국내외 과학기술 정책에 대한 간략한 정보
단신동향
해외단신
OECD 국가의 불경기 예측: Doombot과 다른 머신러닝의 활용 원문보기 1
- 국가 국제기구
- 생성기관 OECD
- 주제분류 핵심R&D분야
- 원문발표일 2024-09-20
- 등록일 2024-10-11
- 권호 273
○ OECD는 금융 및 산업의 순환에 대한 광범위한 문헌연구를 토대로 회원국의 미래의 불경기 위험과 연관된 변수들을 특정함
- 잠재적 변수의 많은 수와 기능의 불확실성, 불경기 예측에 적합한 설명 변수의 선정 등은 머신러닝 방법론에 적합한 문제이기 때문에 해당 연구는 Doombot이라는 특화된 머신러닝을 활용하여 20개의 OECD 국가가 2년 내에 불경기를 경험할 가능성을 계산하고자 함
- 연구자들읜 Doombot과 기존의 머신러닝 방법(LASSO 및 OCMT)의 성능을 비교 및 평가하고, 유사점과 차이점을 조사함
○ 주요 연구 결과는 다음과 같음(일부 요약)
- 선정된 변수의 대부분의 금융 변수로, 국내 및 국제 주택 가격과 신용관련 변수가 전체 선택변수의 절반을 차지했으며, 다양한 금리 변수가 15-20%, 국내 및 국제 주식가격이 5-15%를 차지함
- 알고리즘에 따라 사용한 변수의 수는 모델에 따라 매우 다양했으며, LASSO의 경우 평균 14개 이상인 반면 다른 알고리즘의 경우 평균 2~5개의 변수를 포함함
- Doombot의 모델이 더 명료한 경제 내러티브를 제공하고 안정적인 것으로 확인되었으나, GFC(글로벌 금융 위기)의 예측은 상대적으로 성공적인 반면 국가 별 위기 수준을 판단하는 데에는 한계를 보임
- 잠재적 변수의 많은 수와 기능의 불확실성, 불경기 예측에 적합한 설명 변수의 선정 등은 머신러닝 방법론에 적합한 문제이기 때문에 해당 연구는 Doombot이라는 특화된 머신러닝을 활용하여 20개의 OECD 국가가 2년 내에 불경기를 경험할 가능성을 계산하고자 함
- 연구자들읜 Doombot과 기존의 머신러닝 방법(LASSO 및 OCMT)의 성능을 비교 및 평가하고, 유사점과 차이점을 조사함
○ 주요 연구 결과는 다음과 같음(일부 요약)
- 선정된 변수의 대부분의 금융 변수로, 국내 및 국제 주택 가격과 신용관련 변수가 전체 선택변수의 절반을 차지했으며, 다양한 금리 변수가 15-20%, 국내 및 국제 주식가격이 5-15%를 차지함
- 알고리즘에 따라 사용한 변수의 수는 모델에 따라 매우 다양했으며, LASSO의 경우 평균 14개 이상인 반면 다른 알고리즘의 경우 평균 2~5개의 변수를 포함함
- Doombot의 모델이 더 명료한 경제 내러티브를 제공하고 안정적인 것으로 확인되었으나, GFC(글로벌 금융 위기)의 예측은 상대적으로 성공적인 반면 국가 별 위기 수준을 판단하는 데에는 한계를 보임
