선행지표를 활용한 실물경제 예측시스템의...
TRANSCRIPT
선행지표를선행지표를 활용한활용한
실물경제실물경제 예측시스템의예측시스템의 개발개발
Korea Institute of Finance
2 Korea Institute of Finance
목 차
연구의연구의 취지와취지와 목적목적ⅠⅠⅠ
경기종합지수를경기종합지수를 활용한활용한 경기분석경기분석 및및 예측예측
연구방법론연구방법론
추가추가 고려사항고려사항
ⅡⅡⅡ
ⅢⅢⅢ
ⅣⅣⅣ
ⅤⅤⅤ
ⅥⅥⅥ
ⅦⅦⅦ
선행지표의선행지표의 예측력예측력 검증결과검증결과
예측모형의예측모형의 실제활용결과실제활용결과
요약요약 및및 결론결론
3 Korea Institute of Finance
경기에 대한 선행성을 최대한 제고
통계적으로 구조변화를 수용할 수 있는 안정적 예측시스템
금융 및 해외 부문의 경기선행지표를 추가로 발굴
연구의 취지
4 Korea Institute of Finance
절대적 수준의 변화를 의미하였던 과거의 경기순환이추세성장선으로부터의 괴리로 포착되는 성장순환으로 발전함
시계열표기
경기종합지수를 활용한 경기분석 및 예측
경기순환이론
정책처방
경제충격
충격 vs. 전달
경기순환
순환의 본질
모형의 특징
계량경제학
케인즈의 불균형경기이론케인즈의케인즈의 불균형경기이론불균형경기이론 균형경기이론균형경기이론균형경기이론
차분안정적추세안정적
적극적
일시적
전달과정 중시
수준변화
불완전한 시장기능
대규모 구조모형
연립 차분방정식
소극적
영구적
충격내용 중시
성장순환
충격에 대한 적응과정
소규모 동적모형
단위근 거시계량경제학
5 Korea Institute of Finance
실제적용사례
? 경기순환의 변천사는 경기순환분석의 주요도구로
자리잡은 경기종합지수의 변화에서도 감지됨.
? 최근의 경기지수를 활용한 경기예측분석은 지수모형
(index model)에서부터 다변량 확률모형 (stochastic
model)에 응용되는 등 크게 발전
경기종합지수를 활용한 경기분석 및 예측
6 Korea Institute of Finance
변수의 선정 (미국, The Conference Board)
제조업 평균근로시간제조업 평균실업보혐청구건수제조업 신규주문소비재 판매동향배달지연확산지수제조업 신규주문비방산자본재건설허가신규민간주택주가통화증가율장단기금리차소비자기대지수
지표명 내용 작성기관 출처
연구방법론
주별평균주별평균
500보통주M210년재무성채권금리-연방기금금리
미상무성
?
7 Korea Institute of Finance
변수의 선정 (한국, 통계청 선행지수)
입,이직자비율(제조업)중간재출하지수내구소비재출하지수건축허가면적건설용중간재생산지수기계수주액재고순환지표총유동성수출신용장내도액수출용원자재수입액
지표명 내용 작성기관 출처
연구방법론
노동부통계청
?건설교통부
통계청″″
한국은행″″
제조업
주거용+산업용
출하증가율-재고증가율M3수출신용장내도액/수출물가지수수출용원자재수입액/수입물가지수
8 Korea Institute of Finance
변수의 선정 (본예측모형)전력소비량고속도로통행에너지소비량레미콘출하량시멘트출하량철도화물수송량항공화물수송량수돗물사용량4대매체광고비구인배율유가NAPM지수
연구방법론
산업용(100mwh)차량-노선배분(천대)석유류(천배럴)서울, 경기, 인천(톤)내수소비(톤)(톤)국제선(톤)(천톤)TV,radio,신문,잡지(백만원)전국두바이(달러)
통계청
?
Bloomberg 통신ISM
환율회사채금리장단기금리차주가
기업경기조사(BSI)
기준환율
Call(1일물)-국채3년물KOSPI
한국은행
?
업황 BSI 전산업 한국은행
금융지표
기대
속보지표
9 Korea Institute of Finance
변수의 선정 - 선행지수의 구성시계열 비교
? 선행성과 속보성이 입증된 실물지표와 정보의 활용도
를 다양한 집계수준의 차별화를 통해 제고
? 개방 및 금융부문의 부각으로 야기된 구조변화의 특
성을 고려하기 위해 금융 및 해외관련지표와의 결합가
능성을 충분히 고려
연구방법론
10 Korea Institute of Finance
예측모형의 구성
? 변수들이 산업생산활동과의 안정적인 관계를 유지하
는가의 여부에 기초하여 산출된 공적분 벡터를 예측시
스템에 포함
? 설명변수의 활용과정에서 개별변수의 활용여부에 더
하여 지수화된 변수의 활용가능성도 동시에 타진
연구방법론
11 Korea Institute of Finance
연구방법론
? 선행지수의 추세는 GDP추세선을 따르도록 구성되어 있으므로
공적분 관계를 가지게 됨
? 공적분관계가 있는 경우 이변량 예측모형
- Hamilton and Quiros(1995)
공적분과 예측
12 Korea Institute of Finance
선행지표의 예측력 검증결과
Cumulative-1(예측구간별 누적율)
한계(marginal)성장율
산업생산증가율에 대한 선행성을 검토하기 위해
R2, RMSE를 활용
산업생산증가율에 대한 선행성을 검토하기 위해
R2, RMSE를 활용
누적(cumulative)성장율
Cumulative-2(6개월 누적변화율)
목표변수 :산업생산증가율
13 Korea Institute of Finance
개별변수의 적합도
? 속보지표들은 대체로 현시점에서 산업활동동향을 파악
하 는데 유용하나 선행지표로서 유용성은 크게 저하됨
- 전력소비량이나 4대 매체 광고비는 현시점에서의 실
물활동과 밀접한 연관, 수돗물사용량은 설명력 떨어짐
? 누적개념의 변화율을 계산할 경우 예측구간별로 변환된
변화율을 사용하는 것이 예측력 제도에 도움
- 유가나 기업경기전망의 누적개념이 높은 설명력
선행지표의 예측력 검증결과
14 Korea Institute of Finance
개별변수 조합의 적합도
? 개별지표를 단독으로 사용하는 경우보다 여러 지표를
집합적으로 사용하는 것이 더 우월한 예측력을 가짐
? 또한 공적분 관계를 활용하는 경우에 추가적인 예측력
개선 여지가 있음
선행지표의 예측력 검증결과
15 Korea Institute of Finance
0.0120.0160.0290.0250.0200.0270.0240.0210.018RMSE
0.9880.9740.8200.3690.7800.6230.5910.4440.320R-sq공적분
속보지표
+ 금융지표
+기대지표 누적
0.0170.0160.0310.0270.0210.0290.0260.0230.018RMSE
0.9760.9700.9510.7450.1510.6750.4960.4340.280R-sq공적분
속보지표
+ 금융지표누적
0.0220.0230.0330.0310.0250.0280.0220.0210.019RMSE
0.9970.9240.6780.1050.6490.4730.3910.2320.204R-sq공적분
속보지표 누적
241812963210예측구간
공적분 개별변수 조합의 적합도(cumulative-1)
선행지표의 예측력 검증결과
개별변수 조합의 적합도
16 Korea Institute of Finance
0.0180.0210.0370.0340.0200.0280.0270.0230.020RMSE
0.8630.7970.6380.7670.8750.7840.7610.7760.835R-sq공적분
속보지표
+ 금융지표
+기대지표 누적
0.0190.0220.0370.0350.0220.0290.0300.0280.023RMSE
0.8570.7770.6280.7280.8470.7550.7250.7450.822R-sq공적분
속보지표
+ 금융지표누적
0.0290.0280.0420.0350.0260.0310.0300.0290.023RMSE
0.6830.6870.5790.7060.7880.7000.6910.7220.816R-sq공적분
속보지표 누적
241812963210예측구간
공적분 개별변수 조합의 적합도(cumulative-2)
선행지표의 예측력 검증결과
개별변수 조합의 적합도
17 Korea Institute of Finance
종합지수의 적합도
? 한계변화율의 예측력 개선효과는 크게 기대하기 어려
우나 누적변화율에서는 상당한 유용성이 있음
? 6개월 누적개념으로 변화율을 측정할 경우 3개월 구간
의 예측구간에서는 유용성이 높아짐
선행지표의 예측력 검증결과
18 Korea Institute of Finance
0.0370.0050.0630.0430.0340.0270.0220.0220.018RMSE
0.6230.6490.3180.1240.0540.0950.1600.1780.144R-sq경기확장지수
누적
0.0350.0430.0570.0480.0320.0260.0220.0220.019RMSE
0.6820.8490.3590.1450.0750.0630.1080.1580.122R-sq공적분지수
누적
0.0370.0380.0510.0460.0330.0290.0290.0270.021RMSE
0.6310.8860.4630.1470.0450.0750.0830.0860.101R-sq선행지수누적
241812963210예측구간
종합지수의 적합도(cumulative-1)
선행지표의 예측력 검증결과
종합지수의 적합도
19 Korea Institute of Finance
0.0320.0380.0340.0320.0390.0420.0350.0290.025RMSE
0.1720.2490.1340.1230.0380.3560.4900.6230.813R-sq경기확장지수
누적
0.0300.0430.0360.0370.0360.0360.0260.0250.023RMSE
0.1560.4210.1750.1440.0700.3360.4840.6290.830R-sq공적분지수
누적
0.0310.0370.0360.0360.0410.0390.0310.0360.028RMSE
0.2870.4430.1550.0690.0340.3530.4970.5730.785R-sq선행지수누적
241812963210예측구간
종합지수의 적합도(cumulative-2)
선행지표의 예측력 검증결과
종합지수의 적합도
20 Korea Institute of Finance
변화율의 정의에 따른 적합도의 차이
? 누적변화율 개념에 기초한 예측치는 비교적 장기구간
예측에 도움
? 한계변화율 개념에 기초한 예측치의 신뢰도는 단기에
국한되는 특징이 있음
선행지표의 예측력 검증결과
21 Korea Institute of Finance
이변량 예측시스템과의 비교
? 대체모형 Hamilton (1996, 한계변화율의 개념을
강조) 과 Dotsey (1998, 누적변화율의 개념을 중시)
과의 적합도 비교
? Dotsey모형이나 Hamilton모형보다 대체로 적합함
선행지표의 예측력 검증결과
22 Korea Institute of Finance
일변량 모형에서 추가변수를 활용한 경우 예측력 제고
종합지수의 경우 개별지표보다 경기둔화 속도가 비교적 완만
예측모형의 실제활용결과
- 이상에서 예측력이 검증된 예측모형을 활용하여 실제 예측치를
구간별로 산출한 표본외예측 (out-of-sample) 결과
? 일변량 예측시스템에 의한 예측
? 이변량 예측시스템에 의한 예측
이변량 예측시스템에 의한 예측은 Hamilton(1996)과
Dotsey(1998)을 근거로 이루어짐
23 Korea Institute of Finance
본 예측시스템에 의한 예측
예측모형의 실제활용결과
11.3712.499.3810.1412.7811.939.148.917.55Median
17.3515.7716.0820.0434.6327.8921.0315.5810.19Max
0.75-3.386.727.628.2810.457.166.866.28Min
Cumulative-2
8.0516.7312.0910.1512.9513.188.5210.559.51Median
9.5422.216.3311.5313.1613.498.7910.849.57Max
6.1413.7511.079.6812.3113.048.4310.489.47Min
Cumulative-1
7.396.266.589.914.2813.979.8611.810.2Median
10.213.5113.2114.4616.6715.2710.812.1710.6Max
4.084.35.358.5113.0512.248.3510.419.77Min
Marginal
241812963210
< 예측구간별 전망치 요약표>
주) 단위 : %
24 Korea Institute of Finance
예측모형의 실제활용결과
Marginal, Cumulative-1, Cumulative-2 예측결과
0
2
4
6
8
10
12
14
16
18
0 1 2 3 6 9 12 18 24
Marginal Cumulative-1 Cumulative-2
본 예측시스템에 의한 예측
(단위: %)
25 Korea Institute of Finance
예측모형의 실제활용결과
이변량 예측시스템에 의한 예측
0
2
4
6
8
10
12
14
16
0 1 2 3 6 9 12 18 24
선행지수 공적분지수 경기확산지수
Dotsey 모형의 예측결과(단위: %)
26 Korea Institute of Finance
예측모형의 실제활용결과
이변량 예측시스템에 의한 향후 2년간의 예측
0
2
4
6
8
10
12
14
0 1 2 3 6 9 12 18 24
선행지수 공적분지수 경기확산지수
Hamilton 모형의 예측결과(단위: %)
27 Korea Institute of Finance
예측모형의 실제활용결과
2.976.228.609.4611.698.486.472.24Max
전년대비증가율 (Marginal)
1.841.562.202.945.515.354.582.24Min
2.322.302.893.896.736.265.252.24Median
142803146251136520154948139027
141965133413150540
Median
133102143537134280152865137711
14024613219714939Min
147123151960145170166083146992
149186136409152396
Max
GDP (Marginal)
20054/4
20053/4
20052/4
20051/4
20044/4
20043/4
20042/4
20041/4
예측
구간
< GDP 예측값>(단위 : 십억원, %)
28 Korea Institute of Finance
예측모형의 실제활용결과
11.399.649.085.447.057.464.982.24Max
전년대비증가율 (Cumulative-1)
-0.346.130.91-1.135.885.394.632.24Min
7.067.195.624.006.525.754.722.24Median
147735152027142627158415139183
141668132727149754
Median
139898140296140612150979132226
140769132251149617
Min
159865159606148685164406141194
142419135027150143
Max
GDP (Cumulative-1)
20054/4
20053/4
20052/4
20051/4
20044/4
20043/4
20042/4
20041/4
예측
구간
< GDP 예측값>(단위 : 십억원, %)
29 Korea Institute of Finance
예측모형의 실제활용결과
7.145.514.626.277.567.194.882.24Max
전년대비증가율 (Cumulative-2)
3.014.313.593.704.164.303.142.24Min
5.384.894.514.565.675.494.082.24Median
146972148236139023155668139963
140467132392148796
Median
131199142595136590152786138759
138365130824147404
Min
153609176851157246181597157353
159799148816156891
Max
GDP (Cumulative-2)
20054/4
20053/4
20052/4
20051/4
20044/4
20043/4
20042/4
20041/4
예측
구간
< GDP 예측값>(단위 : 십억원, %)
30 Korea Institute of Finance
금융부문의 중요성
취약성의 정도가 외부충격에 대한
실물경제의 급격한 반응에 상당한
영향을 미치고 있음
• 따라서 위기 이후 구조조정을 겪게 되는 경제의 실물활동
예측에 있어 기존의 예측시스템에 더하여 금융부문의 취약
성 정도를 파악하는 것이 매우 중요
경기진폭경기진폭확대현상은확대현상은구조적구조적 취약취약성과성과 연관연관
• 본 예측시스템에서는 금융관련 변수를 예측 목적으로 적극
활용하여 예측력 향상에 상당한 개선 이루어짐
추가 고려사항
31 Korea Institute of Finance
모형의 유지 및 활용방안
? 공적분벡터와 속보 및 금융지표를 활용한 다양한 변수조합
모형의 예측력이 가장 우수한 것으로 나타남
? 시장참여자들보다 우월한 정보를 습득함으로써 사전적인 정
책대안을 고려하는 정책 담당자들의 현실적 필요를 충족시킴
?예측력이 높고 안정적인 공적분지수를 활용하여 예측치를
산출하는 동시에 한계 및 누적성장률을 별도로 계산함으로써
특정 시점에서의 정보를 최대한으로 추가 활용
추가 고려사항
32 Korea Institute of Finance
정책적 시사점
경기 경착륙과 연관된 하향위험을 축소하려면 경제 전반의 대응능력을 저하시키는 부실을 신속히 제거해야 할 것임
『금융부실 ? ????? ??? ?? ? ???? ? ?????? ??????? ?? ?? ??
본 예측시스템의 결과는 하향위험을높이는 거시적인 경기안정화 노력보다는
미시적인 정책노력을 강화하여정책부작용을 줄이면서 경제의 자체적
대응능력을 높여가야 함을 시사함
시사점시사점
추가 고려사항
33 Korea Institute of Finance
? 속보지표와 금융 및 해외지표 등 다양한 정보변수를 최대한 활용
특징특징
요약 및 결론
? 보다 현실적인 예측력 제고를 위해 목표변수를 특정 시차에서의 산업생산증가율로 정의하기보다는 특정 구간내의 변화율로 정의
? 공적분 개념을 활용한 예측의 안정성(stability) 제고 에 주력
34 Korea Institute of Finance
속보지표와 금융지표, 해외경기관련 지표를 특정 선행시차
내에서 산업활동과의 안정적인 관계를 토대로 활용하는
경우에 보다 정확한 산업활동 동향의 파악과 예측이 가능함
속보지표와속보지표와 금융지표금융지표, , 해외경기관련해외경기관련 지표를지표를 특정특정 선행시차선행시차
내에서내에서 산업활동과의산업활동과의 안정적인안정적인 관계를관계를 토대로토대로 활용하는활용하는
경우에경우에 보다보다 정확한정확한 산업활동산업활동 동향의동향의 파악과파악과 예측이예측이 가능함가능함
누적변화율을 기준으로 개별변수들의 예측력을 비교해본
결과 향후 3~9개월간 산업 생산활동의 변화는 환율,
기업경기전망, 전력 및 에너지 소비량, 회사채 수익률로
비교적 잘 설명됨
누적변화율을누적변화율을 기준으로기준으로 개별변수들의개별변수들의 예측력을예측력을 비교해본비교해본
결과결과 향후향후 3~9 3~9개월간개월간 산업산업 생산활동의생산활동의 변화는변화는 환율환율,,
기업경기전망기업경기전망, , 전력전력 및및 에너지에너지 소비량소비량, , 회사채회사채 수익률로수익률로
비교적비교적 잘잘 설명됨설명됨1년 이상의 예측구간에서는 기업경기전망, 유가 등 투자에 큰
영향을 주는 변수들의 설명력이 상대적으로 높은 것으로 판명
11년년 이상의이상의 예측구간에서는예측구간에서는 기업경기전망기업경기전망, , 유가유가 등등 투자에투자에 큰큰
영향을영향을 주는주는 변수들의변수들의 설명력이설명력이 상대적으로상대적으로 높은높은 것으로것으로 판명판명
요약 및 결론
35 Korea Institute of Finance
개방경제의 특성을 고려하여 금융변수를 포함한 해외경기
관련 변수들간의 다양한 변수조합의 활용가능성을 검증한
결과 유용성이 확인됨
개방경제의개방경제의 특성을특성을 고려하여고려하여 금융변수를금융변수를 포함한포함한 해외경기해외경기
관련관련 변수들간의변수들간의 다양한다양한 변수조합의변수조합의 활용가능성을활용가능성을 검증한검증한
결과결과 유용성이유용성이 확인됨확인됨
산업활동동향의 흐름을 누적개념으로 파악하는 경우 예측
모형의 활용도가 높아질 수 있는 것으로 나타남
산업활동동향의산업활동동향의 흐름을흐름을 누적개념으로누적개념으로 파악하는파악하는 경우경우 예측예측
모형의모형의 활용도가활용도가 높아질높아질 수수 있는있는 것으로것으로 나타남나타남
요약 및 결론