Core Concepts
반구 신경망 모델은 선도 및 반응적 변동성 예측을 통해 거시경제 지표에 대한 정확하고 신뢰할 수 있는 예측을 제공한다.
Abstract
이 논문은 거시경제 지표에 대한 정확한 평균 및 분산 예측을 위해 반구 신경망(Hemisphere Neural Network, HNN) 모델을 제안한다. HNN 모델은 다음과 같은 핵심 특징을 가지고 있다:
평균과 분산을 각각 별도의 "반구"로 모델링하여 상호작용을 허용하는 구조를 가지고 있다. 이를 통해 기존 ARCH 모형의 평균-분산 상호작용을 포착할 수 있다.
변동성 강조 제약을 통해 과적합 문제를 해결하고, 블록 아웃오브백 검증과 블록 서브샘플링을 통해 안정적인 추정을 달성한다.
선도 및 반응적 변동성 예측이 가능하다. 선행지표를 활용하여 변동성 증가를 사전에 포착하거나, 과거 예측오차의 크기에 따라 변동성을 반응적으로 예측할 수 있다.
실증 분석 결과, HNN 모델은 GDP 성장률, 실업률 변화, 물가 상승률 등 다양한 거시경제 지표에 대해 점 및 밀도 예측 측면에서 우수한 성과를 보였다. 특히 다른 모형에 비해 신뢰할 수 있는 예측구간을 제공하는 것으로 나타났다. 또한 HNN은 기존 구조화 모형과 결합하여 해석 가능성과 예측 성능을 향상시킬 수 있음을 보였다.
Stats
GDP 성장률 1분기 예측 시 HNN의 RMSE는 AR 모형 대비 0.85로 가장 낮다.
GDP 성장률 4분기 예측 시 HNN의 로그 점수(L)는 -3.61로 가장 우수하다.
실업률 변화 1분기 예측 시 HNN의 R2
|εt|는 0.41로 가장 높다.
Quotes
"반구 신경망 모델은 선도 및 반응적 변동성 예측을 통해 거시경제 지표에 대한 정확하고 신뢰할 수 있는 예측을 제공한다."
"HNN은 기존 구조화 모형과 결합하여 해석 가능성과 예측 성능을 향상시킬 수 있음을 보였다."