당분기 지역 경기전망모형 구축: 부산지역을 중심으로 = Constructing the Nowcasting Model for Regional Economic Conditions: The Case of Busan

국문 초록 (Abstract)

지역별 경기변동 양상이 다변화되는 가운데 코로나 위기를 거치며 지역별로 경기상황을 조기에 파악할 필요성이 커지고 있다. 본고에서는 최근 GDP 등 경기흐름을 실시간 파악하는 데 활용되고 있는 당분기 전망 체계를 지역경제 단위에 적용하여 당분기 경기흐름을 전망할 수 있는 방안을 마련하였다. 이를 위해 최근 한국은행에서 개발․산출한 지역경기전망지수(RECI) 중 부산지역 지수를 전망대상지표로 선정하여 부산지역의 당분기 경기전망을 실시해 보았다. 분석 결과, 동 모형은 부산지역 경기상황 변화를 상당히 조기(RECI 작성 18주전)에 포착하였으며, 예측오차도 준거모형인 자기회귀모형에 비해 낮게 나타나 예측력도 상대적으로높았다. 특히 코로나19로 인한 충격으로 경제상황이 급변했던 시점의 예측 결과도 분기지표가 모두 발표되는 시점 이전에 경기변화를 조기 포착하여 속보성 측면에서 유용한 것으로 판단된다. 예측정확도 측면에서도 전망대상기간중 예측오차가 낮게 나타나 높은 수준의 정확도를 보였다.

다국어 초록 (Multilingual Abstract)

The need for early identification of regional economic conditions has substantially grown due to the diversification of the regional business cycles, primarily caused by the shifts in economic structure and the uneven impacts of the COVID-19 crisis across regions. This paper constructs the nowcasting framework, widely employed to monitor business cycles in real-time, at the regional level, with a particular focus on Busan. Given that GRDP is available only in an annual basis, we nowcast the regional economic condition index (RECI), a quarterly regional indicator developed recently by the Bank of Korea. Our RECI nowcasting model comprises a dynamic factor model as the primary sub-model and a long short-term memory model as the secondary one. The results show that the regional nowcasting models can capture shifts in the local economic condition at an early stage, typically 18 weeks prior to the RECI announcement. Furthermore, the forecasting errors are lower than those of the alternative model (autoregressive model), indicating their relatively strong predictive power. Specifically, even in the quarters of sharp economic upheaval triggered by COVID-19 shocks, our regional nowcasting models exhibit their strong predictability by capturing the shifts before the release of economic indicators. In terms of accuracy, the forecasting errors range below one percentage point throughout the forecasting horizons, further attesting to their robust predictive power.