TCP: 비트코인에서도 95% 적중하는 시간적 컨포말 예측
2026-03-28

TCP: 비트코인에서도 95% 적중하는 시간적 컨포말 예측

서론: ML 분위수 모델의 과신 문제

“95% 신뢰 구간”이라고 표시된 예측 구간이 실제로는 87% 확률로만 맞다면 어떨까? 이것이 대부분의 ML 분위수 회귀 모델의 현실이다.

  • 트리 기반 QR: 87% 실제 커버리지 (목표 95%)
  • 적응형 컨포말 추론(ACI): 92%
  • GARCH(1,1): 90%

이 샤프니스 vs 보정(sharpness-calibration) 트레이드오프는 ML 예측 구간의 고질적 문제다. 타이트한 구간을 최적화하면 신뢰성을 희생하게 된다.

arXiv:2507.05470의 **TCP(Temporal Conformal Prediction)**는 기본 모델을 재훈련하지 않고 사후 보정 래퍼로 이 문제를 해결한다. BTC를 포함한 금융 자산에서 목표 커버리지 95%에 근접하면서 구간 너비 증가는 3%에 불과하다.

본론: TCP의 작동 원리

핵심 아이디어: 롤링 캘리브레이션

TCP는 세 단계로 구성된다.

1단계: 기본 분위수 예측기 피팅

기존 모델(ARIMA, GARCH, 트리, 뉴럴넷 — 무엇이든)을 훈련 데이터에 피팅해 예측 하한/상한을 구한다.

2단계: 비적합성 점수 계산

캘리브레이션 세트에서 각 포인트마다 비적합성 점수를 계산한다:

s_i = max(y_i - q_upper_i, q_lower_i - y_i)
# 양수: 구간이 실제값을 놓침
# 음수: 구간이 커버

3단계: 롤링 캘리브레이션 분위수

최근 W일(예: 90일) 점수의 (1-α) 분위수를 구해 구간을 조정:

Q = np.quantile(scores[-W:], 1 - alpha)
lower = q_lower_new - Q
upper = q_upper_new + Q

최근 구간이 너무 좁았다면 Q가 커져 구간이 확장되고, 반대면 축소된다.

TCP-RM: 실시간 적응 변형

온라인 적응이 필요한 경우:

eta_t = eta_{t-1} + gamma * (alpha - int(y_t not in interval_{t-1}))
# gamma = 작은 스텝 사이즈 (예: 0.01)
# 실시간 분위수 조정

기본 TCP 대비 한계적 개선만 제공하지만, 장기간 고변동성 레짐에서는 유용하다.

S&P 500, BTC, 금 벤치마크 결과

모델커버리지구간 너비비고
GARCH(1,1)~90%좁음파라메트릭 가정 실패
QR-Linear~88%가장 좁음최악의 보정
QR (트리)~87%가장 좁음샤프니스 최고, 신뢰성 최저
ACI~92%중간개선되나 목표 미달
TCP~95%5.21목표 달성, 모델 무관

BTC에서 목표 커버리지를 달성한 최초의 모델 무관 방법이라는 점이 특히 중요하다.

2020년 3월 COVID 급락 검증

시각화 결과 TCP 구간은 변동성 급등에 비례적으로 확장/수축했다. GARCH처럼 지연되지 않는다. 위기 상황에서의 응답성이 검증됐다.

결론: 리스크 관리의 필수 후처리 단계

TCP가 제시하는 핵심 교훈:

  1. 샤프 ≠ 보정됨. ML 분위수 모델은 설계상 과신한다. 재훈련 없이 TCP 래퍼로 교정한다.
  2. 모델 무관 래퍼가 가장 실용적이다. 기존 아키텍처 변경 없이 모든 예측기에 적용 가능하다.
  3. BTC는 명시적으로 검증됐다. 크립토 리스크 관리에 직접 적용할 수 있다.

실용적 구현:

  • 기존 분위수 예측기(GARCH 또는 뉴럴넷) 유지
  • 90일 롤링 비적합성 점수 창 유지
  • 모든 출력 구간을 TCP로 조정
  • 주간 커버리지 모니터링 (목표: 93~97%)
  • 3주 롤링 커버리지가 목표 ±5%p 이탈 시 TCP-RM 활성화

TCP는 CPTC(체인지포인트 선제 대응)와 보완적이다. TCP는 정상 레짐 내 보정을 담당하고, CPTC는 레짐 전환 시 선제적 구간 확장을 담당한다. 두 방법을 계층화하면 완전한 커버리지 보장 파이프라인이 구성된다.

📚 출처 및 참고자료

이 분석은 교육·리서치 목적입니다. 투자 조언이 아닙니다.

← BACK TO BLOG