Nowcasting Inflation Using Online Prices
본 연구는 트랜스포머 기반 언어 모델을 사용하여 1억 5천만 건의 온라인 소매 데이터를 바탕으로 구축된 일일 식품 가격 지수가 터키의 공식 인플레이션율을 효과적으로 현재 추정(nowcast)할 수 있음을 입증하며, 특히 인플레이션이 낮고 안정적인 시기에는 효과적이지만 인플레이션이 급등하는 시기에는 상관관계가 약화된다는 점을 보여준다.
원본 논문은 CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/) 라이선스로 제공됩니다. 이것은 아래 논문에 대한 AI 생성 설명입니다. 저자가 작성하거나 승인한 것이 아닙니다. 기술적 정확성을 위해서는 원본 논문을 참조하세요. 전체 면책 조항 읽기
축구 경기가 끝나기 전, 심판이 종료 휘슬을 불기 전에 최종 점수를 추측하려고 한다고 상상해 보십시오. 보통은 경기가 완전히 끝나고 공식 통계가 발표될 때까지 기다려야만 진짜 점수를 알 수 있습니다. 경제학의 세계에서 이 "최종 점수"는 인플레이션율(물가가 얼마나 올랐는지)이며, "공식 통계"는 정부 통계청(TurkStat)에서 한 달 뒤에 발표하는 데이터입니다.
이 논문은 온라인 가격을 이용해 그 공식 점수를 조기에 예측하는 실시간 스코어보드를 구축한 연구팀에 관한 이야기입니다.
연구진이 수행한 과정을 쉬운 단계별로 설명하면 다음과 같습니다.
1. 문제점: "느린 우편" vs "라이브 스트리밍"
공식 인플레이션 수치는 느린 우편으로 보내는 편지와 같습니다. 정부는 물건 가격을 적기 위해 매장에 사람들을 보내거나, 오프라인 매장의 영수증을 스캔합니다. 여기에는 시간이 걸립니다. 정부가 숫자를 발표할 때쯤이면 이미 한 달 전의 데이터가 되어 버립니다.
연구진은 "라이브 스트리밍"을 원했습니다. 그들은 다섯 개의 주요 터키 온라인 식료품 웹사이트에서 매일 가격을 관찰하기로 했습니다. 그들은 7년이 넘는 기간 동안 매일 50,000개에서 70,000개의 가격표를 수집했습니다. 이는 총 약 1억 5천만 개의 데이터 포인트에 달하는 엄청난 양의 데이터입니다.
2. 과제: "엉망진창인 도서관"
도서관에 들어갔는데 책들이 사방에 널브러져 있는 모습을 상상해 보십시오. 어떤 책에는 "식품"이라고 라벨이 붙어 있지만, 그 더미 안을 보면 "에스프레소 원두"와 함께 "커피 필터"에 관한 책이 섞여 있습니다. 어떤 품목은 "우유"라고 라벨이 붙어 있지만, 실제로는 "오트 음료(귀리 음료)"인 경우도 있습니다.
연구진이 데이터를 긁어온(scraping) 웹사이트들도 비슷한 문제를 가지고 있었습니다. 카테고리가 엉망이거나, 일관성이 없거나, 혹은 그냥 틀린 경우가 많았습니다. 만약 단순히 "커피"라는 단어로 검색한다면, 커피 원두의 가격을 측정하려다 실수로 커피 필터의 가격을 측정하게 될 수도 있습니다.
3. 해결책: "똑똑한 사서" (AI)
이 엉망진창인 도서관을 해결하기 위해, 연구진은 모든 품목을 분류하기 위해 사람을 고용하지 않았습니다(그것은 시간이 너무 오래 걸릴 것입니다). 대신, 그들은 인공지능(구체적으로는 NLP 또는 자연어 처리라고 불리는 유형의 AI)을 사용하여 똑똑한 사서를 만들었습니다.
- 사서 교육하기: 그들은 먼저 AI에게 "커피 원두"가 실제로 무엇인지, 그리고 "커피 필터"와는 어떻게 다른지를 가르치기 위해 약 15만 개의 품목을 직접 손으로 분류했습니다.
- 결과: AI는 제품명을 읽고 이를 정확하게 분류하는 법을 배워 95%의 정확도를 기록했습니다.
- 업무 수행: 일단 훈련된 이 AI 사서는 매일 50,000개에서 70,000개의 새로운 품목을 즉시 분류하고, 정부가 사용하는 것과 동일한 카테고리로 정리하는 업무를 수행했습니다.
4. "데일리 스코어보드" 구축
AI가 가격을 분류한 후, 연구진은 자신들만의 일일 식품 가격 지수를 구축했습니다.
- 그들은 정부가 사용하는 것과 동일한 수학적 방식과 "가중치"(다양한 식품의 중요도)를 사용했습니다.
- 한 달을 기다리는 대신, 그들은 이 지수를 매일 업데이트했습니다.
5. 발견한 사실: "일기 예보" 효과
그들이 만든 일일 온라인 지수를 정부의 공식 월간 지수와 비교했을 때, 두 가지 흥미로운 사실을 발견했습니다.
- 날씨가 평온할 때 (저인플레이션): 두 점수는 완벽하게 일치했습니다. 물가가 안정적일 때는 온라인 가격이 오프라인 가격과 똑같이 움직였습니다.
- 폭풍이 몰아칠 때 (고인플레이션): 인플레이션이 급등하기 시작했을 때(터키에서 85%에 달함), 두 점수는 차이를 보이기 시작했습니다. 온라인 가격은 공식적인 오프라인 가격과는 다르게 움직였습니다.
- 비유하자면: 이는 기상 앱이 위성 데이터를 바탕으로 비를 예측할 때, 지상의 사람들은 여전히 맑은 하늘을 보고 있는 것과 같습니다. 혼란스러운 시기에는 "라이브 스트림"(온라인)과 "공식 보고서"(오프라인)가 서로 다른 이야기를 합니다.
6. 큰 성과: 미래 예측하기 (Nowcasting)
이 논문의 가장 중요한 부분은 **나우캐스팅(Nowcasting)**입니다. 이는 정부가 수치를 발표하기 전에 공식 수치를 예측하는 것을 의미합니다.
연구진은 자신들의 일일 온라인 데이터와 다른 경제적 단서들(환율, 금리 등)을 결합하여, 월말에 발표될 공식 인플레이션 수치가 얼마일지 추측했습니다. 그들은 다양한 컴퓨터 모델(여러 명의 예측가 팀과 같은 방식)을 사용하여 이를 테스트했습니다.
- 월초 (2일째 또는 15일째): 온라인 데이터는 다소 "노이즈(잡음)"가 섞여 있어 큰 도움이 되지 않았습니다. 이는 축구 경기가 시작된 지 겨우 10분 만에 최종 점수를 맞히려고 노력하는 것과 같습니다. 데이터가 너무 혼란스러웠기 때문입니다.
- 월말 (22일째): 한 달 중 대부분의 데이터를 수집하고 나자, 온라인 가격은 강력한 수정구슬이 되었습니다. 모델에 온라인 데이터를 추가했을 때 예측 정확도가 눈에 띄게 향상되었습니다.
결론
이 논문은 온라인 가격이 인플레이션을 빠르게 훑어보는 데는 훌륭하지만, 월말에 공식 수치를 예측할 때 가장 가치가 있다는 결론을 내립니다.
하지만 주의할 점이 있습니다. 인플레이션이 매우 높고 혼란스러워지면, 온라인 가격과 물리적 매장의 가격은 서로 멀어지기 시작합니다. 이는 경제가 매우 혼란스러운 시기에는 정부가 기존의 방식에만 의존하기보다, 실제로 무슨 일이 일어나고 있는지에 대한 진정한 그림을 얻기 위해 온라인 데이터를 더 많이 활용해야 할 수도 있음을 시사합니다.
요약하자면: 그들은 AI를 활용한 초고속 가격 추적기를 만들었으며, 이는 경제가 다소 안정되어 있고 달의 끝 무렵일 때 정부의 인플레이션 보고서를 한 달 일찍 예측하는 데 가장 효과적입니다.
연구 분야의 논문에 파묻히고 계신가요?
연구 키워드에 맞는 최신 논문의 일일 다이제스트를 받아보세요 — 기술 요약 포함, 당신의 언어로.