"뉴스 텍스트 정보로 단기 환율 예측력 향상 가능"
한국은행-한국통계학회 공동포럼
(서울=연합인포맥스) 손지현 기자 = 12개월 이내의 단기적인 시계열의 외환시장 예측시 뉴스 데이터 등이 환율 예측력을 향상하는 데 유용하다는 분석 결과가 나왔다.
서범석 숙명여대 통계학과 교수는 19일 한국은행과 한국통계학회가 중구 한은 별관 컨퍼런스홀에서 공동으로 개최한 통계포럼에서 '멀티뷰(multi-view) 데이터를 이용한 원달러 환율의 예측과 분석' 발표를 통해 이같이 밝혔다.
서 교수는 환율이론에 보완적으로 이용할 수 있는 데이터 기반의 달러-원 환율 예측 및 변동요인 분석 방법론을 검토했다.
우선 환율의 추세(이미지), 환율 관련 국내외 이슈(뉴스 정보), 거시경제 정보(수치) 등의 데이터를 이용해 달러-원 환율의 예측력 개선 가능성을 분석했다.
특히 뉴스 데이터의 특성을 이용해 환율 변동을 정치, 정책, 지정학, 불확실성, 국제금융, 인플레이션, 실물경제 이슈 등 12개 카테고리의 주요 이벤트로 나눠 분석했고, 이를 통해 국내외 이슈 중심의 실무적인 환율 변동요인 분해도 시도했다.
모형 추정 결과 12개월 이내의 단기 환율 예측에서 텍스트 정보가 일부 유용하다는 결론을 도출했다.
서 교수는 "텍스트 정보를 기반으로 구축한 분석 모형은 외환시장에 나타나는 이슈들의 정량화를 통해 시나리오 분석 등에 활용 가능할 것"이라고 평가했다.
한희준 성균관대 경제학과 교수는 '머신러닝을 이용한 주식시장 변동성 예측' 발표를 통해 새로운 멀티 인풋 장단기 메모리(LSTM) 모형을 도입해 변동성 예측의 정확도를 높이는 방법론을 제시했다.
한 교수는 "주식시장 수급동향 및 자금흐름 관련 변수가 변동성 예측에서 중요한 역할을 수행한다"고 분석했다.
한은은 이날 포럼에서 소규모 언어모델(SLM)과 머신러닝 기법을 활용해 기존 통계를 개선하고 새로운 지표를 시산한 성과를 발표했다.
김소정 한은 통계연구팀 과장은 SLM을 활용해 경제기사 전체를 학습한 결과를 바탕으로 뉴스심리지수를 산출해 심리지표로서의 활용도를 제고하는 방안을 제안했다.
김기용 한은 통계정보팀 과장은 머신러닝 기법으로 한국의 데이터 생산액을 시산해보고 국민계정의 현실반영도를 높이는 방안을 모색했다.
jhson1@yna.co.kr
<저작권자 (c) 연합인포맥스, 무단전재 및 재배포 금지, AI 학습 및 활용 금지>