핵심 요약
한국은행 경제연구원 「經濟分析」 제28권 제2호(2022년 6월)의 Lead Article로, 이현창·최동규·김용건이 DFM(Dynamic Factor Model, 동적요인모형)과 딥러닝 LSTM(Long Short-Term Memory, 장단기 기억) 알고리즘을 결합해 매주 GDP 성장률 예측치를 갱신하는 실시간 당분기 경제전망(GDP nowcasting) 시스템을 개발한 논문이다. 출발점은 공표 시차다. 국내 GDP 성장률은 분기 종료 후 속보치까지 약 한 달, 잠정치까지 약 두 달이 걸려 현재 경기 판단 지표로 쓰기 어렵다. 논문은 월별 지표를 쓸 때 생기는 주기 불일치와 결측치(ragged-edge), 차원의 저주, 실시간 빈티지 데이터셋 구축이라는 세 가지 문제를 정리하고 DFM과 LSTM을 상호보완적으로 적용해 예측력을 높였다. 본인은 LSTM이 코로나19처럼 불확실성이 커진 국면에서 상대적으로 높은 예측력을 보였다는 결과가 변수 간 비선형 관계를 다루는 시장 리스크 모형에도 시사하는 바가 있다고 본다.
- 예측력 평가 기간은 2017년 1분기~2021년 3분기이며, DFM·LSTM 모두 2020년 1·2분기 급락과 3분기 반등을 조기에 포착
- BOK 이슈노트 제2022-7호를 수정·보완한 논문으로 투고 2022년 2월 7일, 게재 확정 2022년 5월 24일
- 인도·ECB·독일·캐나다 등 주요국 중앙은행이 DFM을 nowcasting 모형으로 채택하고 있으며, 뉴욕 연준은 코로나19 이후 전망 오차 확대로 2021년 2분기 이후 결과 공개를 중단
한국은행에서 발간한 간행물 중 눈에 띄는 간행을 발견했다.
동적요인모형 (DFM, Dynamic Factor Model) 및 ML (Machine Learning) 중 LSTM (Long Short-Term Memory) 알고리즘을 이용하여 경제를 전망한다는 내용이라 한 번쯤 읽어봐도 괜찮을 듯 싶다.
조회수: 12