Performance Evaluation of a Multi-Timeframe Multi-Head Attention System for Futures Market Forecasting and Day Trading

본 연구는 멀티헤드 어텐션(Multi-Head Attention) 기반 다중 시점 트랜스포머(Multi-Timeframe Transformer) 구조와 고빈도 시장에 특화된 추세 중심 라벨링 기법을 결합한 새로운 트레이딩 시스템을 제안한다. 제안 라벨링은 일정 임계값 내 가격 변동을 지속 추세로 정의하여 기존 상승 하락 방식보다 안정적인 라벨을 생성한다. 다중 시점 데이터의 병렬 처리를 통해 단·장기 의존성을 동시에 학습할 수 있도록 설계하였다. 실험 결과, 제안 모델은 기존 대비 예측 정확도, Profit factor, Max Drawdown에서 우수했고, 거래 횟수를 약 5배 줄이며 고빈도 선물시장 환경에서 예측 안전성과 효율성을 향상시켰다.