Crypto Time Series Data Expansion Using TimeGAN

시계열 데이터가 부족하면 인공신경망 기반 예측 모델에서 과소적합 문제가 발생할 수 있다. 특히 가상화폐 시장에서는 데이터의 양과 다양성이 중요하다. 따라서 본 논문에서는 TimeGAN(Time-series Generative Adversarial Network) 모델을 활용해서 가상화폐 시계열 데이터를 확장하는 방법을 제안한다. TimeGAN은 GAN(Generative Adversarial Network) 구조를 기반으로 하고 있는데, 시계열 데이터의 시계열적 특성과 분포를 유지하면서 새로운 데이터를 생성할 수 있는 모델이다. 실험을 위해서 2019년도부터 2023년 12월까지 한국 코인거래소에 상장된 10개의 가상화폐 시계열 자료를 수집하고 TimeGAN 알고리즘을 통해서 각 가상화폐와 통계적으로 유의미한 시계열을 확장한다. 즉 이처럼 확장된 시계열의 통계적 유의성을 정량적으로 분석하기 위해서 PCA 알고리즘을 활용하였고 그 결과, TimeGAN을 통해 생성된 데이터가 실제 데이터와 유사한 통계적 성질을 가지고, 이를 통해 예측 모델의 성능을 향상할 수 있음을 시사했다. 본 연구는 시장의 특성상 상장과 폐지가 빈번하게 발생하고 있는 가상화폐 시장의 안정성과 투명성을 높이는 데 이바지할 수 있는 토대를 마련함으로써, 금융 시장의 건전성을 강화하기 위해 중요한 학술적 역할을 할 수 있을 것으로 판단된다.