한은, 딥러닝 기술로 거시경제 예측한다

향후 개발 정도에 따라 GDP 예측도 가능 전망

딥러닝 기술을 통해 경제성장률과 같은 거시경제를 예측하는 날이 다가오고 있다.

2일 한국은행은 논문 ‘Macroeconomic and Financial Market Analyses and Predictions through Deep Learning(딥러닝을 활용한 거시경제 및 금융 변수의 분석 및 예측)’을 공개하고 이 같은 전망을 내놨다.

해당 논문은 거시경제에 대해 기존의 전통적 계량적 접근법과 딥러닝을 활용한 접근법의 예측 오차를 비교분석한 결과를 담고 있다.

논문에 따르면 월별 통관 수출에 대해 단기 예측을 비교해본 결과, 예측성능 비교지표인 RMSE의 경우 기존 방법은 36억6000만 달러, 딥러닝은 39억2000만 달러를 기록해 예측력은 비슷한 것으로 나타났다.

다만 오차범위(95%)의 경우 기존은 150억~200억 달러인 반면 딥러닝은 50억~100억 달러로 범위를 좁혔다. 원ㆍ달러 환율의 경우 예측력과 오차범위 모두에서 기존 방법 대비 우월한 결과를 기록했다.

▲원ㆍ달러 환율 예측 결과 비교. 검은 선은 실제 환율 가치로, 딥러닝(아래)을 활용한 분석에서의 오차(빨간 부분)가 더 작은 것으로 나타났다. (자료제공=한국은행)

다만 딥러닝 활용에도 아직 단점이 남아있는 것이 사실이다. 김수현 디지털신기술반 과장은 “딥러닝은 빅데이터 분석기법이다 보니 데이터가 많을수록 좋다”며 “다만 경제 부문은 월별, 분기별 통계가 많은 만큼 편제 빈도가 낮은 것을 극복하는 게 과제”라고 설명했다.

결과는 예측할 수 있어도 과정에 대한 논리적 설명은 어렵다는 점 역시 딥러닝의 한계로 꼽히고 있다. 기존 방법이 논리적 요소들을 집합해 하나의 결과를 도출한다면, 딥러닝의 경우 현상 자체를 하나의 사진으로 인식하고 학습하기 때문에 그 사진 속에서 논리를 찾기란 어렵다는 설명이다. 한은은 이 역시 향후 보완해야할 부분이라고 언급했다.

그럼에도 딥러닝 기술 개발이 필요한 이유에 대해 한은은 위기 접근 방법을 꼽았다. 김 과장은 “과거 통계를 기반으로 전망을 하면 다가오는 위기에 대해 탐지할 능력은 거의 없다고 볼 수 있다”며 “위기를 전망하는 데는 딥러닝이 더 좋은 성능을 보일 수 있다”고 강조했다.

이어 “예를 들어 기존 시스템 하에선 1월에 코로나19에 따른 경제 상황을 예측하는 것이 불가능하다”며 “반면 딥러닝은 오늘자 신문, 트위터 등에서의 텍스트 데이터를 바로 활용할 수 있는 만큼 위기 탐지에 있어 유리할 수 있다”고 덧붙였다.

김 과장은 “딥러닝은 향후 GDP 전망에도 활용이 가능할 것 같다”며 “편제의 빈도가 낮다는 점과 논리적 설명 도출이 극복해야할 난관들”이라고 전했다.