머신러닝 방법을 활용한 한국의 수출입 증가율 예측 및 분석
Forecasting Exports and Imports of South Korea Using Machine Learning Methods
0
조회
0
다운로드
2
인용
0
참고문헌
키워드
초록
본고는 수출입 관련 국내외 거시경제/금융 변수들을 폭넓게 사용하고 다양한 머신러닝 방법을 활용하여 한국의 수출입 증가율을 예측하고 분석한다. 2000년 1월에서 2021년 12월까지의 표본(총 264개월) 중 최근 10년(120개월)을 예측 기간으로 삼았으며, 1개월에서 12개월까지를 예측 대상기간(forecast horizon)으로 고려한다. 총 13개의 모형 중 모든 예측 대상기간에 있어 예측력이 우수한 모형이 존재하는 것으로 나타났는데, 이는 Kim and Han(2022)이 제안한 것으로 구체적으로 1) 보루타 알고리즘(Boruta algorism)을 통한 변수 중요도의 순위 도출, 2) 교차검증(cross-validation)을 통한 최적 변수의 수 선택, 3) 중요도가 높은 변수들을 선택된 수만큼만 사용하여 랜덤 포레스트(random forest)를 실시하는 것이다. Giacomini and White(2006)와 Hansen et al.(2009)의 검정을 통해 대부분 통계적으로 유의하게 예측력이 우수함을 확인하였고, 특히 에너지사용량이 수출과 수입 예측에 중요한 변수로 채택되는 것으로 나타났다.
Abstract
This paper considers exports and imports forecasting in South Korea using various machine learning methods in a data-rich environment. The samples are from January 2000 to December 2021 (total 264 observations) and the forecast period is set to be the last ten years of the samples. Among thirteen models, one model outperforms the rest models for all forecast horizons, which was proposed by Kim and Han (2022). The method consists of the followingthree steps: 1) Using the Boruta algorithm, obtain the rankings of the covariates in high-dimensional data, 2) Choose the optimal number of the most important covariates via cross-validation, 3) Using only those selected covariates, implement the random forest method and produce a forecast. The tests by Giacomini and White (2006) and Hansen et al. (2009) show that the model provides significantly better forecasts. In particular, the energy consumption is selected as an important variable for exports and imports forecasting.
참고문헌 (43)
- 대일본․대중국 무역수지 결정요인 분석과 시사점, "강기천", 산업연구원, 67~77 (2008)
- 거시건전성감독국, "조사연구자료분야별 감독제도" (2019), 금융감독원
- 고동환, "ICT 산업 중장기 전망(2021～2025년) 및 ICT 수출 대응전략", 방송통신정책연구 (2020), 정보통신정책연구원[DOI]
- 김도완, "우리나라 주식시장의 실물경제 대표성 분석 : 산업별비교를 중심으로", 조사통계월보, 75(5), pp.16~43 (2021), 한국은행
- 김민우, "2022년 3", 4분기 수출산업경기전망조사(EBSI), 2022, pp.(14), ~[DOI]
- 김수이, "국내 제조업부문의 에너지소비, 생산, 수출간의 인과관계 분석", 자원환경경제연구, 26(1), pp.37~56 (2017), 한국환경경제학회[DOI]
- 김신중, "수출물동량과 수출물가지수, 국고채금리가 수출금액에 미치는 영향", 융합정보논문지, 9(9), pp.133~140 (2019), 중소기업융합학회[DOI]
- 김정우, "머신러닝 기법 기반의 예측조합 방법을 활용한 산업 부가가치율 예측 연구", 한국콘텐츠학회 논문지, 20(12), pp.49~57 (2020), 한국콘텐츠학회[DOI]
- 김종성, "우리나라의 제조업 해외직접투자가 수출에 미치는 영향 분석", 수은해외경제, pp.4~18 (2005), 한국수출입은행
- 김치호, "한국의 산업내무역 : 변동추이와 결정요인", 경제분석, 6(4), pp.120~163 (2000), 한국은행
- 박성근, "전력사용량을 활용한 실시간 경기 모니터링 방안", 월간 KIET 산업경제, (260), pp.7~19 (2020), 산업연구원
- 백문영, "한국의 경제성장과 전력수요간의 인과성에 관한 연구: 분기별 자료를 이용하여", 응용통계연구, 25(1), pp.89~99 (2012), 한국통계학회
- 변창욱, "수출입 함수의 추정을 통한 우리나라 국별․산업별 수출입 결정요인 분석", 산업연구원 연구정책세미나, pp.1~257 (2009), 산업연구원
- 수출 급변동 조기예측모형: 코로나19 사례를 중심으로, "송민기", 한국금융연구원, 1~79 (2022)
- 안성배, "2022년 세계경제 전망", 오늘의 세계경제, 21(18), pp.1~143 (2021), 대외경제정책연구원
- 에너지통계월보 2021, "04", 조용성, 2021, pp.1~129
- 제조업부문 에너지 수요에 대한 연구, "오형나", 한국개발연구원, 1~73 (2011)
- 유정호, "상품군별 수출입함수의 추정", Journal of Economic Policy, 6(3), pp.101~119 (1984), 한국개발연구원
- 이동원, "수출의 기조적 흐름 판단을위한 수출상황지수(ET-COIN)개발", 조사통계월보, pp.16~31 (2019), 한국은행
- 이재열, "품목별 수출입 행태분석과 시사점", 조사통계월보 (2001), 한국은행[DOI]
- 이환호, "엔달러환율 변동이 우리나라 지역별 수출입에 미치는 효과", 국제경제연구, 1(2), pp.129~155 (1995)
- 임준형, "한국의 무역과 경제성장의 인과관계 분석", 상업교육연구, 22, pp.399~408 (2008), 한국상업교육학회
- KDI 경제전망, 2022 상반기, "정규철", 한국개발연구원, ~ (2022)
- 조재영, "기계학습을 이용한 수출신용보증 사고예측", 지능정보연구, 27(1), pp.83~102 (2021), 한국지능정보시스템학회
- 최문정, "선진국 수입수요가 우리나라 수출에 미치는 영향", 경제분석, 25(1), pp.34~65 (2019), 한국은행
- 한국경제연구원 경제정책팀, "2022년 수출 증가율, 작년보다 크게 둔화될 전망", 한국경제연구원, ~ (2022)
- 국가별․경제권별 수출결정요인 분석을통한 수출전망모형 구축 연구, "홍성욱", 한국산업연구원, 3~139 (2017)
- 홍지상, "2021년 수출입 평가 및 2022년 전망", Trade Focus, (35), pp.1~33 (2021), 한국무역협회 국제무역통상연구원[DOI]
- 홍지상, "2022년 상반기 수출입 평가 및 하반기 전망", Trade Focus, (13), pp.1~33 (2022), 한국무역협회 국제무역통상연구원[DOI]
- Giacomini, R., "Tests of conditional predictive ability", Econometrica, 74(6), pp.1545~1578 (2006)
- Goldstein, M., "The Supply and Demand for Exports : A Simultaneous Approach", The Review of Economics and Statistics, 60(2), pp.275~286 (1978)
- Greenhalgh, C., "Innovation and Trade Performance in the United Kingdom", The Economic Journal, 100(400), pp.105~118 (1990)
- Hansen, P. R., "The model confidence set", Econometrica, 79(2), pp.453~497 (2011)
- Helkie, W., "External Deficits and the Dollar: The Pit and the Pendulum" (1988), Brookings Institution
- 김병연, "Multi-Step-Ahead Forecasting of the CBOE Volatility Index in a Data-Rich Environment: Application of Random Forest with Boruta Algorithm", The Korean Economic Review, 38(3), pp.541~569 (2022), 한국경제학회[DOI]
- Kursa, M. B., "Feature selection with the Boruta Package", Journal of Statistical Software, 36, pp.1~13 (2010)
- Kreinin, M. E., "Price Elasticities in International Trade", Review of Economics and Statistics, 49(4), pp.510~516 (1967)
- Landesman, M., "Technological Competition and Trade Performance", Applied Economics, 29, pp.179~196 (1997)
- Medeiros, M. C., "Forecasting Inflation in a Data-rich Environment : The Benefits of Machine Learning Methods", Journal of Business & Economic Statistics, pp.1~45 (2019)
- Kursa, M. B., "Boruta : A System for Feature Selection", Fundamenta Informaticae, 101(4), pp.271~285 (2010)
- Muscatelli, V. A., "Modelling aggregate manufactured exports from some Asian newly industrialised economies", The Review of Economics and Statistics, 77(1), pp.147~155 (1995)
- Sanli, D., "The long-run relationship between energy consumption and export sophistication in OECD countries", Ankara Haci Bayram Veli University Journal of the Faculty of Economics and Administrative Sciences, 21, pp.342~361 (2019)
- Shakeel, M, "Energy consumption, trade and GDP : A case study of south Asian countries", The Parkistan Development Review, 53(4), pp.461~476 (2014)