결과, 한계, 향후 과제시계열 데이터를 길게 쓸수록 (1년 -> 3년), 예측 성능이 전반적으로 향상됨특히 GRU 모델은 학습 효율성과 예측 정확도의 균형 측면에서 가장 뛰어난 성과를 보였음LSTM 모델 역시 장기 시계열 정보를 효과적으로 반영하며 높은 성능 기록CatBoost는 범주형 데이터 처리에 강점을 가지며, 전통적인 머신러닝 모델 중에서는 준수한 성과를 보였음적용된 예측 모델 중에서 GRU와 LSTM 계열의 딥러닝 모델이 전체적으로 우수한 성능을 보임회귀 평가 지표(R², MSE, RMSE, MSLE, MAPE)를 기준으로 비교하였을 때, 딥러닝 기반 모델이 전통 머신러닝보다 전반적으로 우위 단일 시점의 재무정보보다 누적된 시계열 데이터가 예측 성능 향상에 유의미하게 기여함을 실증특히 매출 성장..
