한은·통계학회 "AI·빅데이터, 경제통계 설명력·예측력 높여"(종합)

[아이뉴스24 신수정 기자] AI와 빅데이터를 활용하면 경제지표의 예측력과 현실 설명력을 높이는 것으로 나타났다.

오희석 서울대 통계학과 교수는 19일 경제통계의 진화:Al 활용과 통계방법론의 확장을 주제로 한 포럼에서 경제·금융 데이터를 분석할 때 기존 요인 모형이 가진 한계를 보완하고 예측력을 개선하는 데 목적을 둔 새로운 데이터 적응 요인 모형(DAFM)을 선보였다.

오 교수는 "기존 요인 모형은 데이터의 평균적 특성만 반영해 극단값이나 분위수별 차이를 설명하지 못한다"며 "DAFM은 여러 분위수를 동시에 활용해 데이터 분포 전체 구조를 반영한다"고 설명했다.

오 교수는 "이 방식은 주가 수익률의 특이적 변동성이나 미국 실업률 예측에서 기존 모형보다 높은 정확도를 보였다"며 "금융시장이 점차 복잡해지고 불확실성이 확대되는 상황에서 새로운 요인 모형이 경기 국면 전환을 조기에 포착하는 데 유용할 수 있다"고 말했다.

그는 대규모 고차원 패널 데이터를 다루는 과정에서 나타나는 시계열 간 상관관계의 변화를 효과적으로 반영할 수 있는 점도 강점으로 꼽았다.

서범석 숙명여대 통계학과 조교수는 뉴스 텍스트와 환율 추세 이미지, 거시 경제 지표를 결합한 멀티뷰(Multi-view) 데이터 분석으로 원·달러 환율 예측력을 개선한 연구 성과를 공개했다.

서 조교수는 "2005년 이후 수집한 2190만건의 뉴스 중 환율 관련 기사 87만건을 12개 카테고리·90개 지표로 분류해 활용했다"며 "텍스트 기반 모형이 단기 환율 예측에서 가장 높은 성능을 보였다"고 밝혔다.

한희준 성균관대 통계학과 교수는 우리나라 주식시장 변동성 지표(VKOSPI)를 분석한 연구에서 "수급·자금흐름 데이터를 특성별로 분리해 차례대로 결합하는 멀티-인풋(Multi-input) LSTM 모형이 기존 HAR 모형과 단일 LSTM보다 중장기 예측에서 뛰어난 성과를 냈다"고 설명했다.

임창원 중앙대 응용통계학과 교수는 "환율은 구조적 지속성이 강해 뉴스 텍스트 분석이 적합하고, 변동성은 비선형성이 커 딥러닝 기반 모형이 효과적"이라며 "뉴스 기반 환율 불안 지표는 한국은행 정책 커뮤니케이션에, VKOSPI 예측은 금융당국의 리스크 관리 강화에 활용할 수 있다"고 강조했다.

김소정 한은 통계연구팀 과장은 소규모 언어모델(SLM)을 활용해 기존 뉴스심리지수의 한계를 보완한 새로운 분석 지표를 선보였다.

김 과장은 "기존 지수는 일부 문장만 반영해 노이즈가 많았다"며 "새로운 지수는 기사 전체 맥락을 반영해 경기 선행지표로 활용도를 높였다"고 설명했다.