NEXUS: 다중 에이전트 기반 시계열 예측 프레임워크로 매크로/마이크로 흐름과 맥락 정보를 결합한 보정형 예측

실세계 시계열 예측은 숫자 패턴뿐 아니라 맥락적 신호를 필요로 한다. Nexus는 macro/micro 추론과 컨텍스트 주입을 통해 LLM의 제로샷 예측 능력을 실용적 성능과 투명한 추론으로 끌어올린다.

단계적 분해를 통해 시계열 예측의 복합성(수치 패턴 + 맥락 신호)을 다룬다. 시작 단계에서 맥락 정보를 구조화하고, 중간 단계에서 매크로 흐름과 미세한 시퀀스 구성의 두 가지 추론 경로를 각각별도 에이전트가 담당하도록 분리한다. 마지막으로 Stage 3에서 이 두 경로의 산출물을 통합하고 보정 루프를 거쳐 최종 예측을 산출한다. 이 구조는 전통적인 시계열 모델이 다루기 힘들었던 이벤트 기반 변동성과 텍스트 맥락의 조합을 효과적으로 처리한다.

전체 접근 방식은 Stage 1 Contextualization, Stage 2 Dual-Resolution Forecast Outlook Generation, Stage 3 Forecast Synthesis and Calibration으로 구성된다. 입력으로 Historical Numerical Data(X_{1:T})와 Raw Textual Events(E_{1:T})를 받으며, Stage 1에서 이를 Structured Historical Context(H_ctx)로 변환한다. Stage 2에서는 두 에이전트(A_macro, A_micro)가 각각 Macro Trajectory(X^macro_{t+1:t+T})와 Granular Steps(X^micro_{t+1:t+T})를 생성하고, Local Catalysts(R^micro)와 Broad Narrative(R^macro)를 보조한다. Stage 3의 Forecast Synthesis Agent(A_sync)은 이 두 경로의 출력을 결합해 최종 예측을 산출하고, Calibration Loop를 통해 Train/Val 분할과 Master Guidelines(G)로 보정한다. [입력 → 에이전트 출력 → 합성/보정 → 최종 예측] 패턴으로 작동한다.

주요 벤치마크에서 Nexus는 TSFM과 강력한 LLM 베이스라인 대비 경쟁력 있는 성능을 보이며, 일부 경우에는 더 낮은 MAPE를 달성한다. 더불어 예측 과정에서 reasoning traces를 제공해 각 예측의 주요 원인을 명시한다.

1. 전체 아키텍처 구조: Stage 1 Contextualization, Stage 2 Dual-Resolution Forecast Outlook Generation, Stage 3 Forecast Synthesis and Calibration. 2) 핵심 메커니즘: Macro-Reasoning Agent(A_macro)와 Micro-Reasoning Agent(A_micro)가 각각 Macro Trajectory(X^macro)와 Granular Steps(X^micro) 및 Broad Narrative(R^macro), Local Catalysts(R^micro)를 산출한다. 3) Prior work 대비 차별점: 단일 모듈 기반의 예측이 아니라 맥락과 시계열 패턴을 분리된 에이전트로 다루고, 최종 결합은 학습 가능한 Calibration Loop와 Master Guidelines를 통해 보정한다. 4) 학습/구현 세부: Backtesting Split과 Train/Val을 활용한 Calibration, Master Guidelines의 업데이트로 보정을 수행한다. 5) 이론적 기반: 시계열 예측의 다층적 원인을 추론하는 다에이전트 협업 프레이밍으로, 텍스트 맥락이 수치 예측에 미치는 영향을 구체적으로 추적 가능하게 한다.