인플레이션(물가 상승) 어조지수의 변곡점이 감염병이 확산된 2020년 2분기 이후 빠르게 증가한 것으로 나타났다.

17일 한국은행이 내놓은 BOK이슈노트 '인공지능 언어모형을 이용한 인플레이션 어조지수 개발 및 시사점'에 따르면 뉴스기사와 같은 텍스트 데이터는 국내외 경제뉴스를 빠르게 반영할 뿐 아니라 경제주체의 의사결정에 영향을 미침으로써 경제분석에 유용한 정보를 제공하고 있는 모습이다. 다만 로버트 쉴러(Robert J. Shiller) 교수가 지적한 바와 같이 텍스트(내러티브)는 측정이 쉽지 않아 경제분석에 활용이 제한적이란 평가다.

최근 텍스트 분석기법의 발전으로 주요국 중앙은행과 연구기관은 경제정책불확실성(EPU), 통화정책 기조, 경제주체 심리 측정 등 경제상황 판단·전망에 텍스트 데이터를 활용하는 시도가 증가했다.

특히 인공지능 발전과 함께 주목받는 인공지능 언어모형(AI language model)은 대규모 데이터에 대한 기존 훈련 결과를 재활용했다. 이를 통해 개발 시간과 비용을 절감하면서도 문서 분류, 검색, 번역 등 과제에서 유례없이 높은 성능을 기록했다.

한은은 이번 연구를 통해 인공지능 언어모형을 경제분석에 활용하는 방법론을 제시하고, 뉴스기사에 반영된 인플레이션 어조를 측정함으로써 전망에 활용할 수 있는지 점검했다.

인터넷 포탈 사이트에서 물가 관련 키워드로 검색해 조회되는 지난 20여 년간 총 188만 뉴스기사의 6406만개 문장을 수집했다. 이 가운데 임의로 추출한 5000개 뉴스기사 문장을 대상으로 각 문장의 현재와 미래 인플레이션 어조를 상승, 중립, 하락으로 분류함으로써 어조분류 모형을 훈련했다.

시산한 인플레이션 어조지수는 소비자물가 변동과 관련해 고유한 정보를 가지는 것으로 판단된다. 또 인플레이션 전망에도 유용한 것으로 나타났다.

변곡점 분석(turning point analysis) 결과 인플레이션 어조지수의 변곡점은 소비자물가상승률 변곡점을 대체로 1~2분기 시차를 두고 선행하는 것으로 나타나 소비자물가상승률의 추세를 판단하는 데 활용 가능함을 시사했다.

특히 감염병 유행으로 경제 불확실성이 확대된 2020년 2분기에 어조지수와 물가상승률이 저점을 기록한 이후 전례 없이 빠르게 증가했다. 인플레이션 전망모형의 예측변수로서 어조지수를 적용해본 결과 전반적으로 벤치마크 모형보다 높은 전망성과를 보였다.

한은은 향후에도 인공지능 언어모형을 통해 텍스트 데이터를 다양한 경제분석에 활용할 예정이다. 또 내부적으로도 문서 요약, 분류 등 업무 생산성 제고에 활용한다.

자체적으로 경제·금융 분야에 특화된 인공지능 언어모형을 개발해 텍스트 분석의 정확도를 보다 개선할 계획이며, 동 모형의 성능이 검증되면 행외 일반연구자도 활용할 수 있도록 공개하는 방안을 검토한다는 방침이다.