Evaluation of Policy-Relevant Forecasting Advantage of Machine and Deep Learning Models over Classical Econometrics: Evidence from Ghanaian Headline Inflation

기술 요약: 가나의 정책 관련 예측에 대한 평가

문제 제기
본 연구는 인플레이션 타겟팅 체제를 운영하는 소규모 개방형 원자재 노출 경제국의 중앙은행들이 직면한 핵심적인 질문을 다룬다: 현대적인 머신러닝(ML) 및 딥러닝(DL) 모델이 고전적인 계량경제학적 벤치마크 모델에 비해 헤드라인 인플레이션 예측에 있어 진정한 우위를 제공하는가? 기존 문헌은 종종 모델의 유연성이 높을수록 예측 정확도가 향상될 것이라고 가정하지만, 본 연구는 엄격하고 누수(leakage)가 없는 조건 하에서 가나의 헤드라인 인플레이션을 대상으로 이러한 가정이 실질적인 예측 우위로 이어지는지를 엄밀하게 검증하였다. 특히, 통화 가치 하락, 재정 압박, 글로벌 원자재 충격으로 인해 연간 인플레이션이 약 10%에서 50% 이상으로 급등한 2022~2023년 가나의 상황을 구체적인 맥락으로 설정하였다. 과제는 이와 같은 극심한 변동성 속에서 예측을 수행하는 것인데, 이는 예측이 가장 절실한 시기인 동시에 모델이 가장 혹독한 시험을 받는 시기이기도 하다.

방법론
저자들은 가나 중앙은행으로부터 확보한 280개월(2000년 1월~2023년 4월)의 데이터를 사용하여 24개의 핵심 거시-통화 변수(이자율, 통화량, 국제 원자재 가격 등)를 포함하는 엄격한 1단계 앞선(one-step-ahead) 예측 행렬을 구축하였다.

• 데이터 무결성 및 누수 제어: 데이터 누수를 방지하기 위해 엄격한 피처 엔지니어링 프로토콜을 적용하였다. 피처 행렬의 모든 예측 변수는 예측 대상 시점($t$)의 정확히 한 달 전($t-1$)까지 가용했던 정보만을 반영한다. 여기에는 변수의 시차를 둔 수준값/로그 수준값, $t-3$에서 $t-1$까지 계산된 타겟의 이동 평균, 그리고 달력 월(calendar months)이 포함된다. 동시적(contemporaneous) 회귀 변수나 미래 정보를 참조하는 정보는 일절 사용되지 않았다.
• 연대순 분할: 데이터는 셔플링 없이 연대순에 따라 세 개의 중첩되지 않는 윈도우로 분할되었다:
  • 훈련 세트 (200개월): 2001년 2월~2017년 9월. 모델 적합 및 5-겹 워크 포워드 교차 검증(five-fold walk-forward cross-validation)을 통한 하이퍼파라미터 튜닝에 사용되었다.
  • 검증 세트 (24개월): 2017년 10월~2019년 9월. 튜닝된 후보 모델들을 보지 않은 데이터(unseen data) 상에서 비교하는 용도로만 사용되었다.
  • 테스트 세트 (42개월): 2019년 10월2023년 4월. 모델 선택 후 단 한 번만 사용되었다. 이 윈도우는 단순한 홀드아웃 기간이 아니라, 20222023년의 인플레이션 급등기를 포함하도록 의도적으로 선택된 "스트레스 테스트" 구간이다.
• 후보 모델: 9개의 모델을 평가하였다:
  1. 베이스라인: 랜덤 워크(Random Walk) 및 계절적 나이브(Seasonal Naive).
  2. 고전적 벤치마크: 아카이케 정보 기준(AIC)을 통해 선택된 ARIMA(3,1,0) 및 이를 1단계 앞선 방식으로 재추정함.
  3. 규제 선형 모델: 릿지(Ridge) 및 라쏘(Lasso) 회귀.
  4. 트리 앙상블: 랜덤 포레스트(Random Forest) 및 XGBoost.
  5. 커널 방법: RBF 커널을 사용한 서포트 벡터 회귀(SVR).
  6. 딥러닝: 단일 은닉층을 가진 얕은 피드포워드 신경망(MLP). (참고: 200개월이라는 제한적인 샘플 크기로 인해 과적합 가능성이 높으므로 LSTM과 같은 더 복렴한 구조는 의도적으로 제외하였다.)
• 평가 지표: 성능 순위는 주로 테스트 세트의 평균 제곱근 오차(RMSE)에 의해 결정되었으며, 평균 절대 오차(MAE), 평균 절대 백분율 오차(MAPE), $R^2$가 보조 지표로 활용되었다. 모델 간 차이의 통계적 유의성은 Diebold–Mariano 검정을 통해 평가되었다.

주요 결과
유연한 모델이 우세할 것이라는 가정과 달리, 본 연구에서는 고전적인 ARIMA(3,1,0) 벤치마크가 가장 낮은 테스트 세트 RMSE(2.41 퍼센트 포인트)를 기록하며 랜덤 워크(2.65)와 라쏘(3.41)를 근소하게 앞질렀다.

• 성능 계층: 모든 비선형 머신러닝 모델(Ridge, Random Forest, XGBoost, SVR, 신경망)은 예측 기간 외(out-of-sample)에서 베이스라인 모델보다 낮은 성능을 보였다. 계절적 나이브 베이스라인은 가장 낮은 성능(RMSE 15.08)을 보였는데, 이는 급등기 동안 단순한 12개월 계절성이 결여되었음을 반영한다.
• 통계적 유의성: Diebold–Mariano 검정 결과, ARIMA가 랜덤 워크 및 라쏘보다 우위에 있다는 점은 통계적으로 유의하지 않았다($p > 0.05$). 그러나 ARIMA가 다른 모든 비선형 모델보다 우위에 있다는 점은 통계적으로 유의했다.
• 과적합 진단: 유연한 모델들 사이에서 훈련 성능과 테스트 성능 간의 극명한 대조가 관찰되었다. 예를 들어, XGBoost는 거의 완벽에 가까운 훈련 RMSE(0.03)를 달성했으나 테스트 RMSE는 9.04로 급격히 악화되었다. 마찬가지로 랜덤 포레스트 역시 큰 격차(0.83 대 7.58)를 보였다. 이는 해당 모델들이 일반화 가능한 구조를 학습하기보다는 훈련 기간의 특이성을 암기했음을 나타낸다.
• 구조적 변화 대응: 2022~2023년 인플레이션 급등기 동안, ARIMA와 랜덤 워크 모델은 실제 인플레이션 경로를 가장 밀접하게 추적하며 급격한 상승을 약간 뒤처지는 수준으로 따라갔다. 반면, 머신러닝 모델들은 실제 값에서 더 멀리 벗어나며 정점을 과소평가하는 경saw(예: 2022년 12월 실제 54.1% 대비 라쏘는 45.7% 예측)를 보였다.

주요 기여

1. 방법론적 엄밀성: 본 연구는 동시적 정보를 엄격히 배제하고 워크 포워드 검증을 활용하는, 누수가 없는 가나 인플레이션 1단계 앞선 예측 설계를 확립함으로써, 유리한 홀드아웃 기간에 의존하곤 했던 기존 문헌의 공백을 메웠다.
2. 적대적 스트레스 테스트: 2022~2023년 인플레이션 급등기를 포함하여 모델을 평가함으로써, 본 연구는 모델이 평온한 경제 시기가 아닌 실제 구조적 변화를 겪을 때 어떻게 작동하는지에 대한 증거를 제공한다.
3. 모델 복잡성에 대한 경험적 증거: 본 논문은 높은 용량과 유연성을 가진 모델들이 과적합되기 쉬운 반면, 인플레이션과 같이 지속성이 높은 시계열(200개월의 훈련 샘플 규모)에서는 단순하고 제약이 있는 모델(ARIMA, 랜덤 워크)이 스트레스 상황에서 더 완만하게 성능이 저하된다는 강력한 증거를 제시한다.

의의 및 주장
저자들은 이것이 단순한 명세 실패(specification failure)가 아니라 진정하고 정책적으로 유의미한 발견이라고 주장한다. 그들은 헤드라인 인플레이션은 매우 지속성이 높으며, 이러한 지속성을 가장 잘 활용하는 모델(ARIMA, 랜덤 워크)이 가장 큰 기능적 유연성을 가진 모델들보다 구조적 변화에 직면했을 때 더 우수한 성과를 낸다고 주장한다.

• 정책적 시사점: 가나 중앙은행과 유사한 기관들에게 본 연구는 운영상의 예측을 수행할 때 반드시 가장 정교한 방법을 기본값으로 선택할 필요는 없다는 점을 시사한다. 잘 정의되고 투명하며 비용이 적게 드는 ARIMA 모델은 테스트된 ML 대안들보다 1단계 앞선 헤드라인 인플레이션 예측에 있어 여전히 우월한 일차적 선택지이다.
• 머신러닝의 역할: 저자들은 ML이 역할이 없다고 주장하는 것이 아니라, 주된 예측 생성기보다는 보조적인 교차 검증 도구나 앙상블 입력값으로서 사용되어야 한다고 제안한다. 그들은 더 풍부하고 고빈도의 피처 세트, 체제 인식(regime-aware) 구조, 또는 고전적 추세 성분과 ML 잔차를 결합한 하이브리드 모델에 적용될 때 ML이 가치를 더할 수 있다고 본다.
• 한계점: 저자들은 결론을 조심스럽게 서술하며, 샘플 크기가 딥러닝을 적용하기에는 작다는 점, 피처 세트가 발표된 통계치에 국한되어 있다는 점(설문 조사 기반 기대치나 텍스트 데이터 제외), 그리고 평가가 밀도(density)나 구간 보정(interval calibration)이 아닌 점 예측(point forecasts)에 집중되었다는 점을 인정하였다. 또한 본 연구의 결과가 테스트된 얕은 신경망에 국한되며, 다른 딥러닝 구조나 다른 인플레이션 구성 요소(예: 식품 또는 근원 인플레이션)로 일반화되지 않을 수 있음을 밝히고 있다.