Finance Time Series Classification

📋 Finance Time Series Classification

해당 프로젝트는 이더리움(ETH)의 분당 시계열 데이터를 기반으로 가격 변화 패턴을 분석하고, 라벨링 및 특징 추출 기법을 적용하여 가격 방향성을 분류하는 모델을 구축하는 것을 목표로 수행하였다.

금융 시계열 데이터의 복잡성을 고려하여 정보 누수를 방지하고 효과적인 특징을 설계하는 데 중점을 두었다.

🔗 GitHub reppository

🛠️ Tech Stack

Language:  Python
Data Analysis & EDA:  pandas, numpy, tqdm, Jupyter Notebook
Feature Engineering:  ta, shap, sklearn.feature_selection
Machine Learning:
- Modeling:  scikit-learn (LogisticRegression, RandomForest, Bagging, Stacking), XGBoost, LightGBM
- Evaluation:  scikit-learn.metrics

프로젝트 목표

---

• 시계열 데이터 기반 가격 방향성 라벨링 설계
• 기술적 지표 및 통계적 피처를 활용한 특징 추출
• 정보 누수 방지 기반 교차검증 적용
• Bagging 및 Stacking 등 앙상블 모델을 활용한 성능 비교 및 예측

프로젝트 개요

---

• Data:  이더리움(ETH) 분 단위 시세 (CSV)
• Labeling:
  • Price Change Direction, Using Moving Average, Local Min-Max, Trend Scanning
• 검증 기법:  PurgedKFold 기반 시계열 적합 교차검증
• 성능 평가 지표:  Accuracy, Precision, Recall, AUC

분석 프로세스

---

📁 finance-time-series-project
│
└── 📂 1. 데이터 로드 및 초기 탐색
    ├──  ETH 분당 시계열 CSV 및 라이브러리 불러오기
    ├──  시계열 인덱스 정렬
    └──  종가 시계열 흐름 시각화

    📂 2. Data Labeling
    ├── 📁 2-1. Price Change Direction
    │   ├──  10분 지연 모멘텀 신호 생성 (np.sign +1)
    │   └──  모멘텀 신호 상위 15개 확인
    │
    ├── 📁 2-2. Using Moving Average
    │   └──  이동평균 기반 신호 민감도 조정
    │
    ├── 📁 2-3. Local Min-Max
    │   ├──  get_local_min_max() 함수 정의 (wait=3 조건)
    │   ├──  극값 시각화: 전체 및 확대
    │   └──  min/max 기반 trend 라벨링
    │
    └── 📁 2-4. Trend Scanning
        ├──  선형 회귀 기반 t-value 계산 함수 정의
        ├──   각 시점별 회귀 적용 후 유의미한 t_val, bin 도출
        └──  label DataFrame 상위 20개 확인

    📂 3. Feature Engineering
    ├── 📁 3-1. 환경 구성 및 데이터 슬라이싱
    │   ├──  ta, shap 설치 및 관련 라이브러리 import
    │   └──  MDI 방식 피처 중요도 함수 정의
    │
    ├── 📁 3-2. Technical Index 적용
    │   ├──  기술적 분석 지표 Feature 생성
    │   └──  Volume, Volatility, Trend 기반
    │
    ├── 📁 3-3. 수익률/변동성 지표 적용
    │   ├──  수익률 및 변동성 기반 파생 피처 생성
    │   └──  ret, std, vol_change 기반
    │
    └── 📁 3-4. 피처 중요도 분석 및 선택
        ├──  X, y 분리 및 StandardScaler 정규화
        ├──  각 시점별 회귀 적용 후 유의미한 t_val, bin 도출
        └──  label DataFrame 상위 20개 확인

    📂 4. Feature Selection methods
    ├──  MDI: Mean Decrease Impurity
    ├──  MDA: Mean Decrease Accuracy
    ├──  RFE CV: Recursive Feature Elimination
    ├──  SFS: Sequential Feature Selection
    └──  SHAP: Shapley Additive explanations
         └──  클래스별 summary plot 시각화
			   └──  전체 피처 중요도 정렬 → 모델 해석
    
    📂 5. 학습 데이터 저장 및 유틸리티 모듈 구성
    ├──  최종 feature + label 포함된 데이터 저장 (.pkl)
    └──  ml_get_train_times1, PKFold 클래스 정의 (정보 누수 방지용)

    📂 6. 모델 학습 및 평가
    ├── 📁 6-1. 데이터 로딩 및 준비
    │   ├──  .pkl 데이터 로딩
    │   ├──  t_value 이진화
    │   └──  클래스 비율 확인
    │
    ├── 📁 6-2. 데이터 분할 및 정규화
    │   ├──  train/test 비율 설정 (70/20)
    │   ├──  X, y 분리 및 정규화
    │   └──  train/test 셋 구성 및 학습용 1000개로 제한
    │
    ├── 📁 6-3. 교차검증 설정
    │   ├──  PKFold 적용 (n_splits=4)
    │   └──  n_splits 파라미터 변경 실험
    │
    ├── 📁 6-4. 베이스라인 학습 및 하이퍼파라미터 튜닝
    │   ├──  BaggingClassifier(RandomForest) 구성
    │   └──  GridSearchCV로 하이퍼파라미터 튜닝
    │
    ├── 📁 6-5. 최종 학습 및 예측
    │   ├──  best estimator로 전체 학습 데이터 재학습
    │   ├──  predict, predict_proba 수행
    │   ├──  성능 지표 출력
    │   └──  ROC Curve 시각화 및 AUC 해석
    │
    └── 📁 6-6. 추가 모델 학습 및 성능 비교
        ├──  개별 모델(XGBoost, LightGBM) 학습 및 성능 비교
        ├──  Ensemble Stacking
        │     └──  RF + XGB + LGBM → LogisticRegression
        ├──  Threshold 최적화 기반 성능 향상
        │     └──  Precision-Recall Curve 기반 F1 최적 지점 선택
        ├──  스태킹 모델 최종 성능
        │     ├──  Accuracy: 0.8010
        │     ├──  Precision: 0.5955
        │     ├──  Recall: 0.9636
        │     └──  AUC: 0.9118
        ├──  Confusion Matrix 시각화 및 해석
        ├──  ROC Curve (probability 기반) 시각화
        │
        └──  결과 종합 비교 및 최종 모델 선정 사유
             • 개별 모델 대비 전반적인 성능 균형 우수
             • 민감한 이벤트 탐지에 강한 재현율 확보
             • AUC 기준으로도 안정적인 분류 가능성 확보
             → 최종 모델로 StackingClassifier 선정

결론

---

개별 분류 모델(RandomForest, XGBoost, LightGBM)을 적용해보았으나, 하이퍼파라미터 튜닝에도 불구하고 성능 상의 한계을 확인하였다. 단일 모델만으로는 복잡한 패턴을 충분히 반영하기 어렵다고 판단하였다.

이에 따라 다양한 모델의 예측 결과를 통합해 성능을 향상시키기 위한 스태킹 앙상블 모델(Ensemble Stacking)을 도입하였다.

• Base model: RandomForest, XGBoost, LightGBM
• Meta model: Logistic Regression.

최적의 Threshold까지 적용한 결과, 성능이 유의미하게 향상된 것을 확인하였다.

	Accuracy	Precision	Recall	AUC
Score	0.8010	0.5955	0.9636	0.9118

개별 모델 대비 전반적인 성능과 재현율 확보를 통해 가격 변동 감지에 민감하게 반응하며, AUC 기준으로 안정적인 분류 가능성이 확보된 것으로 판단하였다.

최종 모델: StackingClassifier (RF + XGB + LGBM → Logistic Regression)

인사이트 및 회고

시계열 라벨링과 정보 누수 방지 전략이 예측력 향상에 중요하게 작용한다는 것을 확인하였다.

이동평균 민감도 조정, 극값 탐지, 회귀 기반 t-value 라벨링 방법을 선택할 때 예측 성능과 해석 가능성을 모두 고려해야 한다.

시계열을 분류 문제에서도 threshold 최적화가 성능 향상에 효과적일 수 있다는 것을 확인하였다.

다양한 Feature Selection 기법과 앙상블 모델을 비교하면서 데이터와 목적에 맞는 분석 방향을 잡아가는 연습이 되었다.

자세한 프로젝트 수행 과정은 🔗 GitHub reppository에서 확인할 수 있다.