단기·중기·장기 예측 모델 선택

상태

승인

후보군

방안	설명
선형 외삽 확장	기존 build_prediction의 slope 기반 예측을 horizon=182까지 연장, sigma 확산은 sigma × sqrt(d) 적용
ARIMA/Prophet	통계 시계열 모델로 교체
ML(LSTM)	딥러닝 기반 예측 모델 도입

결정

기존 build_prediction 함수를 horizon 파라미터를 받도록 확장한다. 장기로 갈수록 sigma(변동성 밴드)를 sigma × sqrt(d)로 확대하여 불확실성을 표현한다. 주 단위로 집계(7일 간격 포인트 추출)하여 UI에 제공한다.

결정 이유

• 추가 데이터 수집 없이 현재 ML 구조에 자연스럽게 확장 가능하다.
• 운영 복잡도 증가 없이 빠르게 구현 가능하다.
• 이 서비스의 목적이 정밀 예측이 아닌 참고 시그널 제공이므로, 단순 확장으로 충분하다.

검토 대안

방안	기각 이유
ARIMA/Prophet	데이터 수집 기간 필요, 과적합 위험, 운영 복잡도 증가
ML(LSTM)	GPU 필요, 학습 데이터 1년 이상 필요

트레이드 오프

• 예측 정확도는 상대적으로 낮다.
• 추가 의존성 없이 빠르게 구현 가능하다.
• 사용자에게 “참고 시그널”임을 명시하여 과도한 신뢰를 방지한다.