KCI등재
텍스트 마이닝을 활용한 실질 국내총생산의 실시간 예측 = Real-time Forecasting of Real GDP Using Text Mining
저자
발행기관
학술지명
권호사항
발행연도
2021
작성언어
Korean
주제어
등재정보
KCI등재
자료형태
학술저널
수록면
91-106(16쪽)
KCI 피인용횟수
0
제공처
This study is trying to develop a model that predicts real GDP (RGDP) in real time. To this end, this study is divided into the real-time prediction of RGDP and the real-time prediction of ESI(Economic Sentiment indicator) selected as explanatory variables for RGDP prediction. Since the sentiment indices of economic agents reflect the movement of real economy well, they use BSI(Business Survey Index) and CSI(Consumer Survey Index) as explanatory variables for RGDP prediction. In addition, unstructured data from online news are used to predict BSI and CSI. This study performs the following two-step procedure to predict RGDP in real time based on the BSI and the CSI. In the first stage, text mining techniques are used to collect information from unstructured data in online news to analyze the factors affecting them. After quantifying unstructured data through text mining in this way, a deep learning technique is utilized to estimate the BSI and the CSI. In the second stage, the lagged regression(LR) model, the autoregressive dynamic factor model (AR-DFM) model, and the mixed-data sampling (MIDAS) model, which are methods of predicting RGDP used in previous studies, are used. Among them, Mean Absolute Error (MAE), Root Mean Square Error (RMSE), and Relative Mean Absolute Error (RMAE) of estimation errors for each model are calculated to select the final model of RGDP prediction. The analysis results show that the LR model is most suitable for the real-time prediction of RGDP.
더보기본 연구는 실질 GDP(RGDP: Real GDP)를 실시간으로 예측하는 모형을 개발하는 것을 목적으로 한다. 이를 위해 본 연구는 RGDP를 실시간으로 예측하는 것과 RGDP 예측의 설명변수로 선정된 심리 지표들을 실시간으로 예측하는 것으로 구분한다. 경제주체들의 심리지수들은 실물지표의 움직임을 잘 반영하기 때문에 RGDP 예측의 설명변수로 기업경기실사지수와 소비자동향지수를 활용한다. 또한 기업경기실사지수와 소비자동향조사를 예측하기 위해 온라인 뉴스의 비정형 텍스트 데이터를 활용한다. 본 연구는 기업경기실사지수와 소비자동향지수를 바탕으로 RGDP를 실시간으로 예측하기 위해 다음과 같은 2단계 절차를 수행한다. 1단계에서는 기업경기실사지수와 소비자동향지수에 영향을 미치는 요인을 빠르게 반영하기 위해 온라인 뉴스의 비정형 데이터로부터 정보를 수집하는 텍스트 마이닝 기법을 활용한다. 이렇게 텍스트 마이닝을 통해 비정형 데이터를 정량화한 후, 이를 바탕으로 딥러닝 기법을 활용하여 기업경기실사지수와 소비자동향지수를 추정한다. 2단계에서는 선행연구에서 활용된 RGDP 예측 방법인 시차회귀모형(LR: Lagged Regression), 자기회귀 동적요소모형(AR-DFM: Autoregressive Dynamic factor model), 혼합자료샘플링(MIDAS: Mixed-Data Sampling) 모형을 활용한다. 이 중에서 RGDP 예측의 최종 모형을 선정하기 위해 각 모형에 대한 추정 오차의 RMSE(Root Mean Squared Error)를 산출한다. 분석 결과, 시차회귀모형이 실시간 예측에 가장 적합한 것으로 나타났다.
더보기분석정보
연월일 | 이력구분 | 이력상세 | 등재구분 |
---|---|---|---|
2024 | 평가예정 | 재인증평가 신청대상 (재인증) | |
2021-01-01 | 평가 | 등재학술지 선정 (계속평가) | KCI등재 |
2019-01-01 | 평가 | 등재후보학술지 선정 (신규평가) | KCI후보 |
서지정보 내보내기(Export)
닫기소장기관 정보
닫기권호소장정보
닫기오류접수
닫기오류 접수 확인
닫기음성서비스 신청
닫기음성서비스 신청 확인
닫기이용약관
닫기학술연구정보서비스 이용약관 (2017년 1월 1일 ~ 현재 적용)
학술연구정보서비스(이하 RISS)는 정보주체의 자유와 권리 보호를 위해 「개인정보 보호법」 및 관계 법령이 정한 바를 준수하여, 적법하게 개인정보를 처리하고 안전하게 관리하고 있습니다. 이에 「개인정보 보호법」 제30조에 따라 정보주체에게 개인정보 처리에 관한 절차 및 기준을 안내하고, 이와 관련한 고충을 신속하고 원활하게 처리할 수 있도록 하기 위하여 다음과 같이 개인정보 처리방침을 수립·공개합니다.
주요 개인정보 처리 표시(라벨링)
목 차
3년
또는 회원탈퇴시까지5년
(「전자상거래 등에서의 소비자보호에 관한3년
(「전자상거래 등에서의 소비자보호에 관한2년
이상(개인정보보호위원회 : 개인정보의 안전성 확보조치 기준)개인정보파일의 명칭 | 운영근거 / 처리목적 | 개인정보파일에 기록되는 개인정보의 항목 | 보유기간 | |
---|---|---|---|---|
학술연구정보서비스 이용자 가입정보 파일 | 한국교육학술정보원법 | 필수 | ID, 비밀번호, 성명, 생년월일, 신분(직업구분), 이메일, 소속분야, 웹진메일 수신동의 여부 | 3년 또는 탈퇴시 |
선택 | 소속기관명, 소속도서관명, 학과/부서명, 학번/직원번호, 휴대전화, 주소 |
구분 | 담당자 | 연락처 |
---|---|---|
KERIS 개인정보 보호책임자 | 정보보호본부 김태우 | - 이메일 : lsy@keris.or.kr - 전화번호 : 053-714-0439 - 팩스번호 : 053-714-0195 |
KERIS 개인정보 보호담당자 | 개인정보보호부 이상엽 | |
RISS 개인정보 보호책임자 | 대학학술본부 장금연 | - 이메일 : giltizen@keris.or.kr - 전화번호 : 053-714-0149 - 팩스번호 : 053-714-0194 |
RISS 개인정보 보호담당자 | 학술진흥부 길원진 |
자동로그아웃 안내
닫기인증오류 안내
닫기귀하께서는 휴면계정 전환 후 1년동안 회원정보 수집 및 이용에 대한
재동의를 하지 않으신 관계로 개인정보가 삭제되었습니다.
(참조 : RISS 이용약관 및 개인정보처리방침)
신규회원으로 가입하여 이용 부탁 드리며, 추가 문의는 고객센터로 연락 바랍니다.
- 기존 아이디 재사용 불가
휴면계정 안내
RISS는 [표준개인정보 보호지침]에 따라 2년을 주기로 개인정보 수집·이용에 관하여 (재)동의를 받고 있으며, (재)동의를 하지 않을 경우, 휴면계정으로 전환됩니다.
(※ 휴면계정은 원문이용 및 복사/대출 서비스를 이용할 수 없습니다.)
휴면계정으로 전환된 후 1년간 회원정보 수집·이용에 대한 재동의를 하지 않을 경우, RISS에서 자동탈퇴 및 개인정보가 삭제처리 됩니다.
고객센터 1599-3122
ARS번호+1번(회원가입 및 정보수정)