딥러닝을 활용한 실시간 GRDP 예측 모형 개발 = A study on real-time forecasting GRDP using deep learning

국문 초록 (Abstract)

본 연구는 지역 경제 예측 모형의 적시성을 제고시키는 것을 목적으로 한다. 이를 위해 비정형 데이터인 지역 경제 뉴스를 활용하는 텍스트 마이닝과 기계학습 방법론을 활용한다. GDP와 관련해서는 이미 임상수⋅최항석(2023)이 예측의 적시성을 제고시키기 위해 실시간 예측 모형을 개발했으며, 본 연구는 이렇게 개발된 연구를 바탕으로 GRDP를 예측하고자 한다. 이를 위해 신경망분석 중 하나인 장단기기억 알고리즘과 게이트순환유닛 알고리즘, 그리고 자기회귀 혼합데이터샘플링모형을 분석 방법을 활용한다. 또한 비정형 데이터인 경제 뉴스를 정량화하기 위해 TF 가중 방법인 TF-IDF 방법론을 활용한다. 이와 함께 예측력을 제고시키기 위해 훈련 데이터를 바탕으로 모형별로 예측력이 가장 높은 모형을 선정하고, 이들 모형에 실험 데이터를 적용하여 적절한 모형을 선정했다. 예측력을 바탕으로 적합한 모형을 선정하기 위한 기준으로 RMSE와 MAE 통계량을 활용했다. 분석 결과, 16개 시도별로 적합한 모형은 다른 것으로 나타났고, 이는 시도별로 GRDP를 설명하는 요인들과 특성이 다르기 때문이다. 이처럼 본 연구는 딥러닝을 활용하여 예측의 적시성을 제고시키는 예측 모형을 16개 시도별 GRDP에 적용 가능성을 검토했다는 점에서 의의가 있다.

다국어 초록 (Multilingual Abstract)

This paper is trying to improve the timeliness of regional economic forecast models. Text mining and machine learning methodologies that utilize local economic news, which is unstructured data, are used to do this. This study seeks to predict GRDP based on the research methodology for GDP foresting by Lim and Choi(2023). For this purpose, analysis methods such as LSTM(long-short-term memory) algorithm, GRU(gate recurrent unit) algorithm, and autoregressive mixed data sampling model, which are types of neural network analysis, are utilized. Additionally, the TF-IDF methodology, a TF weighting method, is used to quantify economic news, which is unstructured data. In addition, in order to improve predictive power, the model with the highest predictive power was selected for each model based on the training data, and the test data was applied to these models to select an appropriate model. RMSE and MAE statistics were used as criteria for selecting an appropriate model based on predictive power. As a result of the analysis, the appropriate model for each of the 16 major cities and provinces was found to be different, and this is because the factors and characteristics explaining GRDP are different for each city and province. As such, this study is significant in that it examined the applicability of a prediction model that uses deep learning to improve the timeliness of predictions to the GRDP of each of the 16 cities and provinces.