표와 머신러닝 기반 예측 모델이 갖는 “블랙박스”와 “플랫폼 의존성” 문제를 해결하고자 설계되었다. 핵심은 가격 변동의 부호(d_t)만을 이용해 연속적인 동일 부호 구간을 최대 구간(R_k)으로 정의하는 결정론적 런 추출 알고리즘이다. 이 과정은 단일 패스(O(T))와 메모리 O(K)만을 요구하며, 평탄 구간(d_t=0)은 구분자 역할을 하여 런 경계에 영향을 주지 않는다. 런마다 시작·종료 인덱스, 지속일수, 퍼센트 변동, 평균 절대 편차(MAE) 등을 계산해 구조적 메타데이터를 제공한다.

이후 이벤트 스트림은 타임스탬프 정규화, 중복 제거, 스키마 표준화 과정을 거쳐 결정론적으로 정제된다. SPA는 각 런에 대해 대칭적 윈도우 W_k=