최근 발표된 연구 논문에 따르면, '듀얼캐스트(DualCast)'라는 새로운 AI 모델이 금융 시계열 예측 분야에서 주목할 만한 성과를 보였습니다. 이 모델은 주식 가격 변동과 같은 이질적인 자산의 동역학을 포착하는 동시에, 예측 시점에 이용 가능한 뉴스 정보까지 통합하여 예측 정확도를 높이는 것을 목표로 합니다.
듀얼캐스트는 '듀얼 패스(Dual-Path)' 프레임워크를 기반으로 합니다. 이는 기존의 동결된 언어모델(Language Model, LM)에 금융 관련 어휘를 추가하여 확장한 형태입니다. 첫 번째 '고속 경로(Fast Path)'는 로그 수익률(log-return) 데이터를 학습된 요약 토큰과 잔차 형태 토큰으로 표현하여, 자산 간의 패턴 공유를 가능하게 합니다. 여기에 적응형 주파수 균등화 잔차 벡터 양자화(adaptive frequency-equalizing residual vector quantization) 기술을 적용해 코드북 활용도를 높였습니다. 두 번째 '저속 경로(Slow Path)'는 고속 경로의 예측 결과와 뉴스 정보를 조건으로 삼아 예측을 수정합니다. 이 수정 메커니즘은 지도 미세조정(supervised fine-tuning)으로 초기화된 후, 고속 경로 대비 개선된 예측에 보상을 주는 정책 최적화(policy optimization) 방식으로 추가 학습됩니다. 특히 Qwen3-8B 백본을 활용하며, 새로운 금융 토큰 임베딩과 출력 헤드만 학습시키는 효율적인 방식을 채택했습니다.
이러한 듀얼캐스트 모델은 5분, 일간, 주간 단위의 주식 및 에너지 가격 예측에서 기존 방법론 대비 뛰어난 성능을 입증했습니다. 특히 가장 긴 예측 기간 설정에서 모든 경우에 가장 낮은 평균 절대 백분율 오차(Mean Absolute Percentage Error, MAPE)를 달성했습니다. 뉴스 정보의 활용은 대부분의 테스트 환경에서 추가적인 예측 정확도 향상을 가져왔으며, 이는 시장별로 그 효과가 다르게 나타나기도 했습니다. 듀얼캐스트는 빠른 수치 예측기와 선택적으로 텍스트(뉴스) 정보를 활용하여 예측을 수정하는 메커니즘을 결합함으로써, 금융 시장 예측의 복잡성과 불확실성을 효과적으로 다룰 수 있는 새로운 가능성을 제시하고 있습니다.