딥러닝을 활용한 실시간 GDP 예측 모형 개발
A Study on Real-time Forecasting GDP and GRDP Using Deep Learning
- 주제(키워드) 국민총생산 , 게이트순환유닛 , 자기회귀 혼합데이터샘플링모형 , 장단기기억 , AutoRegressive Mixed Data Sampling Model , Gated Recurrent Unit , Gross Domestic Product , Long Short Term Memory
- 발행기관 한국질서경제학회
- 발행년도 2023
- 총서유형 Journal
- DOI http://dx.doi.org/10.20436/OEJ.26.2.069
- KCI ID ART002980963
- 본문언어 한국어
초록/요약
본 연구는 국내 경제 전망에 대한 실시간 예측 모형을 개발하는 것을 목적으로 한다. 또한 예측의 적시성과 예측의 정확성을 제고시키기 위해 비정형 데이터인 경제 뉴스를 활용하는 텍스트 마이닝과 기계학습 방법론을 활용한다. 특히, 신경망분석 중 하나인 장단기기억(LSTM: Long Short Term Memory) 알고리즘과 게이트순환유닛(GRU: Gated Recurrent Unit) 알고리즘을 활용했으며 예측의 요인별 구조를 파악하기 위해 자기회귀 혼합데이터샘플링모형(AR-MIDAS: AutoRegressive Mixed Data Sampling Model)을 분석 방법에 추가했고, 비정형 데이터인 경제 뉴스를 정량화하기 위해 TF 가중 방법인 TF-IDF 방법론을 활용했다. 분석 결과, LSTM은 예측력 측면에서 우월한 것으로 나타났지만 신경망 분석의 단점인 요인 분석이 블랙박스로 처리되는 단점이 있는 것으로 나타났다. 반면, AR-MIDAS 방법으로 추정한 결과, t기 전산업 생산지수가 상승하고 t-1기 실업률이 하락할수록 국내 경기는 양호해지는 것으로 나타났다. 또한 첫 번째 달의 경제 뉴스는 경제에 부정적인 영향을 미치는 반면 두 번째 달의 경제 뉴스는 경제에 긍정적인 영향을 미치는 것으로 나타났다. 이와 같이 본 연구는 GDP 예측의 적시성을 제고시키기 위해 GDP nowcasting 모형보다 예측 주기를 단축시켰으며 갑작스런 이벤트 발생 시 이를 GDP 예측에 즉각적으로 반영하기 위해 온라인 상의 경제 뉴스 데이터를 활용했다.
more