Time Series Forecasting based on Solana Digital Asset Dataset
본 논문은 2024년 3월부터 2025년 3월까지의 기간을 아우르는 최초의 포괄적인 솔라나 디지털 자산 시계열 데이터셋을 도입하고, 이를 활용하여 DEX 활동 및 SOL 가격에 의해 주도되는 생태계 전반의 시장 역학을 규명하며, PatchTST와 같은 최첨단 예측 모델을 통해 그 예측적 유용성을 검증한다.
원본 논문은 CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) 라이선스로 제공됩니다. 이것은 아래 논문에 대한 AI 생성 설명입니다. 저자가 작성하거나 승인한 것이 아닙니다. 기술적 정확성을 위해서는 원본 논문을 참조하세요. 전체 면책 조항 읽기
가상자산이라는 거대한 디지털 경제 속에서, 가치는 은행이나 금고를 통해 이동하는 것이 아니라 모든 거래를 정밀한 타이밍과 함께 기록하는 공개 장부를 통해 이동합니다. 이 세계는 두 가지 뚜렷한 유형의 활동에 의해 지배됩니다. 하나는 전통적인 주식 시장처럼 기능하는 중앙 집중형 거래소에서의 주요 자산 거래이며, 다른 하나는 블록체인 네트워크 상에서 직접 일어나는 격렬한 탈중앙화 거래입니다. 솔라나(Solana)와 같은 네트워크는 이러한 디지털 자산을 위한 고속도로로 부상했으며, 최소한의 비용으로 초당 수천 건의 거래를 처리할 수 있는 능력을 갖추고 있습니다. 데이터가 불투명하거나 지연될 수 있는 기존 시스템과 달리, 솔라나의 아키텍처는 토큰의 생성부터 최종 거래에 이르기까지 모든 여정에 대한 완전하고 타임스탬프가 찍힌 흔적을 남깁로. 이러한 디지털 토큰의 가치가 오르고 내리는 것을 이해하는 것은 분석가들을 오랫동안 괴롭혀온 과제였는데, 이는 주로 시장이 개인 트레이더의 행동, 갑작스러운 뉴스 이벤트, 그리고 네트워크 자체의 전반적인 건강 상태라는 혼란스러운 조합에 의해 움직이기 때문입니다. 연구자들이 오랫동안 던져온 질문은, 자산 자체의 역사뿐만 아니라 그 자산이 거주하는 네트워크의 패턴을 살펴봄으로써 해당 자산의 미래 가격을 예측하는 것이 가능한가 하는 점입니다.
한 연구팀은 솔라나 토큰의 일상적인 삶을 추적하기 위해 특별히 설계된 최초의 포괄적인 데이터셋을 구축함으로써 이 질문에 답하기 위한 중요한 발걸음을 내디뎠습니다. 그들은 2024년 3월부터 2025년 3월까지 1,584개의 서로 다른 토큰을 매일 관찰하며 정보를 수집했습니다. 이 컬렉션은 단순한 가격 목록이 아닙니다. 각 토큰에 대해 구매 또는 판매하는 사람의 수, 총 거래량, 유동성 풀에 머물러 있는 자금의 양, 그리고 기초 자산인 솔라나 네트워크 통화의 가격을 포함한 27가지의 다양한 변수로 이루어진 풍부한 태피스트리입니다. 연구진은 이러한 토큰 수준의 세부 사항을 더 넓은 생태계 신호와 엮어냄으로써, 빠르게 성장하고 변화하는 시장에 대한 창을 만들었습니다. 그들의 목표는 단순히 더 나은 예측 도구를 만드는 것이 아니라, 격렬한 확장기 동안의 실제 디지털 생태계의 행동을 이해하는 것이었습니다.
이 데이터에 대한 분석 결과, 시장은 고립되어 움직이지 않는다는 사실이 밝혀졌습니다. 연구진은 전체 생태계가 마치 한 몸처럼 동시에 숨을 쉬는 듯한 두 번의 뚜렷한 동기화된 활동 시점을 확인했습니다. 하나는 2024년 11월 중순이었고, 다른 하나는 2025년 1월 중순이었습니다. 이러한 정점 기간에는 네트워크 전반에 걸쳐 거래량, 활성 지갑 수, 그리고 새로운 트레이더 수가 동시에 급증했습니다. 특정 전직 미국 대통령과 관련된 특정 토큰의 출시와 맞물린 두 번째 정점인 2025년 1월은 엄청난 투기 열풍을 일으켰습니다. 데이터는 이 사건에 앞서 나타난 명확한 행동 패턴을 보여주었습니다. 투자자들은 유동성을 축적하고 풀에 자금을 쏟아부었으나, 정점 직후에 자금을 인출하기 시작했습니다. 이는 개별 토큰의 운명이 별개의 고립된 실체로서 존재하는 것이 아니라, 솔라나 시장의 전반적인 분위기와 탈중앙화 거래소의 활동 수준과 깊게 연결되어 있음을 시사합니다.
이 상세한 데이터가 실제로 미래를 예측하는 데 도움이 될 수 있는지 테스트하기 위해, 연구진은 일련의 예측 실험을 수행했습니다. 그들은 다양한 컴퓨터 모델에게 이 토큰들의 3일 후 시장 가치를 예측하도록 요청했습니다. 결과에 따르면, 반복되는 패턴에 의존하는 단순한 통계 모델은 일부 안정적인 토큰에 대해서는 잘 작동할 수 있었지만, 이 생태계의 격렬한 변동성에는 어려움을 겪었습니다. 가장 성공적인 접근 방식은 복잡하고 비반복적인 추세를 식별하는 데 탁월한 PatchTST라는 딥러닝 모델이었습니다. 사전 학습된 언어 프레임워크를 기반으로 하고 특정 데이터에 맞춰 미세 조정된 모델 또한 거의 대등한 성능을 보였습니다. 이러한 발견은 모델이 변동성을 처리할 수 있을 만큼 정교하다면, 데이터 내에 예측에 사용할 수 있는 진정한 단기 신호가 존재함을 시사합니다.
모델이 결정을 내리는 방식에 대한 추가 조사는 무엇이 예측을 주도하는지를 밝혀냈습니다. 가장 중요한 요인은 단일 토큰의 이력뿐만 아니라 네트워크의 전반적인 건강 상태였습니다. 솔라나 자체의 가격, 이동 평균, 전체 탈중앙화 거래 시스템의 총 거래량, 그리고 새롭게 생성되는 거래 쌍의 수는 모두 핵심적인 지표였습니다. 이는 이 디지털 경제에서 특정 토큰의 가격이 전체 시장의 집단적 행동에 의해 크게 영향을 받는다는 점을 확인시켜 줍니다. 연구는 상세한 토큰 데이터와 생태계 전반의 신호를 결합함으로써 시장 역학에 대한 더 명확한 그림을 그릴 수 있다고 결론짓습니다. 이 연구는 디지털 자산이 어떻게 행동하는지 이해하는 새로운 토대를 제공하며, 종종 탐색하기 어려운 환경 속에서 무작위적인 소음과 의미 있는 시장 변화를 구분하는 방법을 제시합니다.
연구 분야의 논문에 파묻히고 계신가요?
연구 키워드에 맞는 최신 논문의 일일 다이제스트를 받아보세요 — 기술 요약 포함, 당신의 언어로.