인공지능(AI) 알고리즘으로 13만건에 달하는 증권사 리포트를 분석하면 거시경제 지표 예측에 용이한 지수를 추출할 수 있는 것으로 나타났다

한국은행은 16일 'BOK이슈노트;AI 알고리즘을 이용한 산업 모니터링:증권사 리포트 텍스트 분석'을 발표하며 이같이 말했다.

서범석 한은 조사국 거시모형팀 과장은 증권사 애널리스트 보고서 12만 8000 건을 빅데이터로 구축하고 산업별 모니터링 정보를 추출했다. 증권사 보고서에 나타나는 숫자 정보는 모두 제거했고 텍스트에 나타난 정성적 정보를 자연어 처리 등 다양한 통계 기법을 이용해 취합했다.

분석 결과 추출된 텍스트 업황 지수는 국내총생산(GDP), 기업경기실사지수(BSI)를 비롯한 거시경제 지표 예측에 매우 유용한 것으로 나타났다.

특히 전 산업 텍스트 지표와 경기선행지수 순환변동치와의 인과관계에서 코스피 시장 기대치에는 나타나지 않는 인과관계를 발견할 수 있었다.

서범석 과장은 "이는 애널리스트가 제시하는 텍스트에 숫자가 전달하지 못하는 새로운 정보가 반영될 가능성을 시사한다"고 설명했다.

텍스트 업황 지수는 산업 코스피 지수와도 상관관계가 있었다. 상관계수가 0.5~0.9 수준으로 매우 높았고 일부 업종이나 구간에서는 텍스트 지표가 다소 선행하기까지 했으나 이런 상관성과 선행성은 업종별로 차이가 컸으며 단기 변동보단 추세 파악에 유용했다.

이뿐만 아니라 텍스트 분석 알고리즘은 특정 기간 기업경영환경에서 중요한 요인들을 보여주는 '기업경영 환경 변화요인표'를 추정할 수 있었다.

또한 코로나19, 러시아-우크라이나 전쟁, 환율, 금리 등 주요 경제 이슈의 영향에 대한 전문가 견해를 취합하는 것도 통상적인 설문 없이 가능했다.

나아가 해당 견해를 정량 지표로서 제시할 수도 있었는데, 이는 특정 이벤트의 산업별 영향을 정량 비교하는 것이 어렵다는 점에서 효용성이 매우 높다고 서 과장은 평가했다.

서 과장은 "기술 발전에 따른 자동화와 효율성 제고가 빨라 이른 시일 내에 스스로 정보를 취합하고 경제 판단을 내릴 수 있는 통계 모형이 실현될 것"이라며 "텍스트 분석 연구를 지속해야 하며 AI 등 통계기법도 발전해나가야 할 것"이라고 말했다.

서 과장은 또 "다만 텍스트 정보는 데이터 특성상 노이즈가 포함될 수 있고 저자 선입견이 반영될 수 있으므로 공식 통계와 일치하지 않을 가능성이 있어 활용에 유의가 필요하다"고 덧붙였다.