최신자료
Using Density Forecast for Growth-at-Risk to Improve Mean Forecast of GDP Growth in Korea
한국은행은 한국 GDP 성장률의 평균 예측 개선을 위한 연구보고서를 발표하였다.
- 본 연구에서 우리는 한국의 GDP 성장률에 대한 분포전망(density forecast)을 이용하여 점예측치(point forecast)의 전망오차를 줄일 수 있는지를 함수적 회귀모형(functional regression)을 이용하여 실증적으로 분석하였음. 우리는 2013.3/4-2022.1/4분기 기간의 실제 GDP 성장률을 설명변수로 한 회귀모형에서 한국은행의 분기별 성장률 점예측치(공식전망치)외에 분포전망을 함수적 독립변수로 추가했을 때 점예측치의 예측력이 유의미하게 증가하는지를 주로 살펴보았는데, 분포전망을 추가할 경우 대체로 점예측치의 예측력을 증가시키는 것으로 나타났음. 하지만 예측력의 개선 정도는 함수로 주어지는 분포전망 정보를 어떻게 효율적으로 이용하는지에 따라 많이 달라짐을 알 수 있었음. 특히 분포전망의 정보 중 평균값 정보를 담고 있는 평균팩터를 이용하고 분포전망의 정보를 점예측치의 보정용으로 사용하는 것이 좋은 결과를 주었는데. 이 경우 점예측치의 전망오차(평균 제곱 오차 기준)를 약 33%까지 줄일 수 있는 것을 보일 수 있었음.
- 본 연구에서 우리는 한국의 GDP 성장률에 대한 분포전망(density forecast)을 이용하여 점예측치(point forecast)의 전망오차를 줄일 수 있는지를 함수적 회귀모형(functional regression)을 이용하여 실증적으로 분석하였음. 우리는 2013.3/4-2022.1/4분기 기간의 실제 GDP 성장률을 설명변수로 한 회귀모형에서 한국은행의 분기별 성장률 점예측치(공식전망치)외에 분포전망을 함수적 독립변수로 추가했을 때 점예측치의 예측력이 유의미하게 증가하는지를 주로 살펴보았는데, 분포전망을 추가할 경우 대체로 점예측치의 예측력을 증가시키는 것으로 나타났음. 하지만 예측력의 개선 정도는 함수로 주어지는 분포전망 정보를 어떻게 효율적으로 이용하는지에 따라 많이 달라짐을 알 수 있었음. 특히 분포전망의 정보 중 평균값 정보를 담고 있는 평균팩터를 이용하고 분포전망의 정보를 점예측치의 보정용으로 사용하는 것이 좋은 결과를 주었는데. 이 경우 점예측치의 전망오차(평균 제곱 오차 기준)를 약 33%까지 줄일 수 있는 것을 보일 수 있었음.
많이 본 자료
![[팀튜링의 디지털 오디세이] 제1화 UAM의 미래](/userdata/main/incContent/sideLink/19/aaaGHKBjsPPI5g31szc-y20240605110816byhta.png)
![[2024.04] 물가상승](/userdata/main/incContent/sideLink/20/aaaGHKBjsPPI5g31szc-y20240605111046bpogp.jpg)
