"빅데이터와 ML조합으로 물가 전망 가능"
-
기사 스크랩
-
공유
-
댓글
-
클린뷰
-
프린트
앞으로 빅데이터와 기계학습(ML, Machine Learning)을 통한 물가 전망이 가능해졌다.
현재 주요 중앙은행은 인플레이션 전망의 예측 오차가 크게 나타난 것을 경제이론에 기반한 전망모형이 인플레이션 충격의 크기와 지속성을 적절히 반영하지 못하고 있다고 판단하고, ML 알고리즘에 빅데이터를 적용한 다양한 연구를 진행 중이다.
한국은행은 6일 빅데이터와 기계학습 알고리즘을 이용한 정확도 높은 전망모형을 개발했다고 밝혔다.
실시간 인플레이션 프로세스와 시각화 방안을 검토한 결과 선형회귀모형과 ML 알고리즘을 결합한 모형이 가장 예측오차가 작고 인플레이션 변동 방향을 잘 맞추는 것으로 나타났다.
한국은행은 "개발한 모형을 통한 전망오차가 0.2%p이내(당월 전망 기준)로 매우 작은 수준을 보였고, 인플레이션 방향 전망도 실제 변동 방향과 동일한 결과를 보였다"고 설명했다.
다만 "3개월 및 12개월 전망의 경우 당월 전망에 비해 예측 오차가 크고, 특히 12개월 전망의 경우 월중 새로 추가되는 정보의 예측력 개선 효과가 낮은 것으로 보이는 한계점이 존재한다"며 개선 필요성을 제안했다.
한창율기자 crh2090@wowtv.co.kr
현재 주요 중앙은행은 인플레이션 전망의 예측 오차가 크게 나타난 것을 경제이론에 기반한 전망모형이 인플레이션 충격의 크기와 지속성을 적절히 반영하지 못하고 있다고 판단하고, ML 알고리즘에 빅데이터를 적용한 다양한 연구를 진행 중이다.
한국은행은 6일 빅데이터와 기계학습 알고리즘을 이용한 정확도 높은 전망모형을 개발했다고 밝혔다.
실시간 인플레이션 프로세스와 시각화 방안을 검토한 결과 선형회귀모형과 ML 알고리즘을 결합한 모형이 가장 예측오차가 작고 인플레이션 변동 방향을 잘 맞추는 것으로 나타났다.
한국은행은 "개발한 모형을 통한 전망오차가 0.2%p이내(당월 전망 기준)로 매우 작은 수준을 보였고, 인플레이션 방향 전망도 실제 변동 방향과 동일한 결과를 보였다"고 설명했다.
다만 "3개월 및 12개월 전망의 경우 당월 전망에 비해 예측 오차가 크고, 특히 12개월 전망의 경우 월중 새로 추가되는 정보의 예측력 개선 효과가 낮은 것으로 보이는 한계점이 존재한다"며 개선 필요성을 제안했다.
한창율기자 crh2090@wowtv.co.kr