연구진은 변동성 예측 모델 설계 원칙인 Susceptible Architectures (SUSA)를 소개했어요. SUSA는 복잡한 값의 오픈 체인 및 주기적 저장소와 함께, 평온, 시작, 회복, 지속적인 스트레스 상태에서 저장소 특징을 해석하는 전문가를 활용해요.
16개의 미국 주식 및 상장지수펀드 시리즈를 대상으로 GARCH 모델과 경쟁력을 보여줬으며, 특정 자산(IWM, XLP)에서 QLIKE 성능이 통계적으로 유의미하게 향상됐어요.
연구 결과는 HARQ 스타일 예측을 보완하며, 앙상블 모델은 가장 강력한 구성 요소를 능가하고 테스트 시나리오의 75%에서 승리했어요.