공개 노트

TimesFM-3, 시계열 예측의 출발점을 바꾸다

2026-09-01Views 19약 3분생성형 AI 활용

Summary

TimesFM-3: 다변량 시계열 예측을 위한 제로샷 기준선

시계열 예측은 데이터와 업무마다 모델을 별도로 학습하는 경우가 많다. TimesFM-3은 이 부담을 줄이기 위한 범용 사전 학습 모델로, 처음 보는 데이터도 추가 학습 없이 예측하는 제로샷 방식을 지원한다.

2026년 8월 공개된 TimesFM-3은 단변량과 다변량 시계열 예측을 모두 기본 지원한다. 핵심 가치는 기존 모델을 곧바로 대체하는 데 있기보다, 여러 변수와 외부 조건을 반영한 기준 성능을 빠르게 확보하는 데 있다.¹

매출·가격·재고처럼 서로 연관된 시계열은 다변량 입력으로 함께 처리할 수 있다. 입력 배열의 형태는 변수 수 × 컨텍스트 길이이며, 출력은 목표 변수 수 × 예측 구간 길이다.¹

외부 조건인 동적 공변량은 두 종류로 구분한다.

예를 들어 과거에 관측된 마케팅 비용은 과거 전용 공변량으로, 예정된 공휴일이나 가격 정책은 미래 구간까지 주어지는 공변량으로 구성할 수 있다. 이러한 공변량을 활용할 때도 작업별 별도 튜닝이 필수는 아니다.¹

TimesFM-3은 한 번의 순전파로 전체 예측 구간을 생성한다. 점 예측과 함께 각 목표 시계열에 대해 10번째부터 90번째 백분위수까지 9개 분위수를 제공한다.²

다변량 분위수 출력은 다음 세 차원으로 이해할 수 있다.

따라서 단일 예상값만 보는 대신, 수요나 가격이 어느 범위에서 변동할 가능성이 있는지 살펴볼 수 있다. 실제 의사결정에서는 중앙 예측과 함께 상·하위 분위수를 재고, 용량, 위험 한도 설정에 활용할 수 있다.

TimesFM-3은 3억 3천만 개의 매개변수를 갖췄으며, 1조 개가 넘는 실제·합성 시점으로 사전 학습됐다. 또한 연속된 32개 시점을 하나의 패치로 묶어 처리한다.²

이 구조를 사용할 때는 모델 규모보다 데이터 정렬을 먼저 확인해야 한다. 목표 변수와 공변량의 시간축이 일치하는지, 과거 전용 공변량과 미래까지 알려진 공변량을 올바르게 구분했는지가 예측 품질과 검증 신뢰도에 직접 영향을 준다.

TimesFM-3을 적용할 때는 다음 순서가 실용적이다.

코드와 체크포인트는 GitHub와 Hugging Face에서 제공된다. 다만 3.0 사전 학습 가중치는 현재 비상업·비프로덕션 용도로 제한되므로, 실제 서비스에 도입하기 전에는 성능뿐 아니라 라이선스 조건도 검토해야 한다.¹

요약: TimesFM-3은 다변량 시계열과 동적 공변량을 별도 튜닝 없이 다룰 수 있어 빠른 제로샷 기준선으로 유용하다. 다만 실제 적용 여부는 시계열 백테스트, 데이터 누수 점검, 기존 모델과의 비교, 라이선스 검토를 거쳐 결정해야 한다.