빅데이터 통해 코로나19 경제 상황 조기 포착…향후 물가전망에도 적용 가능

한국은행이 빅데이터와 딥러닝을 활용해 경제를 전망하는 국내총생산 나우캐스팅(GDP nowcasting) 시스템을 개발, 기존 모형에 비해 예측력을 개선하는 성과를 거뒀다.

GDP 나우캐스팅은 신종 코로나바이러스 감염증(코로나19) 여파를 겪었던 2020년 1분기와 2분기 급격한 GDP 성장률 하락, 3분기 성장률 반등 움직임을 조기에 포착한 것으로 나타났다.

3일 이현창 한국은행 디지털혁신실 디지털신기술반 반장은 '디지털 신기술을 이용한 실시간 당분기 경제전망(GDP nowcasting) 시스템 개발' BOK 이슈노트를 통해 이같이 밝혔다.

GDP 나우캐스팅은 DFM(Dynamic Factor Modelㆍ동적요인모형)과 LSTM(Long Short-Term Memory) 알고리즘으로 구성됐다. DFM은 경제변수에 포함된 정보를 효율적으로 추출하는 데, LSTM 알고리즘은 변수 간 관계를 포착하는 데 효과적인 방법이다.

(사진=한국은행 '디지털 신기술을 이용한 실시간 당분기 경제전망 (GDP nowcasting) 시스템 개발' 발췌)

실제 GDP 나우캐스팅을 활용한 대부분의 분기 전망치와 실제치가 0.5%포인트(p) 내 근접했다. 코로나19 유행으로 인해 경제성장률이 급등락한 2020년 상반기를 제외한 전체 기간에서 예측 오차가 1%p 미만을 기록했다.

이 반장은 "LSTM 알고리즘은 속보치보다 잠정치 대비 예측 오차가 더 낮게 나타난다"라며 "실제 잠정치가 속보치보다 더 많은 경제제지표를 이용해 정확도가 높은 GDP 성장률을 나타내는 만큼 실제 경제를 더 잘 포착하고 있다"라고 말했다.

GDP 나우캐스팅이 성과를 거둘 수 있었던 것은 정보 손실을 최소화했기 때문으로 풀이된다. 기존 연구에서 널리 사용되는 방법은 월별 입력변수를 분기화하는 과정에서 정보 손실이 발생한다. 이번 연구처럼 DFM을 적용, 월별 입력변수와 분기 GDP 성장률 간 관계를 설정할 경우 정보 손실이 발생하지 않는다.

해당 연구에서는 2017년 1분기부터 2021년 3분기에 GDP 나우캐스팅을 적용했다. 실제 GDP 성장률 속보치 및 잠정치 대비 예측 오차를 확인한 결과 경기 흐름을 적기에 포착했다.

코로나19 유행이 시작된 2020년 1분기 DFM과 LSTM 전망 모형 모두 성장률을 하향 조정했다. DFM 전망모형이 속보치 공표 전 GDP 성장률을 -0.4%로, LSTM 전망모형은 -1.1%로 예측했다. 실제 속보치인 -1.4%(잠정치 -1.3%)에 가까운 결과를 뽑아낸 것이다.

이 반장은 이슈노트를 통해 "LSTM 전망모형은 코로나19 유행과 같이 경제 불확실성이 확대된 상황에서 상대적으로 높은 예측력을 보였다"라며 "인공신경망 구조에 기반한 LSTM 알고리즘이 변수 간 비선형, 상호의존적 관계를 포착하는 데 효과적이기 때문"이라고 설명했다.

한편 경제 전망에 GDP 나우캐스팅이 지속해서 확대 적용될 전망이다. 2020년 하반기 한국은행이 신설한 디지털혁신실이 첫 성과로 GDP 나우캐스팅을 개발했고, 효용을 확인한 만큼 지속적으로 활용하겠다는 것이다.

이 반장은 "디지털 신기술을 조사연구 경제전망에 활용하는 다양성을 충분히 확인했다"라며 "향후 물가전망에도 적용할 계획"이라고 밝혔다.