코로나19 팬데믹, 기후 변화 등으로 경제 불확실성이 높아지면서 경기상황을 적시에 판단할 수 있는 지표에 대한 관심이 높아지고 있다. 그러나, 전반적인 경기상황을 나타내는 GDP 성장률의 경우 공표 주기와 시차가 길어 현재 경기상황을 판단하는 지표로 활용하는 데 한계가 있다. 이에 본 연구는 매주 GDP 성장률 예측치를 업데이트하며 경기흐름을 파악하는 실시간 당분기 경제전망(GDP nowcasting) 시스템을 개발하였다. 동 시스템은 주요국 중앙은행의 GDP nowcasting 전망모형으로 이용되는 동적요인모형(DFM, Dynamic Factor Model)과 최근 빠르게 발전한 기계학습(ML, Machine Learning) 알고리즘 가운데 시계열 데이터에 특화된 LSTM(Long Short-Term Memory)을 상호보완적으로 적용하여 예측력을 제고하였다.

2017년 1분기부터 2021년 3분기까지 기간에 대해 실시간 GDP nowcasting 시스템의 예측력을 평가한 결과, DFM과 LSTM 전망모형 모두 실제 경기흐름을 적절히 포착하는 것으로 나타났다. 동 시스템은 2020년 1분기와 2분기의 급격한 GDP 성장률 하락, 2020년 3분기의 GDP 성장률 반등 움직임을 조기에 포착한 것으로 나타났다. 특히, LSTM 전망모형은 코로나19 유행과 같이 경제 불확실성이 확대된 상황에서 상대적으로 높은 예측력을 보였다. 이는 인공신경망 구조에 기반한 LSTM 알고리즘이 변수 간 비선형, 상호의존적 관계를 포착하는데 효과적이기 때문인 것으로 판단된다. 지속적인 대체데이터 발굴, 전망모형 개선 등의 노력이 이어진다면, 광범위한 데이터 기반(evidencebased) 경제전망 체계와 경제전망 담당자의 정성적 판단을 유기적으로 활용하여 보다 신속하고 효율적인 정책수행이 가능할 것으로 기대된다.

최근 주요국 중앙은행, 국제기구 등은 기계학습과 같은 분석기법을 빅데이터에 적용하여 경제전망의 적시성과 정확도를 높이기 위해 노력하고 있다. 본 연구는 기계학습 알고리즘뿐만 아니라 기존 빅데이터 기반 경제전망 연구성과가 축적된 계량경제모형을 상호보완적으로 활용하여 예측력 높은 GDP nowcasting 시스템을 개발하였다. 이러한 성과는 점차 중요성이 높아지고 있는 다양한 빅데이터 및 기계학습 알고리즘을 효과적으로 활용하는 방안을 제시한다는 점에서도 의미가 크다고 할 수 있다