TimeGPT가 주식 예측에서 실패하는 세 가지 이유

TimeGPT를 AAPL 주가에 돌렸더니 단순 ARIMA보다 예측 오차가 컸습니다. 2026년 6월 arXiv 논문이 5개 미국 주식(AAPL·AMZN·GOOG·JPM·META)으로 12년치 데이터를 돌려본 결과예요. 시계열 기초 모델이 날씨나 전력 수요에선 잘 먹히는데, 금융 예측에선 왜 이렇게 무력할까요? 논문 저자들은 세 가지 구조적 원인을 짚었습니다. 낮은 신호대잡음비, 구조적 단절, 두꺼운 꼬리. 제가 이 논문을 읽고 내린 결론은 이겁니다. TimeGPT나 Chronos 같은 AI 도구는 유용한 prior지만, 신뢰할 alpha 엔진은 아니다.

어떤 기준으로 평가했나요?

이 논문은 TimeGPT, Chronos-Large, Chronos-Base 세 가지 시계열 AI 모델을 전통 방법론(ARIMA, Prophet, LSTM)과 비교했어요. 평가 기준은 두 가지였습니다. 첫째, 예측 정확도(MSE, MAE). 둘째, 트레이딩 성과(샤프 비율, 최대 낙폭). 2014년부터 2026년까지 5개 주식의 일간 수익률을 예측하게 하고, 그 예측으로 단순 롱숏 전략을 돌렸을 때 실제로 돈을 벌 수 있는지를 봤죠. 저는 이 논문을 읽으면서 "AI 성능이 벤치마크에선 좋아도 금융 데이터의 특수성 앞에선 무너지는구나"를 확인하고 싶었습니다.

AAPL에서 먼저 실패했다

논문 저자들은 AAPL 주가로 첫 실험을 돌렸어요. TimeGPT-1이 2024~2026년 테스트 구간에서 낸 MSE는 0.00034였는데, 단순 ARIMA가 0.00029를 기록했습니다. 더 복잡한 AI 모델이 더 단순한 통계 모델보다 못한 거죠. Chronos-Large도 비슷했어요. 예측 방향 정확도(directional accuracy)가 52%에 그쳤습니다. 동전 던지기와 거의 같은 수준이에요.

왜 이럴까요? 논문은 "낮은 신호대잡음비" 때문이라고 짚었어요. 주가 수익률의 일간 변동성이 워낙 커서, 모델이 학습할 만한 패턴이 노이즈에 묻힌다는 겁니다. 시계열 AI는 반복되는 패턴을 찾는 데 강한데, 주가엔 그런 패턴이 애초에 약하거든요.

구조적 단절이 학습을 무효화했다

AMZN과 META에서 더 흥미로운 일이 벌어졌어요. 두 종목 모두 2020년 팬데믹 시기에 급등했다가 2022년 금리 인상 국면에서 급락했죠. 논문 저자들은 이 구간을 "구조적 단절(structural break)"이라고 불렀습니다. TimeGPT는 2014~2020년 데이터로 학습한 패턴을 2022년 이후에 그대로 적용하려다 망가졌어요. 샤프 비율이 -0.3을 찍었습니다. 손실이 수익보다 컸다는 뜻이죠.

Chronos도 마찬가지였어요. 저는 이 대목에서 "시계열 AI가 regime change를 감지 못 하는구나"를 확인했습니다. 금융 시장은 몇 년마다 게임의 룰이 바뀌는데, AI 모델은 과거 룰로 계속 플레이하려 들거든요.

두꺼운 꼬리가 리스크를 키웠다

JPM 주가에서 가장 극적인 실패가 나왔어요. 2020년 3월 코로나 폭락장에서 JPM이 하루에 -11% 빠졌는데, TimeGPT는 이 극단 사건을 전혀 예측 못 했습니다. 논문은 이를 "fat-tail distribution" 문제로 설명했어요. 금융 데이터는 정규분포를 따르지 않고, 극단 사건이 훨씬 자주 일어나죠.

시계열 AI 모델들은 대부분 MSE 손실함수로 학습하는데, 이건 평균적 오차를 줄이는 데 최적화돼 있어서 극단 리스크를 과소평가한다는 겁니다. 실제로 TimeGPT의 최대 낙폭(max drawdown)이 -28%를 찍었어요. 실전에 썼으면 계좌가 반 토막 났을 겁니다.

그럼 이 AI 도구들은 쓸모없나요?

아니에요. 논문 저자들도 "완전히 버려야 한다"고 말하진 않았어요. 대신 이렇게 제안했습니다. TimeGPT나 Chronos를 단독 예측 엔진으로 쓰지 말고, 전통 모델과 앙상블하라고요. 실제로 TimeGPT + ARIMA 앙상블은 샤프 비율 0.4를 기록했어요. TimeGPT 단독(-0.1)보다 훨씬 나았죠.

제가 이 논문을 읽고 내린 결론은 이겁니다. 시계열 기초 모델은 "유용한 prior"입니다. 장기 추세나 계절성 같은 거시 패턴을 잡는 데는 좋아요. 하지만 금융 시장의 regime change나 극단 리스크 앞에선 무력해요. 그래서 이 AI 도구를 알파 생성 엔진으로 믿어선 안 됩니다. 대신 feature engineering의 한 축으로 쓰거나, 리스크 관리 보조 도구로 쓰는 게 현실적이에요.

만약 제가 이 논문의 실험을 재현한다면, 두 가지를 더 테스트하고 싶어요. 첫째, 변동성 예측에는 어떨까요? 수익률 예측보다 변동성 예측이 신호대잡음비가 더 높거든요. Chronos가 VIX 지수 예측에선 괜찮을 수도 있습니다. 둘째, 분 단위 고빈도 데이터에선 어떨까요? 일간 데이터보다 패턴이 더 규칙적일 수 있어요. 하지만 이것도 결국 "시계열 AI를 어디에 쓸 것인가"의 문제지, "이게 만능인가"의 답은 아니죠.

핵심 정리

TimeGPT와 Chronos는 강력한 도구지만, 금융 시장에선 전통 통계 모델을 이기지 못했어요. 노이즈에 묻힌 신호, 갑작스런 regime 전환, 빈번한 극단 사건 때문이죠.

제 조언은 이겁니다. 단독 예측 도구로 믿지 마세요. 대신 앙상블의 한 축이나, 거시 추세 파악 보조 도구로 쓰세요. 실전 퀀트 전략에 이 AI 모델을 넣는다면, 반드시 regime detection과 risk overlay를 함께 붙여야 합니다. 그래야 2020년 3월 같은 폭락장에서 계좌를 지킬 수 있어요.

자주 묻는 질문

Q. TimeGPT나 Chronos를 실전 퀀트 전략에 써도 되나요? A. 단독으로는 추천하지 않아요. 논문 결과상 샤프 비율이 음수였으니까요. 대신 전통 모델(ARIMA, Prophet)과 앙상블하면 샤프 0.4까지 올라갔습니다. 앙상블 + 리스크 관리 조합이 현실적이에요.

Q. 이 모델들이 암호화폐 예측에는 어떨까요? A. 논문은 주식만 다뤘지만, 암호화폐는 변동성이 더 크고 구조적 단절이 더 잦아요. 신호대잡음비가 더 낮다는 뜻이죠. 주식보다 성과가 더 나쁠 가능성이 높습니다.

Q. 그럼 어떤 시계열 예측 문제에 이 AI 모델이 유용한가요? A. 전력 수요, 날씨, 교통량처럼 신호대잡음비가 높고 구조적 단절이 적은 도메인이요. 실제로 TimeGPT는 전력 수요 예측 벤치마크에서 SOTA를 찍었어요. 금융은 예외적으로 어려운 도메인입니다.

Q. 논문에서 제안한 "앙상블" 방법은 구체적으로 어떻게 하나요? A. TimeGPT 예측값과 ARIMA 예측값을 단순 평균 내는 게 아니라, 최근 N일 성과 기반으로 가중치를 동적으로 조정했어요. 예를 들어 최근 20일간 TimeGPT가 더 정확했으면 가중치를 0.7:0.3으로 주는 식이죠.