제목 : 딥러닝을 활용한 거시경제 및 금융시장 분석과 예측

저자 : 김수현(디지털신기술반)

<요약>

Hinton, Osindero, and Teh (2006)의 학습 알고리즘 개발 이후 딥러닝은 학계뿐만 아니라 여러 산업 분야에서 괄목할만한 성과를 내며 빠르게 적용되고 있다. 그러나 경제학에서 유독 딥러닝의 적용 사례를 찾기 어려운데 이는 경제학에서 활용할 수 있는 데이터가 딥러닝에서 주로 활용되는 여타 공학적 데이터와는 다른 특성을 지니고 있다는 점이 그 원인일 수 있다. 거시경제 자료는 월, 분기로 빈도가 낮고 금융시장 가격변수와 같이 오차(noise)가 심한 경우가 많기 때문이다. 본고에서는 이러한 거시경제 및 금융시장 변수의 특성을 반영하여 앙상블 러닝과 베이지안 러닝으로 분석과 예측에 딥러닝을 활용하는 방법론을 제시한다. 또한 거시경제 변수인 월간 통관기준수출과 금융시장 변수인 일간 원/달러 환율에 딥러닝을 적용하였을 때 기존 모형적 접근법에 비해 예측력이 개선되거나 리스크 탐지와 같이 유용한 정보를 추출하는 사례를 보이고 있다. 

<Abstract>

Since Hinton, Osindero, and Teh (2006) developed the fast learning algorithm, deep learning has been a set of powerful tools that has recently achieved impressive performance across a wide spectrum of industries as well as in academia. For the macroeconomic and financial variables, however, more elaborate approaches need to be taken due to the unique latent features of them. In this regards, we propose novel approaches to apply deep learning to the predictions of time series variables in those fields. Specifically, we suggest ensembles of neural networks and Bayesian learning to estimate the posterior distributions of the forecasting outcomes as the out-of-sample forecasts. Examples are provided with predictions of monthly custom clearance exports from Korea and daily Korean won-US dollar exchange rates. The prediction results show that deep learning approaches are prevail even with non-granular data sets which normally used for the conventional econometric models.