딥러닝을 활용한 실시간 GRDP 예측 모형 개발
A study on real-time forecasting GRDP using deep learning
0
조회
0
다운로드
0
인용
0
참고문헌
키워드
초록
본 연구는 지역 경제 예측 모형의 적시성을 제고시키는 것을 목적으로 한다. 이를 위해 비정형 데이터인 지역 경제 뉴스를 활용하는 텍스트 마이닝과 기계학습 방법론을 활용한다. GDP와 관련해서는 이미 임상수⋅최항석(2023)이 예측의 적시성을 제고시키기 위해 실시간 예측 모형을 개발했으며, 본 연구는 이렇게 개발된 연구를 바탕으로 GRDP를 예측하고자 한다. 이를 위해 신경망분석 중 하나인 장단기기억 알고리즘과 게이트순환유닛 알고리즘, 그리고 자기회귀 혼합데이터샘플링모형을 분석 방법을 활용한다. 또한 비정형 데이터인 경제 뉴스를 정량화하기 위해 TF 가중 방법인 TF-IDF 방법론을 활용한다. 이와 함께 예측력을 제고시키기 위해 훈련 데이터를 바탕으로 모형별로 예측력이 가장 높은 모형을 선정하고, 이들 모형에 실험 데이터를 적용하여 적절한 모형을 선정했다. 예측력을 바탕으로 적합한 모형을 선정하기 위한 기준으로 RMSE와 MAE 통계량을 활용했다. 분석 결과, 16개 시도별로 적합한 모형은 다른 것으로 나타났고, 이는 시도별로 GRDP를 설명하는 요인들과 특성이 다르기 때문이다. 이처럼 본 연구는 딥러닝을 활용하여 예측의 적시성을 제고시키는 예측 모형을 16개 시도별 GRDP에 적용 가능성을 검토했다는 점에서 의의가 있다.
Abstract
This paper is trying to improve the timeliness of regional economic forecast models. Text mining and machine learning methodologies that utilize local economic news, which is unstructured data, are used to do this. This study seeks to predict GRDP based on the research methodology for GDP foresting by Lim and Choi(2023). For this purpose, analysis methods such as LSTM(long-short-term memory) algorithm, GRU(gate recurrent unit) algorithm, and autoregressive mixed data sampling model, which are types of neural network analysis, are utilized. Additionally, the TF-IDF methodology, a TF weighting method, is used to quantify economic news, which is unstructured data. In addition, in order to improve predictive power, the model with the highest predictive power was selected for each model based on the training data, and the test data was applied to these models to select an appropriate model. RMSE and MAE statistics were used as criteria for selecting an appropriate model based on predictive power. As a result of the analysis, the appropriate model for each of the 16 major cities and provinces was found to be different, and this is because the factors and characteristics explaining GRDP are different for each city and province. As such, this study is significant in that it examined the applicability of a prediction model that uses deep learning to improve the timeliness of predictions to the GRDP of each of the 16 cities and provinces.
참고문헌 (28)
- 고봉현, "시간분해 접근법에 의한 분기별 GRDP 추정에 관한 연구", 한국산학기술학회논문지, 22(9), pp.383~390 (2021)
- 2012 충남의 GRDP 전망, "김양중", 충남연구원, ~, pp.현안과제연구 (2012)
- 김종희, "GRDP(지역내총생산) 추정을 통한 지역 간 경제력 격차 분석", 지방행정연구, 24(1), pp.207~235 (2010)
- 김치호, "GDP 성장률의 Nowcasting에 관한 연구", 한국은행 국민계정리뷰, 2, pp.1~22 (2016)
- 이동수, "전산업생산지수를 이용한 분기 성장률 예측", 통계연구, 18(2), pp.66~88 (2013)
- 딥러닝을 이용한 GRDP 예측모형 개발: 울산지역을 중심으로, "이상일", SSRN, 1~27 (2021)
- 기계학습과 혼합주기 모형을 활용한 단기전망시스템, "이승윤", 한국은행, ~, pp.조사통계월보, 2017-5 (2017)
- 디지털 신기술을 이용한 실시간 당분기 경제전망(GDP nowcasting) 시스템 개발, "이현창", BOK, ~, pp.이슈노트, 2022-7 (2022)
- 임상수, "딥러닝을 활용한 실시간 GDP 예측 모형 개발", 질서경제저널, 26(2), pp.69~85 (2023)
- 임상수, "텍스트 마이닝을 활용한 실질 국내총생산의 실시간 예측", 기업과 혁신연구, 44(4), pp.91~106 (2021)
- 형남원, "혼합자료 샘플링 모형을 통한 GDP 예측", 국제경제연구, 22(2), pp.83~117 (2016)
- 대규모 혼합주기 자료를 이용한 단기 경제전망 모형 구축, "황선웅", 산업연구원, ~, pp.연구보고서 2012-642 (2012)
- 황종률, "월간경제지표를 이용한 실질GDP 성장률 예측", 예산정책연구, 1(2), pp.103~133 (2012)
- Nowcasting Norwegian GDP: The Role of Asset Prices Ain a Small Open Economy, "Aastveit, K.", Norges Bank, ~, pp.working paper 2007 (2007), 09
- Andreou, E., "Regression Models with Mixed Sampling EFrequencies", Journal of Econometrics, 158, pp.246~261 (2010)
- Barhoumi, K., "Short-term Forecasting of GDP Using Large Monthly Datasets: A Pseudo Realtime Forecast Evaluation Exercise" (2008)
- Chernis, Tony, "A dynamic factor model for nowcasting Canadian iGDP growth", Empirical Economics, 53(1), pp.217~234 (2017)
- Chris Bloor, "The use of statistical forecasting models at the Reserve Bank of New Zealand", Reserve Bank of New Zealand Bulletin, 72, pp.21~26 (2009), Reserve Bank of New Zealand
- Dhrymes, P. J., "Distributed Lags: Problems of Estimation and Formulation" (1971), Holden-Day
- Frank Schorfheide, "Real-Time Forecasting With a Mixed-Frequency VAR", Journal of Business & Economic Statistics, 33(3), pp.366~380 (2015)
- Giannone, D., "A new coincident index of business cycles based on monthly and quarterly series", Journal of Applied Econometrics, 18, pp.427~443 (2017)
- GDPNow: A model for GDP nowcasting, "Higgins P.", Federal Reserve Bank of Atlanta, ~, pp.Working Paper, 2014-7 (2014)
- Jansen, W. Jos, "Forecasting and nowcasting real GDP: Comparing statistical models and subjective forecasts", International Journal of Forecasting, 32(2), pp.411~436 (2016)
- When are Google data useful to nowcast GDP? An approach via pre-selection and shrinkage, "Laurent Ferra", Center for Research in Economics and Statistics, ~, pp.Working Papers 2019-04 (2019)
- Paolo Fornaro, "Nowcasting Finnish Real Economic Activity: a Machine Learning Approach", Empirical Economics, 58(1), pp.55~71 (2020)
- Stock, R. S., "Oxford handbook on economic forecasting" (2011), Oxford University Press
- Nowcasting Canadian Economic Activity in an Uncertain Environment, "Tony Chernis", Bank of Canada, ~, pp.Discussion Papers 18-9 (2018)
- Troy D. Matheson, "Factor Model Forecasts for New Zealand", International Journal of Central Banking, 2(2), pp.169~237 (2006)