인공지능(AI)·머신러닝(ML) 알고리즘을 활용해 구축한 조기경보모형은 과거 금융위기 등의 이벤트에 대해 조기경보 기능을 적절히 수행하면서 높은 예측력을 보였다는 평가가 나온다.
한국은행은 24일 '데이터 기반 금융·외환 조기경보모형' 보고서를 통해 이같은 내용을 발표했다.
금융·외환위기는 과도한 레버리지 등 시스템 취약성과 통화긴축 등 트리거 이벤트의 상호작용으로 발생하는 가운데 빈도는 낮고, 매번 다른 양상을 나타낸다.
이 같은 특징은 과거 경제·금융 변수를 이용해 향후 위기 발생 가능성을 경보하는 조기경보모형 개발에 제약 요인으로 작용한다는 지적이 나온다.
이에 한은은 복합금융압력지수(CFPI)를 이용해 위기·시장 불안 기간을 일관된 기준으로 식별, 위기 발생 메커니즘(취약성·트리거 변수의 상호작용)을 포착할 수 있는 AI·ML 알고리즘을 개발 모형에 활용했다. 또 조기경보모형 및 데이터 특성에 적합한 모형 검증(model validation) 기법을 적용했다.
1998년부터 지난해까지 여러 모형의 예측력을 평가한 결과 ML 알고리즘인 ET(Extremely Randomized Trees)를 적용한 조기경보모형이 가장 높은 예측력을 보인 것으로 나타났다.
1999년 이후 ET 기반 조기경보모형과 벤치마크 모형(신호추출법·SE)이 평가한 위기 발생 가능성(경보 지수)를 보면, ET의 경우 위기 발생에 수개월 앞서 점진적으로 경보 지수가 상승하는 모습이 뚜렷했다는 설명이다.
개발 모형을 과거 이벤트(2008년 글로벌 금융위기, 2020년 신종 코로나바이러스 감염증 사태, 2022년 레고랜드)에 적용해 경보 지수를 시산한 결과 2020년은 경보 지수가 단기간 급등한 반면, 2022년은 상대적으로 완만하게 상승하며 차별화된 모습을 보였다.
박정희 한은 디지털혁신실 과장은 "최근 다양한 영역에서 활용도가 높아지고 있는 AI·ML 기술은 기존 방법에 비해 예측력 높은 조기경보모형을 개발하는 데 유용한 것으로 판단한다"며 "이번 연구에서 개발한 조기경보모형은 국제통화기금(IMF)의 EWE(Early Warning Exercise)와같이 금융·실물 리스크 요인 식별, 부문별 취약성 평가 등을 포괄하는 조기경보체계(EWS)의 한 부분으로 운영될 때보다 효용이 높아질 것"이라고 말했다.
©(주) 데일리안 무단전재 및 재배포 금지
- 女정치인, 24세 스님과 불륜…남편이 촬영·유포한 현장 상황
- "성관계 한번 거절 후 허락…하고 나선 울어라" 강사 발언 '충격'
- "04년생 김XX, 부모도 개차반" 거제 폭행男 신상 털렸다
- "이재명보다 조국이 정치 오래할 듯" 박지원 내다본 이유는
- 한동훈, 전 비대위원들과 만찬서 "내공 쌓겠다"
본 콘텐츠는 뉴스픽 파트너스에서 공유된 콘텐츠입니다.
