경기전환점의 조기 식별 및 예측(25.12月)/김현태.KIF

<요 약>

 

우리나라의 공식 기준순환일 공표는 경기전환 발생 후 평균 약 3년 정도 뒤 에 발표되어 정책당국과 시장 참여자가 현재 경기국면과 향후 전환 가능성을 적 시에 판단하는 데 어려움이 존재한다.

 

본 연구는 이러한 한계를 보완하고자 머신 러닝 알고리즘의 일종인 학습벡터양자화(Learning Vector Quantization, LVQ) 를 활용해 경기확장기와 수축기를 분류하는 경기판단 모형을 구축하고 그 성과 를 분석하였다.

 

동행 및 선행지수 구성 지표를 각각 활용하여 현재 경기 판단 모형 및 6개월 후 경기 판단 모형의 두 가지 모형을 추정하였으며, 이에 더하여 뉴스심리지수, 기업심리지수, 고속도로통행량 등의 변수 또한 모형 훈련 시 활용 하였다.

 

분석 결과, 현재 경기국면 판단 모형은 표본 외 예측 정확도가 약 91.5%로 높은 수준을 기록하였으며 통계청 기준순환일상의 정점 및 저점을 최대 6개월 이내의 오차로 포착하는 동시에 거짓 경기 순환을 발생시키지 않아 우수한 정확 도를 보였다.

또한 공식 기준순환일 발표 시점에 비해 1년 이상 앞서 전환 여부 를 판정함으로써 경기전환점 조기 식별 능력을 보여주었다.

6개월 후 경기국면 판단 모형도 전반적으로 양호한 예측력을 보였으나, 글로벌 금융위기와 같은 극 단적 충격 국면에서는 단기 사이클을 과잉 인식해 추가 순환을 생성하는 한계가 확인되었다.

또한 최근 선행·동행지수 간 괴리의 영향을 받아 실제 경기 상황과 다소 괴리되는 모습 또한 나타났다.

 

종합해 볼 때, 현재 경기국면 판단 모형은 기준순환일을 보완하는 실시간 경 기판단 지표 가운데 하나로 활용가능할 것으로 판단되며, 향후 더욱 다양한 후보 변수 및 방법론을 검증하여 정확도를 제고해 나갈 필요가 있다.

한편, 우리나라 기준순환일 발표는 NBER 등 주요국에 비해 시차가 다소 긴 측면이 있어 이를 줄여나가려는 노력이 필요한 것으로 보인다.

또한 최근 경기동 행지수와 선행지수 간 괴리가 장기화 되고 있는 만큼 거시경제 상황을 보다 정 확하게 반영할 수 있도록 지수 개편 논의 또한 진행하여야 할 것으로 보인다.

 

KIF 연구보고서 2025-09

 

KIFFS2025-09.pdf

2.12MB