한국은행은 인공지능(AI)과 기계학습(ML)을 활용해 금융·외환시장 위기를 수개월 먼저 내다볼 수 있는 조기경보모형을 개발했다.
24일 '데이터 기반 금융·외환 조기경보모형' 제하의 BOK이슈 노트 보고서를 작성했는데, 이를 개발한 한은 금융결제국 소속 김태완 차장과 디지털혁신실 소속 박정희 과장, 이현창 팀장은, 1998년 이후 월별 위기·시장 불안 기간을 식별해 먼저 학습 데이터를 구축했다.
그후 위기 발생 과정을 포착할 수 있는 AI·ML 알고리즘을 사용, 모형 예측력을 높인 뒤, 과거의 몇몇 대형 위기를 대상으로 모형 예측력에 대한 검증에 나섰다.
그 결과 ML 알고리즘인 ET(Extremely Randomized Trees)를 적용한 조기경보모형이 가장 높은 예측력을 보였다.
모형 예측력을 평가하는 지표인 곡선-면적(ROC-AUC) 값이 ET에서는 0.95로 나타났다. ROC-AUC는 1에 가까울수록 모형 예측력이 뛰어남을 의미한다.
구체적으로 1999년 이후 ET 기반 조기경보모형과 벤치마크 모형(신호추출법, SE)이 평가한 위기 발생 가능성(경보 지수)을 보면, ET의 경우 위기 발생에 수개월 앞서 점진적으로 경보 지수가 상승하는 모습이 뚜렷했다.
대형 경제 위기가 발발한 2008년(글로벌 금융위기), 2020년(코로나), 2022년(레고랜드)의 경우를 보면 알수 있다.
금융위기와 코로나 때의 경보 지수는 단기간 급등한 것을 보여주고 ㅈ는데, 반면 레고랜드 때에는 상대적으로 완만히 오르는 다른 모습을 보였다.
따라서 연구진은 "AI·ML 기술은 기존 방법에 비해 예측력 높은 조기경보모형을 개발하는 데 유용한 것으로 판단된다"고 밝혔다.
또한 "이번 모형은 국제통화기금(IMF)의 조기경보체계(EWS) 같이 금융·실물 위험 요인 식별, 부문별 취약성 평가를 포괄하는 EWS의 한 부분으로 효용이 높아질 것"이라고 말했다.
김영이 기자 사진 뉴스1
