시계열 예측에서 널리 쓰이는 파워스펙트럼 기반 지표는 수열 자체의 예측가능성을 요약한다. 그러나 논문은 이 지표가 “주어진 운영 설정에서 문맥을 더 얹으면 도움이 되는지”라는 다른 질문까지 답해주지는 못한다고 본다. 연구진이 겨눈 대상은 시계열의 본질적 예측가능성이 아니라, 특정 창 길이와 검색 모듈, 사전학습 모델을 붙였을 때의 문맥 가치였다.
논문은 이 둘을 같은 질문으로 볼 수 없다고 정리한다. 파워스펙트럼으로 만든 지표는 위상 재무작위화 뒤에도 그대로 유지되지만, 검색이나 파운데이션 모델이 쓰는 값은 2차 모멘트를 넘는 구조에 기대므로 위상이 섞인 대리 시계열에서는 사라질 수 있다. 논문은 이를 불가능성 결과로 제시하며, 스펙트럼만으로는 배치 설정에서의 문맥 효용을 복원할 수 없다고 설명한다.
검증은 7개 벤치마크 ETTh1, ETTh2, ETTm1, ETTm2, Weather, ECL, Traffic에서 이뤄졌다. 운영 창 S는 12, 24, 48, 96이고 예측 구간 H는 96, 192, 336, 720이다. 기본 예측기는 길이 S 창을 쓰는 direct multi-step linear predictor였고, 비교한 문맥 확장 기법은 longer linear window, window-keyed retrieval, Chronos-Bolt(512-point context)였다. 성능 변화는 테스트 MSE의 상대 감소로 정의한 context value V_M로 계산했다.
원본과 phase-randomized surrogate 쌍을 맞춘 결과, window-keyed retrieval의 문맥 가치는 스펙트럼이 같은 상태에서도 뒤집혔다. ECL에서는 중앙값이 +33.0%에서 -35.0%로, Traffic에서는 +33.8%에서 +0.7%로 바뀌었고, ECL의 paired gap는 69.8% [64.5, 73.1], p=3.5×10^-47이었다. 반면 longer linear window는 ECL에서 56.7%에서 55.1%로 유지됐다. Chronos-Bolt의 beyond-linear margin은 ECL에서 +9.0%에서 -8.8%로, Traffic에서는 +10.9%에서 -10.8%로 바뀌었다.
이 논문이 제안한 coverage deficit는 사전 레이블 없이 배포 전에 계산하는 configuration-level diagnostic이다. structure term Δnl은 analog prediction gain 1 – MSE_analog/MSE_linear로 정의하고, coverage term Γcov는 Δnl·u(S), u(S)=max(0,(m-S)/m)로 둔다. novelty term Γoov는 symbolic index에서의 out-of-vocabulary rate다. Leave-one-dataset-out 평가에서 Δnl은 retrieval과 foundation-model margin의 부호 예측에서 78.1%, 73.2%를 기록했고, SCP는 lookback에서 79.2%를 보였다. 논문은 이를 통해 스펙트럼 지표와 문맥 가치 진단을 구분해야 한다고 결론짓는다.
| 구분 | 수치 | 근거 단서 |
|---|---|---|
| ECL, 창 키 검색 문맥 가치(원본→대리) | +33.0% → -35.0% | Table 1; S=12, H=96, M=window-keyed retrieval, channel medians, K=20 IAAFT |
| Traffic, 창 키 검색 문맥 가치(원본→대리) | +33.8% → +0.7% | Table 1; S=12, H=96, M=window-keyed retrieval, channel medians, K=20 IAAFT |
| ECL, 긴 선형 창의 값(원본→대리) | 56.7% → 55.1% | Figure 1(e); longer window survives phase randomization |
| ECL, 검색 paired gap | 69.8% [64.5, 73.1] | Table 1; bootstrap 95% CI on paired median gap |
자료: STORIUM 정리
결국 이 작업은 새 예측기를 내놓기보다, 같은 스펙트럼 점수로 묶이는 시계열이라도 문맥을 더 얹을 가치는 별개라는 점을 분명히 한다. 즉, 시계열 자체의 예측가능성과 배치 설정에서의 문맥 효용을 분리해 보게 하는 진단을 제안한 셈이다. 코드는 https://github.com/KurbanIntelligenceLab/SINE에 공개돼 있다.
저작권자 © STORIUM 무단전재 및 재배포 금지
