한은 "변수 많은 물가, 빅데이터로 보완하니…당월전망 정확히 예측"

6일 '빅데이터와 기계학습 알고리즘 활용 인플레이션' 이슈노트 발간

[사진=한국은행]

한국은행이 코로나 팬데믹 이후 심화된 물가상승률 예측오차를 줄이기 위해 빅데이터와 머신러닝(ML, 기계학습) 알고리즘을 이용한 새로운 실시간 인플레이션 전망 프로세스를 구축했다. 해당 모형으로 시뮬레이션 결과 당월 물가 상승 흐름을 정확하게 예측한 것으로 파악돼 향후 물가 전망과 대응력이 한층 강화될 것으로 보인다. 

6일 한국은행 디지털혁신실은 '빅데이터와 기계학습 알고리즘을 활용한 실시간 인플레이션 전망' 제하의 BOK이슈노트 보고서를 통해 "팬데믹 이후 주요 중앙은행 인플레이션 전망이 실제를 크게 하회하면서 모형 적절성에 대한 우려가 높아지는 한편 빅데이터와 기계학습 등기술이 빠르게 발전하고 있어 활용 연구가 활발히 진행되고 있다"면서 이 같이 밝혔다.

한은은 모형의 전망 정확도를 높이기 위해 298개의 예측 변수와 트리 기반 기계학습 등에 대한 시각화에 나섰다. 시각화 대상인 예측변수 그룹은 가격, 생산·경기변동, 금리·환율 등의 거시경제 그룹 뿐 아니라 정책·해외요인(재정수지, 주요국 경제지표, 유가), 대체 데이터(텍스트, 전력사용량) 등이 포함됐다. 또 매주 업데이트되는 물가 전망치와 변동요인을 통해 흐름을 직관적으로 파악할 수 있도록 RTF 그림으로 시각화해 평가한 결과 앙상블 모형이 가장 우수한 예측력을 보였다. 

이에 한은은 팬데믹 기간 국내에서 물가상승률 격차가 컸던 2020년 10월(0.1%)과 2022년 7월(6.3%)을 대상으로 '앙상블 모형'을 이용해 실험을 수행했다. 그 결과 2022년 7월 당월전망에서 정확하게 소폭 상승을 예상한 것으로 나타났다. 3개월과 12개월 전망에서도 각각 하락을 예측해 공식 통계 공표 전 물가 변동에 대한 정보를 제공했다. 실시간 전망에서도 올해 1월 수치(2.8%)와 유사한 2.9%로 산출됐다. 물가 전망모형 오차는 당월 기준 0.2%포인트 이내로 매우 낮은 수준이라는 것이 한은 설명이다. 

한은은 이번 물가전망 연구가 기존 방식과 달리 빅데이터와 AI/ML기술 등 새로운 방법을 시도한 측면에서 의미가 있다고 보고 있다. 이창훈 한은 디지털혁신실 과장은 "아직 3개월 전망 등은 당월 전망에 비해 예측오차가 크다는 한계가 있긴 하나 후속 연구를 통해 여러 거시경제변수 전망에 활용할 수 있는 기반을 마련할 것"이라고 밝혔다.