1. 중앙은행의 가장 중요한 책무는 물가안정이다. 중앙은행의 인플레이션 전망은 통화정책 방향을 결정하는 데에 핵심정보를 제공하며 경제주체의 인플레이션 기대를 안착(anchoring)시키는데도 중요한 역할을 수행한다. 인플레이션 전망이 이러한 역할을 효과적으로 수행하기 위해서는 전망의 정확도를 높이고, 전망담당자 또는 의사결정자가 현재 인플레이션 흐름을 파악할 수 있도록 프로세스를 구축하고 전망결과를 효율적으로 시각화하는 것이 중요하다. 그러나, 그 중요성 만큼이나 인플레이션 전망은 어려운 것으로 알려져 있다. 국내외 경제·금융 요인이 인플레이션에 영향을 미치지만, 거시경제 변수 특성상 전망모형 개발에 활용할 수 있는 데이터는 상대적으로 부족하다는 제약이 있다. 또한, 경제구조 변화, 변수 간 비선형 관계 등도 전망모형 개발의 어려움을 가중하는 요인이다.

2. 본 연구는 빅데이터와 기계학습(ML, Machine Learning) 알고리즘을 이용하여 정확도 높은 전망모형을 개발하고, 이에 기반한 실시간 인플레이션 프로세스와 시각화 방안을 검토하였다. 먼저 거시경제, 가격, 금융 등 10개 그룹에서 총 298개 변수를 예측변수로 고려하였다. 전망모형으로는 선형회귀모형과 시계열 모형, ML 알고리즘을 이용하였다. 전망시계는 당월, 3개월, 12개월을 포함하여 현재 인플레이션 상황을 판단할 수 있도록 하였다. 전망모형의 예측력은 2016년 1월부터 2023년 9월까지 기간에 대해 평가하였다.

3. 전망모형 개발 결과, 선형회귀모형과 ML 알고리즘을 결합한 앙상블(평균) 모형이 가장 예측오차가 작고 인플레이션 변동 방향을 잘 맞추는 것으로 나타났다. 평가 기간내 예측력뿐 아니라 전망모형 개발을 완료한 2023년 10월 이후에도, 전망오차가 0.2%p 이내(당월 전망기준)로 매우 작은 수준을 보였으며 인플레이션 방향 전망도 실제 변동 방향과 동일한 결과를 보였다. 또한, 과거 우리나라 인플레이션 기조가 크게 변화한 시점을 대상으로 실시간 전망 프로세스를 시뮬레이션한 결과, 당시 인플레이션 상황 판단에 유용한 정보를 제공하는 것으로 판단된다.

4. 디지털 기술의 발전과 함께 빅데이터, AI/ML 알고리즘 등 새로운 데이터 분석 기법을 손쉽게 활용할 수 있는 인프라도 빠르게 확대되고 있다. 이에 따라, 학계와 각국 중앙은행, 국제기구는 빅데이터 및 AI/ML 기반 데이터 분석 도구를 거시경제 변수 전망에 활용하기 위해 노력하고 있으며, 앞으로도 여러 영역에서 관련 기술 적용이 확대될 것으로 예상된다. 향후, 본 연구에서 제안한 전망모형과 실시간 전망 프로세스, 시각화 도구에 기초하여 다양한 후속 연구가 이어지기를 기대한다.