[논문 리뷰] Netconomics: Novel Forecasting Techniques from the Combination of Big Data, Network Science and Economics

Andreas Joseph, Irena Vodenska외 2명|arXiv (Cornell University)|2014. 03. 04.

Complex Systems and Time Series Analysis참고 문헌 5인용 수 3

한 줄 요약

이 논문은 거대 데이터, 네트워크 과학, 경제학을 통합하여 거시경제 예측을 향상시키는 새로운 프레임워크인 Netconomics를 제안한다. 거래 흐름 네트워크를 통해 국내총생산(GDP) 예측, 포트폴리오 투자 네트워크를 통해 금융위기 조기 경고, 수급 지표 네트워크를 통해 국제수지 예측을 위해 경제 시스템을 네트워크로 모델링함으로써, 게이트-키퍼 파워(Gate-keeping potential)와 같은 구조적 측정치가 전통적인 무역량보다 GDP 변화를 더 잘 예측함을 입증한다. 이는 경제적 상호의존성을 더 정확하고 종합적으로 파악할 수 있는 시스템적 시각을 제공한다.

ABSTRACT

The combination of the network theoretic approach with recently available abundant economic data leads to the development of novel analytic and computational tools for modelling and forecasting key economic indicators. The main idea is to introduce a topological component into the analysis, taking into account consistently all higher-order interactions. We present three basic methodologies to demonstrate different approaches to harness the resulting network gain. First, a multiple linear regression optimisation algorithm is used to generate a relational network between individual components of national balance of payment accounts. This model describes annual statistics with a high accuracy and delivers good forecasts for the majority of indicators. Second, an early-warning mechanism for global financial crises is presented, which combines network measures with standard economic indicators. From the analysis of the cross-border portfolio investment network of long-term debt securities, the proliferation of a wide range of over-the-counter-traded financial derivative products, such as credit default swaps, can be described in terms of gross-market values and notional outstanding amounts, which are associated with increased levels of market interdependence and systemic risk. Third, considering the flow-network of goods traded between G-20 economies, network statistics provide better proxies for key economic measures than conventional indicators. For example, it is shown that a country's gate-keeping potential, as a measure for local power, projects its annual change of GDP generally far better than the volume of its imports or exports.

연구 동기 및 목표

• 기존 거시경제 모델이 글로벌 금융위기와 경제 변동을 예측하는 데 한계를 보이는 문제를 해결하기 위해.
• 네트워크 과학을 거대 데이터 및 경제 지표와 융합하여 데이터 기반의 예측 도구를 개발하기 위해.
• 글로벌 무역 및 금융 네트워크의 구조적 성질을 분석함으로써 경제 성과의 우월한 대체 지표를 규명하기 위해.
• 기존 경제 변수와 결합한 네트워크 통계를 활용해 체계적 리스크를 위한 조기 경고 시스템을 구축하기 위해.

제안 방법

• 시간 이동된 회귀변수를 사용한 다중선형회귀분석(MLR)을 통해 국가 간 수지 지표 간의 상관관계 네트워크를 구축함으로써 예측 가능성을 확보한다.
• 장기 채권 투자 포트폴리오 네트워크에 대해 엣지 밀도 및 트래킹 중심성과 같은 네트워크 측정치를 적용하여 체계적 리스크 패tern을 탐지한다.
• G-20 경제국의 국제 무역 네트워크를 유도된 흐름 네트워크로 모델링하며, 노드 크기는 GDP에 기반하고 엣지 무게는 무역량에 기반한다.
• 유량 구조 내에서의 위치를 기반으로 산출된 게이트-키퍼 파워(GKP)를 도입하여 국가의 무역 네트워크 내 국지적 영향력을 구조적 측정치로 정의한다.
• 네트워크 역학을 기반으로 오더-오브-오퍼(OTC) 파생상품(예: 신용디폴트스위프트(CDS))의 확산을 기술하는 비선형 현상학적 모델링(NLSMM)을 적용한다.
• 파이썬 기반 도구(IPython, NetworkX)를 활용해 경제 시스템의 네트워크 구축, 통계 분석 및 시각화를 수행한다.

실험 결과

연구 질문

• RQ1 전통적인 무역량 지표에 비해 네트워크 기반의 구조적 측정치가 GDP 예측 정확도를 향상시킬 수 있는가?
• RQ2 포트폴리오 투자 네트워크의 네트워크 통계가 체계적 금융위기 조기 경고 신호로 기능할 수 있는가?
• RQ3 수지 데이터의 고차원 상호작용 및 관계 구조는 거시경제 지표 예측 모델링을 어떻게 향상시키는가?
• RQ4 국가의 게이트-키퍼 파워(GKP)가 수입/수출량을 초월해 실제로의 연간 GDP 성장률과 어느 정도 상관관계를 가지는가?
• RQ5 금융 파생상품의 확산을 네트워크 과정으로 모델링할 수 있으며, 이는 주요 금융 충격을 예측할 수 있는가?

주요 결과

• 시간 이동된 회귀변수를 포함한 MLR-피팅 네트워크 모델은 연간 수지 지표를 정확하게 기술하며 대부분의 구성 요소에 대해 강력한 예측 성능을 보인다.
• 트래킹 중심성은 다수의 대규모 경제 변수를 고정밀도로 추적하는 '거시경제 온도계'로 기능함을 확인하였으며, 이는 해외 경제 상호작용의 모니터링을 향상시킨다.
• 장기 채권 투자 포트폴리오 네트워크의 엣지 밀도는 체계적 리스크에 대한 신뢰할 수 있는 조기 경고 신호로 기능하며, 2008년 글로벌 금융위기 이전부터 일관된 경고 신호를 나타낸다.
• G-20 무역 네트워크에서의 게이트-키퍼 파워(GKP)는 대부분의 국가에서 연간 GDP 변화와 정적 상관관계가 있으며, 수입 및 수출량보다 더 뛰어난 예측 성능을 보인다.
• 호주에서는 GKP가 GDP 변화와 큰 음성 상관관계를 보이며, 이는 원자재 수출국으로서의 역할 때문이며 무역 통로 기능이 아닌 것으로 설명된다.
• 네트워크 과학을 거대 데이터 및 전통적 경제 지표와 융합함으로써, 기존 모델만으로는 달성할 수 없는 더 견고하고 종합적인 글로벌 경제 상호의존성 이해가 가능하다.