시계열 및 머신러닝을 활용한 한국 수출 전망(26-2-24)/양지원.국제무역통상연구원

<요 약>

최근 대외 불확실성이 확대되면서 수출기업과 정부의 합리적 의사결정을 뒷받침할 수 있도록 수출 전망 모형을 고도화할 필요성이 커지고 있다. 

수출은 한국 경제성장을 견인하는 핵심 축이며, 주력 품목·시장에 대한 의존도가 높은 편중형 무역구조로 인해 특정 품목·시장 변동이 전체 수출에 미치는 파급력이 크다. 

이에 본 연구는 시계열 모형(SARIMA)과 머신러닝 기법(XGBoost, Random Forest, SVR)을 비교·평가해 2025년 연간 수출액을 예측하고, 품목·국가별 수출 전망에 기여한 핵심 변수를 도출함으로써 예측 정확도와 정부·기업의 활용도를 높이고자 했다.

 

   2005년 1월~2025년 6월 월별 데이터를 활용하여 2025년 연간 총수출을 예측한 결과, 7,097억 달러로 추정되었고 SARIMA(0,1,1)(1,0,0)[12]가 최적 모형으로 선정되었다. 특히 하반기 합계 기준 오차율은 0.08%, 연간 오차율은 0.04%로 매우 낮아, 반기·연간 집계 과정에서 월별 예측오차가 상쇄되며 예측력이 개선되는 것으로 나타났다.

 

   12대 주력 수출 품목별 분석 결과, SARIMA 단일 모형을 일괄 적용하는 방식보다 각 품목의 특성을 반영한 개별 최적 모형을 활용할 때 예측력이 개선되는 것으로 나타났다. 

무선통신기기(오차율 10.4%)를 제외한 모든 품목이 10% 미만의 오차율을 기록했고, 12대 품목 합계 오차율은 0.7%로 매우 우수했다. 무선통신기기 수출의 오차는 글로벌 제조사의 신제품 출시, 재고 관리, 마케팅 전략 등 외생적 요인으로 인해 변동성이 확대된 결과로 해석된다. 

선박·철강도 각각 6.6% 수준의 오차율을 보였는데, 선박은 인도 시점의 불규칙성과 헤비테일 결제 방식 등이 통계적으로 포착하기 어려운 ‘덩어리 효과’를 유발하고, 철강은 232조 관세 등 통상 정책이 월별 수출 변동성을 증폭시키기 때문이다. 

한편 석유제품(+2.2%p), 무선통신기기(+1.7%p), 반도체(+1.5%p) 등은 SARIMA 대비 머신러닝 모형의 예측오차율이 개선되어, 단순 추세 분석만으로는 포착하기 어려운 비선형적 수요·공급 변화를 머신러닝이 효과적으로 포착한 것으로 보인다.

 

   6개 주요 수출대상국별 분석에서도 국가별 특성을 고려한 개별 최적 모형을 적용할 경우 예측 정확도가 높아졌다. 

오차율은 대부분 0.1~3.9% 수준으로 매우 낮았으나, 독일의 경우 한국의 對독일 월별 수출증가율 변동성이 커 오차율이 7.8%로 상대적으로 높게 나타나 해석에 신중할 필요가 있다. 

한편, 미국(+6.1%p), 인도(+5.6%p), 일본(+2.0%p)은 SARIMA 대비 오차율 개선 폭이 커, 국가별 수출 전망에서도 글로벌 경기·원자재·공급망 등 다변량 정보를 반영하는 접근이 유효함을 확인했다.

 

   머신러닝 기반 SHAP 분석 결과, 한국 수출 예측에 기여한 요인은 단일 공통 변수보다는 품목·국가별로 상이한 변수들의 조합으로 나타났다. 

품목별로 보면, 반도체·철강 수출 예측에서는 신흥국 산업생산과 수입 수요 등 신흥국 경기 관련 변수가 상대적으로 높은 기여도를 보였고, 가전은 미국·독일 실업률 등 주력 선진시장 관련 지표가 핵심변수로 나타났다. 

무선통신기기·섬유에서는 글로벌 불확실성 지표의 예측 기여도가 높게 나타났다. 

석유제품·석유화학·선박 등의 경우 품목별 생산·가동률·생산자물가 등 고유요인이 수출 예측에 기여하는 핵심 변수로 작용했다. 

국가별로는 對미국·일본·인도 수출 예측이 글로벌 경기·교역 변수의 영향을 많이 받는 반면, 對베트남·독일 수출 예측에서는 글로벌 불확실성 및 변동성 관련 변수의 기여도가 높게 나타났다.

 

   본 연구는 수출 전망과 정책 설계에서 품목·국가별로 차별화된 접근이 필수적임을 시사한다. 

수출기업은 과거 추세에 의존하기보다, 각 품목 특성에 맞는 핵심 선행지표를 중심으로 수요·공급·불확실성 요인을 점검할 필요가 있다.

 특히 선박·무선통신기기 등 수출액 변동성이 큰 품목은 단변량 시계열 모형과 다변량 머신러닝 기반 전망을 병행함으로써 예측 안정성을 제고할 필요가 있다.

 

   정부 역시 품목·시장별 수출 예측 기여 요인을 활용해 수출지원 정책의 우선순위를 정교화할 수 있다. 

글로벌 불확실성에 민감한 부문은 단기 리스크 관리와 맞춤형 지원에, 가격·공급 여건이 핵심인 산업은 가격경쟁력 제고와 공급망 안정화에 정책 역량을 집중하는 것이 효과적일 것이다.

 

TF06호

[TF 06호]시계열 및 머신러닝을 활용한 한국 수출 전망_vF.pdf

2.41MB