당분기 지역 경기전망모형 구축: 부산지역을 중심으로
Constructing the Nowcasting Model for Regional Economic Conditions: The Case of Busan
0
조회
0
다운로드
0
인용
0
참고문헌
키워드
초록
지역별 경기변동 양상이 다변화되는 가운데 코로나 위기를 거치며 지역별로 경기상황을 조기에 파악할 필요성이 커지고 있다. 본고에서는 최근 GDP 등 경기흐름을 실시간 파악하는 데 활용되고 있는 당분기 전망 체계를 지역경제 단위에 적용하여 당분기 경기흐름을 전망할 수 있는 방안을 마련하였다. 이를 위해 최근 한국은행에서 개발․산출한 지역경기전망지수(RECI) 중 부산지역 지수를 전망대상지표로 선정하여 부산지역의 당분기 경기전망을 실시해 보았다. 분석 결과, 동 모형은 부산지역 경기상황 변화를 상당히 조기(RECI 작성 18주전)에 포착하였으며, 예측오차도 준거모형인 자기회귀모형에 비해 낮게 나타나 예측력도 상대적으로높았다. 특히 코로나19로 인한 충격으로 경제상황이 급변했던 시점의 예측 결과도 분기지표가 모두 발표되는 시점 이전에 경기변화를 조기 포착하여 속보성 측면에서 유용한 것으로 판단된다. 예측정확도 측면에서도 전망대상기간중 예측오차가 낮게 나타나 높은 수준의 정확도를 보였다.
Abstract
The need for early identification of regional economic conditions has substantially grown due to the diversification of the regional business cycles, primarily caused by the shifts in economic structure and the uneven impacts of the COVID-19 crisis across regions. This paper constructs the nowcasting framework, widely employed to monitor business cycles in real-time, at the regional level, with a particular focus on Busan. Given that GRDP is available only in an annual basis, we nowcast the regional economic condition index (RECI), a quarterly regional indicator developed recently by the Bank of Korea. Our RECI nowcasting model comprises a dynamic factor model as the primary sub-model and a long short-term memory model as the secondary one. The results show that the regional nowcasting models can capture shifts in the local economic condition at an early stage, typically 18 weeks prior to the RECI announcement. Furthermore, the forecasting errors are lower than those of the alternative model (autoregressive model), indicating their relatively strong predictive power. Specifically, even in the quarters of sharp economic upheaval triggered by COVID-19 shocks, our regional nowcasting models exhibit their strong predictability by capturing the shifts before the release of economic indicators. In terms of accuracy, the forecasting errors range below one percentage point throughout the forecasting horizons, further attesting to their robust predictive power.
참고문헌 (36)
- 김윤영, "혼합주기자료 VAR모형을 이용한 분기 GDP성장율의 최적예측", 경제학연구, 55(3), pp.189~217 (2007)
- 코로나19 이후 지역별 경기회복 차별화의 원인 및 시사점, "박승문", 한국은행, ~ (2023)
- 서울경제모형구축(2008), "박희석", 서울시정개발연구원, ~, pp.시정연 2008-BR-02 (2008)
- 부산광역시, "2023년 경제정책방향", 보도자료, ~ (2023)
- 부산항만공사, "2021 부산항 컨테이너화물 처리 및 수송 통계", ~ (2021)
- 서혜성, "부산지역 거시계량모형 구축과 활용", 한국자료분석학회, 18(6(B)), pp.3117~3131 (2016)
- 소인환, "지역 경기변동의 요인별 특성과 경기기대 형성을 통해 지역 경기순환에 미치는 영향: 부산지역을 중심으로", 경제학연구, 71(3), pp.5~35 (2023)
- AI 기반 울산 경제지표 분석 및 예측모형 개발, "이상일", 울산연구원, ~, pp.울산연구원 정책과제 2021-06 (2021)
- 이승윤, "기계학습과 혼합주기 모형을 활용한 단기전망시스템", 조사통계월보, pp.16~41 (2017), 한국은행
- 이진희, "한국 경제변수에 대한 자기회귀 및 벡터자기회귀 모형의 예측성과 비교", 경제분석, 20(4), pp.114~150 (2014)
- 디지털 신기술을 이용한 실시간 당분기 경제전망(GDP nowcasting) 시스템 개발, "이현창", ~, pp.BOK 이슈노트 제2022-7호 (2022)
- 지역경기상황지수의 개발 및 활용, "정민수", 한국은행, ~, pp.BOK 이슈노트 제2023-9호 (2023)
- 최경욱, "혼합자료 샘플링모형을 통한 GDP 예측", 국제경제연구, 22(2), pp.81~117 (2016)
- 통계청, "유용한 통계, 편리한 서비스로 기업의 혁신과 성장을 지원한다", 보도자료, ~ (2023)
- 한희준, "랜덤 포레스트(Random Forest)의 시계열 적용에 관한 연구: 한국 물가상승률 예측 사례 분석", 경제학연구, 71(3), pp.37~73 (2023)
- 경기도 단기 지역경제전망모형 구축에 관한 연구, "황상연", 경기개발연구원, ~, pp.기본연구 2010-20 (2010)
- Short-term Forecast of Euro Area GDP Growth, "Angelini, E.", ~, pp.European Central Bank Working Paper Series, No.949 (2008)
- Nowcasting, "Banbura, M.", ~, pp.European Central Bank Working Paper Series No.1275 (2010)
- Banbura, M., "Maximum Likelihood Estimation of Factor Models on Data Sets with Arbitrary Pattern of Missing Data", Journal of Applied Econometrics, 29(1), pp.133~160 (2014)
- Bell. V., "Nowcasting UK GDP Growth", Bank of England Quarterly Bulletin, 54(1), pp.58~68 (2014)
- Macroeconomic Nowcasting and Forecasting with Big Data, "Bok, B.", ~, pp.Federal Reserve Bank of New York Staff Report No.830 (2017)
- Clark, T. E., "Using Out-of-sample Mean Squared Prediction Errors to Test the Martingale Difference Hypothesis", Journal of Econometrics, 135(1-2), pp.155~186 (2006)
- Diebold, F., "Comparing Predictive Accuracy", Journal of Business &Economic Statistics, 13(3), pp.253~263 (1995)
- On the Extrapolation with the Denton Proportional Benchmarking Method, "Di Fonzo, M. T.", International Monetary Fund, ~, pp.IMF Working Papers 2012 (2012), 169
- Elliott, G., "Economic Forecasting", Journal of Economic Literature, 46(1), pp.3~56 (2008)
- Foroni, C., "A Comparison of Mixed Frequency Approaches for Nowcasting Euro Area Macroeconomic Aggregates", International Journal of Forecasting, 30(3), pp.554~568 (2014)
- Nowcasting Regional GDP in Utah Using Dynamic Factor Models, "Gordon, M.", The University of Utah, ~, pp.Policy Research Brief No.3 (2021)
- Nowcasting Regional GDP : The Case of the Free State of Saxony, "Henzel, S.", ~, pp.CESIFO Working Paper No.5335 (2015)
- Hochreiter, S., "Long Short-Term Memory", Neural Computation, 9(8), pp.1735~1780 (1997)
- Kim, C., "Regional Forecasting Analysis for the Kyunggi Province", The Korean Economic Review, 11(1) (1995)
- Kim, H., "Macro Forecasts by Use of a Nonparametric Monetary Aggregate", The Korean Economic Review, 19(1) (2003)
- Mariano, R., "A New Coincident Index of Business Cycles based on Monthly and Quarterly Series", Journal of Applied Econometrics, 18(4), pp.427~443 (2003)
- Ng, Andrew, "Lecture Note on Sequence Models, DeepLearning.AI and Coursera" (2020)
- Rossi, B., "Handbook of economic forecasting (Vol. 2)", pp.1203~1324 (2013), Elsevier
- Point and Risk EstImation using an EnSemble of Models for Nowcasting: PRISM-Now, "Seo, B.", ~, pp.BOK Working Paper 2023-27 (2023)
- West, K., "Regression-Based Tests of Predictive Ability", Internatinal Economic Review, 39(4), pp.817~840 (1998)