Hierarchical Graph Learning for Calendar Spread Strategies in Commodity Futures Markets
상품 선물을 기초자산과 개별 계약의 이중 계층 그래프로 모델링하고, 만기(TTM)에 따라 달라지는 계약 간 상관관계를 반영하는 계층적 그래프 학습(hierarchical graph learning)으로 가격 예측을 수행해 캘린더 스프레드(calendar spread) 포지션으로 변환한다. Chicago Mercantile Exchange Group(CME) 상품 선물 실험에서 벤치마크 대비 예측·거래 성과가 우수하며, 만기 의존적 선물 간 연관이 통계적 차익거래(statistical arbitrage)에 핵심적임을 보였다.