ECB, 신경망 기반 추세 인플레이션 추정 모델 Deep-π* 공개

Deep-π* 모델의 구조

ECB는 추세 인플레이션을 추정하는 새 모델 Deep-π를 소개했다. 기존 실증 모델은 추세를 관측되지 않는 충격으로 움직이는 잠재 확률보행으로 다루기 때문에, 어떤 경제 여건이 추세를 움직이는지 설명하기 어려웠다. Deep-π는 추세의 변동분을 다수 거시경제 지표의 비선형 함수로 두고 신경망으로 추정한다. 여기에 샤플리 값을 적용해 추세의 모든 움직임을 배경 지표별로 나누어 볼 수 있다.

두 가지 손실함수로 두 종류의 추세를 정의한다. 현재 추세는 지금의 인플레이션에 맞추고, 선행 추세는 이후 한 해의 인플레이션을 가장 잘 예측하도록 설정한다.

미국 데이터 분석 결과

미국 데이터에서 팬데믹 이후 현재 추세 상승에는 고용 관련 변수의 기여가 가장 컸다. 반면 선행 추세는 더 일찍 올랐고, 팬데믹 초기부터 실물 경기, 고용, 통화·신용이 주된 요인이었다. 선행 추세는 현재 추세보다 앞서 정점을 찍은 것으로 나타났다. 두 추세 모두 에너지와 원자재 가격 변동은 대부분 걸러냈다. 각 지표의 기여는 비선형이며 지표 간 상호작용도 상당했다.

예측 성능

급등기에 매달 다시 추정한 이 모델은 표준 UC-SV 모델과 확률보행보다 인플레이션을 정확하게 예측했다. 2021년 초 전문 예측기관이 인플레이션을 3% 이하로 내다보던 시점에도 선행 추세는 지속적 인플레이션 상승을 이미 가리키고 있었다.

EA 운용 시 참고사항

물가와 통화정책 관련 발표가 있는 시간대에는 환율 변동성이 커지기 쉽다. 이때 스프레드가 넓어질 수 있으므로 EA의 주문 체결 조건을 미리 점검해 두는 것이 좋다. 중요한 발표 전후에는 EA 가동을 일시 중단하는 방안도 검토할 만하다.