인공신경망과 유전알고리즘을결합한 외환위기지수 예측

권병천

Byeungchun.kwon@gmail.com

외환위기 정의

- 일반적으로 널리 사용되는 환율, 외환보유고, 금리에 대한 각각의 변화율의 가

중 평균으로 정의된 외환시장압력지수(Exchange Market Pressure Index,

EMPI)에 근거하여 외환위기를 다음과 같이 정의( Eichengreen et al.(1995) )

EMPI = 𝑊𝑒 × ∆𝑒 + 𝑊𝑖 × ∆𝑖 − 𝑊𝑅 × ∆𝑅

e:환율, i:이자율, R:외환보유고, We ,Wi ,WR은각변수의가중치

* Eichengreen B, A Rose and C Wyplosz , ‘Exchange Market Mayhem: The Antecedents and

Aftermath of Speculative Attacks’, Economic Policy, 1995

1996-2011 외환시장압력지수 (한국)

- 우리나라 데이터(환율, 이자율, 외환보유고 : 1996~2011) 적용

- K값은 1.1 / 2 / 3 으로 선행연구에서 적용 됨

-0.45

-0.3

-0.15

1E-15

0.15

0.3

96/04 97/08 98/12 00/04 01/08 02/12 04/04 05/08 06/12 08/04 09/08

외환보유고 환율 이자율

1996-2011 외환시장압력지수 (한국)

- 우리나라 데이터(환율, 이자율, 외환보유고 : 1996~2011) 적용

- K값은 1.1 / 2 / 3 으로 선행연구에서 적용 됨

-0.45

-0.3

-0.15

1E-15

0.15

0.3

96/04 97/08 98/12 00/04 01/08 02/12 04/04 05/08 06/12 08/04 09/08

외환보유고 환율 이자율 EMPI

K=3, σEMPI =0.058

외환시장압력지수(EMPI) 예측의 험난한 요소

• EMPI를 설명하는 경제지표로 무엇을 사용해야 하나?

• EMPI 예측의 최적 가중치는 어떻게 찾아야 하나?

→ 기존의 통계적 예측 모형의 한계

로지스틱 회귀분석

프로빗 모형

신호 접근법

인공 신경망+

유전자 알고리즘

을 결합한EMPI 예측모형

예측을 위한 새로운 시도 : 유전자 알고리즘

• 생물의 유전과 진화 메커니즘을 공학적으로 모델링

• 다윈의 진화론 프로세스를 경제 문제 해결에 적용

• 가능한 모든 경제지표 중, 예측을 잘하는 지표만 생존

어떤 경제지표 조합이 EMPI 예측을 잘하는지 어떻게 알 수 있을까?

유전자 알고리즘의 특징

복잡한 비선형 문제에서 최적 해를 찾는데 적합

지역 최적해(Local Optima)를 피해갈 수 있음

결정론적인 규칙이 없이 확률적

연산자로 수행

유전자 알고리즘의 특징

예측을 위한 새로운 시도 : 인공 신경망

• 인간 두뇌의 신경망 구조를 모델링 한 것

• 연결된 수많은 뉴런 중 중요한 값만 활성화

• 최적 가중치를 학습함으로써 예측률 높임

두뇌의 뉴런과 시냅스 연결 인공 신경망 구조

응용 분야

분야 적용 사례

시각, 음성 문자·물체 인식, 문법 학습, 대화 패턴 분석

생명공학 유전자 인식, 단백질 분류, 질병 진단, 홍채·지문 인식

제조업 이상 탐지, 공정 분석 계획, 오류 예측

예측 모델

1단계 2단계(Genetic Algorithm) 3단계(Neural Network) 4단계(Evaluation)

상관계수에 근거 선택, 교배 및 돌연변이

* Kaminsky, ‘Leading Indicators of Currency Crises’, IMF Staff Papers, 1998

- Kaminsky (1998)가 선정한 경제지표중 25개의 경제지표 선정

- 후보 경제지표 군을 임의로 생성하여 예측 EMPI 계산

- 실제 EMPI를 가장 잘 예측한 후보 경제지표 군만 선택 진화

- 최적 경제지표 군을 찾을 때까지 반복

구현

- Java 언어 기반의 자체 시스템 개발

- 인공 신경망 및 유틸리티는 오픈 소스 WEKA와 Apache Commons 사용

Main CsvReader EmpiReader GeneticAlrtm NeuralNetwk ResultHandler

경제지표 파일 읽음

EMPI 파일 읽음

세대 염색체 생성

인공신경망 계산

상관계수, 예측 값 저장지정된 세대만큼 반복

모듈명 내용

WEKA http://www.cs.waikato.ac.nz/ml/weka/ 인공신경망 계산 로직(역전파 알고리즘 사용)

Commons-Math http://commons.apache.org/math/ 랜덤 변수, 비율 계산 각종 수학계산 로직

Commons-Lang http://commons.apache.org/lang/ 경제 지표 텍스트 파일 읽기, 분석 로직

Commons-IO http://commons.apache.org/io/ 경제 지표 파일 및 결과 파일 입출력 로직

실험 결과

- 실험 데이터: 1996년4월부터 2010년10월까지 총 175개월 데이터

- 실험 구분

1. EMPI를 동일시점에서 예측 : 경제지표가 EMPI와 같이 연동하는 경우

2. EMPI를 선행한다고 가정(경제지표가 EMPI를 선행하는 경우): 선행 기

간은 3, 6, 9, 12 개월로 구분

3. 실제 2008년 금융위기 시점을 기준으로 예측 테스트

EMPI

1996년 4월

1996년 1월

경제 지표

2010년 10월

2010년 7월 8월 9월 10월

EMPI 예측

11월 12월 1월

예제: EMPI를 3개월 선행한다고 가정 시

실험 1- 동일시점에서 EMPI 예측

- EMPI가 경제지표와 연동하는 경우, 최적 경제지표 조합이 도출됨

- 약 12세대 정도에서 수렴하는 것을 볼 수 있음

- 인공신경망에서 주어진 가중치를 적용하여 예측 EMPI와 실제 EMPI를 표현

0.7

0.8

0.9

1

1 4 7 10 13 16 19 22 25 28 31 34 37 40 43 46 49

세대 평균

세대 TOP

세대 TOP3

-0.4

-0.2

0

0.2

96/04 98/10 01/04 03/10 06/04 08/10

실제 EMPI

예측 EMPI

수렴

실험 2-EMPI 선행 가정 시, 예측

- 3, 6, 9 ,12 개월 선행 가정 시, 예측률은 동일시점 (실험 1) 보다 떨어짐

0.1

0.3

0.5

0.7

1 4 7 10 13 16 19 22 25 28 31 34 37 40 43 46 49

세대 평균세대 TOP세대 TOP3

0.1

0.3

0.5

0.7

1 4 7 10 13 16 19 22 25 28 31 34 37 40 43 46 49

0.1

0.3

0.5

1 4 7 10 13 16 19 22 25 28 31 34 37 40 43 46 490.1

0.3

0.5

0.7

1 4 7 10 13 16 19 22 25 28 31 34 37 40 43 46 49

3개월 6개월

9개월12개월

실험2-EMPI 선행 가정 시, 예측

- 3, 6, 9 ,12 개월 선행 가정 시, 예측 EMPI와 실제 EMPI의 비교

실험3-EMPI 선행 가정 및 기간 단축 시, 예측

- 기간을 173개월에서 82개월로 단축 하고 선행 가정 시 예측률 크게 향상

0.2

0.4

0.6

0.8

1

1 4 7 10 13 16 19 22 25 28 31 34 37 40 43 46 49

세대 평균

세대 TOP

세대 TOP3

0.2

0.4

0.6

0.8

1

1 4 7 10 13 16 19 22 25 28 31 34 37 40 43 46 49

0.2

0.4

0.6

0.8

1

1 4 7 10 13 16 19 22 25 28 31 34 37 40 43 46 49

0.2

0.4

0.6

0.8

1

1 4 7 10 13 16 19 22 25 28 31 34 37 40 43 46 49

3개월 6개월

9개월 12개월

실험3-EMPI 선행 가정 및 기간 단축 시, 예측

- 82개월 데이터를 사용 했을 때, 2008년 외환 위기 실제 예측

3개월 6개월

9개월 12개월

인공지능에 의한 최종 지표 선정

- 12개월 선행 시, 최종 선택 지표

Index 지표 Index 지표

E1 수입(관세청 기준) E14 실업률

E2 중앙은행 자산 E15 고용률

E3 M1(평잔) E16 종합주가지수

E4 해외직접투자 E17 예금은행 수신금리

E5 중앙은행 외화자산 E18 예금은행 대출금리

E6 경상수지 E19 국고채(3년)금리

E7 상품수지 E20 대외장기채무

E8 수출(관세청) E21 원달러 환율(종가)

E9 국내 및 국외 신용 E22 자본계정

E10 M2(평잔) E23 순상품교역조건지수

E11 예금은행 총수신(평잔) E24 생산자물가등락률

E12 대외단기채무 E25 근원인플레이션율

E13 소비자물가등락률

시사점

• 학제간 연구(Interdisciplinarity) 시도

외환위기 예측모형의 한계를 극복하기 위해 자연과학 및 공학에서 널리 사용

중인 인공지능 기법을 적용한 외환위기 조기경보시스템을 구축

• 새로운 대안 제시

전통적인 수리·통계 기법이 지니고 있는 한계를 인공지능 방법을 사용하여 극

복함으로써 새로운 대안 제시

• 다른 예측 모델 응용 가능

통계적 특징을 따르지 않는 각 종 경제 선행지수를 예측 하는데 동 모형을 활

용할 수 있을 것으로 기대