뉴스기사, 소셜미디어와 같은 텍스트 데이터는 크게 두 가지 경로를 통해 경제 분석에 유용한 정보를 제공할 수 있다. 첫째, 지정학적 리스크, 이상기후 등 이벤트는 수입물가지수와 같은 공식통계에 앞서 뉴스 속보나 인터넷 커뮤니티에 먼저 반영되며 향후 인플레이션 수준에 대한 정보를 제공한다. 둘째, 거시경제 여건, 기업의 가격설정 행태 등에 대한 언론 보도는 기업의 인플레이션 기대를 변화시킴으로써 의사결정에 영향을 미칠 수 있다. 그러나, 이러한 중요성에도 불구하고, 텍스트 데이터는 계량화가 쉽지 않아 경제 분석에 활용하는 데 어려움이 크다는 평가도 있다(로버트 쉴러, 2013년 노벨 경제학상 수상). 

최근 정보통신 및 인공지능 기술과 함께 텍스트 분석기법이 빠르게 발전하면서 경제 분석에 텍스트를 활용하려는 시도가 점차 늘고 있다. 대표적으로 뉴스기사에 반영된 경제 불확실성을 측정하거나 중앙은행 회의록에 반영된 통화정책 기조를 평가한 연구가 있으며, 각국 중앙은 행도 텍스트에 반영된 경제주체의 심리를 파악하여 경기상황을 판단하거나 전망하기 위해 노력하고 있다. 이들 연구는 문서내 단어별 빈도를 계산하는 간단한 방법부터 단어의 문맥적 의미를 파악하는 딥러닝 알고리즘까지 다양한 분석기법을 활용하고 있다. 이 가운데, 최근 특히 주목받는 분석기법으로 인공지능 언어모형이 있다. 자연어는 문맥에 따라 단어의 의미가 달라지기 때문에, 정확도 높은 모형을 훈련하는 데 상당한 시간과 비용이 소요된다. 이에 대안으로 제시된 인공지능 언어모형은 기존 훈련 결과를 재활용함으로써 개발 시간과 비용은 절감하면서도 문서 분류, 검색 등 과제에서 높은 정확도를 보이고 있다. 

본 연구는 인공지능 언어모형을 이용하여 뉴스기사에 나타난 인플레이션 어조(tone)를 측정하고, 인플레이션 전망에 활용할 수 있는지 살펴보았다. 먼저, 인공지능 언어모형을 이용하여 개별 문장의 인플레이션 어조를 상승, 중립, 하락으로 분류하고, 문장별 어조를 집계하여 전체 뉴스기사의 인플레이션 어조를 지수로 나타내었다. 다음으로, 어조지수와 소비자물가상승률의 관계를 분석하였다. 분석 결과, 어조지 수는 물가상승률의 추세 전환을 1~2분기 선행하고, 전망모형의 예측력도 개선하는 등 인플레이션 전망에 유용한 정보를 제공하는 것으로 판단된다. 

텍스트 분석기법이 발전하고 정보 원천으로서 텍스트 데이터에 대한 관심이 높아지면서 각국 중앙은행과 연구기관, 국제기구는 텍스트로부터 유용한 정보를 읽어내기 위해 노력하고 있다. 그러나, 아직 텍스트 데이터는 분석이 까다롭고, 의미있는 정보를 추출하기도 어렵다는 인식이 있다. 본 연구는 인공지능 언어모형을 활용하여 상대적으로 적은 시간과 비용으로 뉴스기사에 포함된 인플레이션 정보를 효율적으로 추출해낼 수 있음을 보였다. 향후 경제·금융 도메인에 특화된 인공지능 언어모형 및 분석 인프라가 갖추어진다면, 경제 분석, 업무효율화 등 과제에서 텍스트 데이터 활용이 크게 증가할 것으로 기대된다.