TimeGAN 기반 경제 시계열 데이터 확장 연구

TimeGAN-Based Extension of Economic Time Series Data

연구 내용

데이터 부족 문제를 완화하기 위해 TimeGAN 모델로 경제 지표 시계열을 생성·확장하고 통계적 유사성을 검증하는 연구

김수은 연구실은 경제 지표처럼 관측 기간이 제한되거나 비부동성이 큰 데이터에서 발생하는 데이터 부족 문제를 다루기 위해 TimeGAN(Time series GAN) 기반 확장 방법을 연구합니다. 월 단위 경제 시계열을 수집한 뒤 상관 관계를 활용해 대표 지표를 선별하고, 생성된 확장 시계열이 실제 데이터와 유사한 분포를 갖는지 PCA 및 t-SNE 시각화 등으로 확인합니다. 이를 통해 시계열 데이터의 과소적합 가능성을 완화하고, 딥러닝 기반 분석 적용성을 높이는 방향을 지향합니다.

관련 프로젝트

0건

연구 흐름

초기 연구에서는 경제 시계열 분석에서 관측 데이터의 양과 질이 방법 적용에 미치는 제약을 정리하고, 시계열 생성 모델로 확장이 가능한지 검토했습니다. 이후에는 상관 기반 지표 선별 절차를 포함해 생성 대상과 학습 안정성을 구체화했습니다. 최근에는 TimeGAN으로 확장한 데이터의 통계적 유사성을 차원 축소 기반 시각화로 확인하며, 기존 데이터의 협소함에서 비롯되는 잠재적 한계를 줄이는 응용 가능성을 제시하는 방향으로 발전하고 있습니다.

활용 가능성

활용 가능성은 알앤디써클 특화 AI 에이전트가 생성한 내용으로, 실제 연구 가능 여부는 연구실과의 논의가 필요합니다.

시계열 데이터 증강 파이프라인
금융·거시 데이터 희소성 완화
예측 모델 학습 데이터 확장
딥러닝 기반 경제 분석 전처리
PCA 기반 분포 보존 검증
t-SNE 기반 생성 품질 평가
시나리오 생성 데이터셋 구축
데이터 품질 향상용 생성 모델링
연구용 공개 시계열 확장
분석 가능 기간 확장