- 최미정 산업연구원 산업구조·정책효과분석실 부연구위원

박성근 산업연구원 산업구조·정책효과분석실 선임연구위원

경제 전망의 목적은 미래 경제의 불확실성 속에서 경제 주체의 합리적 의사결정을 지원하고, 제한된 자원을 효율적으로 배분할 수 있도록 정보를 제공하는 데 있다. 중장기 산업 전망은 경제 구조 변화에 대응하여 국가의 경제전략 수립을 위해 필요하다. 모형 기반 전망에서는 내·외생 변수 함수 형태를 설정할 때 전망의 목적에 따라 중점적으로 반영해야 할 요소를 신중히 검토해야 하며, 이에 따라 예측 모형의 형태와 구조가 달라질 수 있다.

 우선, 산업 중장기 전망 모형에서는 경제의 기초 여건에 대한 구조 변화가 유연하게 반영되어야 한다. 인구구조 변화, AI의 성장, 세계 경제의 분절화와 공급망 재편 등으로 인해 경제의 기초 여건이 장기적으로 변화하는 상황에서는 변수 간 관계나 계수의 형태가 구조적 변화에 따라 달라질 수 있으며 이를 반영하는 예측 모형이 필요하다. 둘째로 장기 전망에서는 외생 변수 불확실성의 누적으로 예측 안정성이 저하되므로 핵심 변수 중심의 간결한 모형 구조가 요구된다.

산업연구원에서는 시간 가변 계수 모형과 그 확장 형태인 함수 계수 패널 모형을 제안하고, 이를 토대로 소재산업의 중장기 수출 전망에 적용한 결과를 제시했는데, 본지에서 이를 소개하고자 한다.

1. 전망 필요성

경제 전망의 주요 목적은 미래 경제의 불확실성 속에서 경제 주체의 합리적 의사결정을 지원하고, 제한된 자원을 효율적으로 배분할 수 있도록 정보를 제공하는 데 있다. 즉 전망을 통해 경제 전반의 기대와 신뢰를 조정함으로써 불확실성을 완화하고 경제의 안정성을 제고하는 기능을 수행한다.

경제 전망은 국가 차원의 정책 설계에서 핵심 역할을 한다. 경제 정책은 그 영향이 현실 경제에 반영되기까지 일정한 시차가 존재하므로 정책 효과가 나타나는 미래의 경제 여건을 사전에 예측하는 것이 필수적이다. 이를 통해 정책의 시행 시점과 강도를 적절히 조정하여 정책효과를 극대화할 수 있다. 단기 경제 전망은 재정 및 통화정책 운용에서 적시 대응을 할 수 있으며, 장기 전망은 경제의 구조적 변화에 대응하기 위한 전략적 자원배분을 가능하게 한다. 중장기 산업 전망은 경제의 구조적 변화에 대응하여 국가의 경제전략 수립을 위해 필요하다. 산업의 장기 전망치는 에너지, 인력 등 주요 분야에서 인프라 투자 방향을 설정하고 노동력 수급의 안정성 여부를 판단하는 등 장기 전략을 수립하는 데 핵심적인 기초 자료로 활용할 수 있다.

2. 중장기 산업 전망

전망 방법은 크게 모형 기반 전망, 전문가 기반 전망, 그리고 두 접근을 결합한 하이브리드 방식으로 구분할 수 있다. 모형 기반 전망의 경우 내·외생 변수를 설정하고 함수 형태를 가정해야 하는데 이는 인과 관계에 기반하여 설명변수를 구성하는 설명 모형과 달리, 예측에 유효한 요인을 선정하고 해당 요인들의 미래 경로까지 예측해야 한다는 점에서 방법론적 어려움이 존재한다. 또한 설명 모형에서 적합도가 가장 우수한 모형이 반드시 예측 모형에서도 최적일 수는 없으며 동일한 전망 모형이라 하더라도 예측 시계(horizon)에 따라 예측력이 크게 달라질 수 있다. 

예를 들어 VAR이나 동태요인모형(DFM)과 같은 시계열 기반 모형은 초단기 및 단기 예측에서는 상대적으로 우수한 성과를 보이지만, 중장기 예측에서는 평균으로 수렴하기 때문에 구조 변화가 반영되지 못해 예측력이 빠르게 약화되는 경향이 있다. 따라서 예측 모형을 설정할 때에는 전망의 목적에 따라 어떤 특징을 중점적으로 반영해야 하는지 주의 깊게 검토할 필요가 있으며, 이러한 고려에 따라 예측 모형의 형태와 구조 또한 달라질 수 있다. 다시 말해 전망 모형의 구축은 통계 기법에 기반하지만, 동시에 어떤 구조적 요인을 어떠한 방식으로 반영할지에 대한 선택이 요구되는 작업이기도 하다.

산업 중장기 전망 모형에서는 다음의 특징이 반영되는 것이 필요하다. 첫째로 경제의 기초 여건에 대한 구조적 변화가 유연하게 반영되도록 할 필요가 있다. 한국경제는 인구구조 변화, 디지털화 및 인공지능 전환의 가속화, 글로벌 경쟁 질서의 재편 등 새로운 전환기에 직면해 있으며 이러한 요인들은 향후 산업 성장 경로를 근본적으로 재편할 것으로 예상된다. 이들 변화는 이미 산업 전반에서 영향을 미치고 있으며, 향후 그 영향이 더욱 확대될 가능성이 크다. 다만 이러한 변화는 다양한 경로로 전개될 가능성이 존재하고, 지정학적 리스크나 정책 대응, 예측이 어려운 구조적 요인의 영향으로 상당한 불확실성이 상존하고 있다.

이처럼 경제의 기초 여건이 장기적으로 변화하는 상황에서는 변수 간 관계나 계수의 형태가 구조적 변화에 따라 달라질 수 있으며 이를 반영하지 못하는 예측 모형을 사용할 경우 예측의 불안정성이 커질 수 있다.

둘째로 예측 시계(horizon) 확대에 따라 발생하는 불안정성을 완화하는 방법론적 장치가 필요하다. 산업 중장기 전망은 수년에서 수십 년에 이르는 장기 구간을 대상으로 하므로 이에 따라 모형의 외생 변수들에 대해서도 합리적이고 일관된 중장기적 전망치를 구축해야 하는 어려움이 존재한다. 예측 시계가 길어질수록 외생변수 전망치의 불확실성이 누적되고, 이로 인해 발생한 오차가 모형 전반의 예측에도 영향을 미치기 때문에 관계식에 사용되는 외생변수가 많거나 변수 간 연쇄적 구조를 갖는 모형은 중장기 전망에서 한계를 가질 수 있다. 따라서 중장기 전망 예측 모형에서는 핵심 변수 중심의 간결한 구조를 유지함으로써 장기 예측 과정에서 발생할 수 있는 오차 누적과 구조적 불안정성을 최소화할 필요가 있다.

3. 중장기 산업 전망 현황 및 한계점

산업연구원은 2007년 KIET-DIMM을 구축한 이후 지속적인 데이터 확장과 갱신, 모형 구조 보완을 거쳐 2018년에는 KIET-DIMM18 모형을 완성하여 전망에 활용해왔다. 이 모형은 한국개발연구원에서 활용한 다부문모형(박준경·김정호, 1990)을 토대로 한 구조적 연립방정식 체계로 본래 단기 전망에 사용했으나, 이후 예측 기간을 연장하는 방식으로 중장기 전망에도 쓰였다.

KIET-DIMM은 소규모 개방 경제의 가정을 전제로 일반 균형 이론에 기초하여 경제 구조를 5개의 주요 블록으로 구성하고 있다. 각 블록의 행위 방정식과 주요 변수들은 경제 이론적 관계 또는 경험적 적합성에 부합하도록 설정되었고, 각 부문 간의 논리적 일관성을 확보하기 위해 항등식을 활용하여 연립방정식 체계로 통합하였다. 이러한 설계로 이 모형은 이론적 기반과 실증적 적합성을 갖춘 경험적 구조 모형으로 평가된다.

KIET-DIMM18 모형은 약 700여 개의 행위 방정식으로 구성되어 있으며, 국내외 주요 전망 기관에서 발표하는 18개의 외생변수를 사용한다.

이러한 외생 변수의 변화나 가정을 입력하면 모형 내 행위 방정식들 간의 상호 연계 구조를 통해 내생 변수들이 이에 반응하는 정도를 계산하게 되는데, 이를 통해 각 부문의 균형점이 이동하는 형태로 경제 전반의 성장 경로를 제시할 수 있으며 시뮬레이션 분석에 적합한 구조를 갖추고 있다.

다만 이와 같은 연립방정식 체계의 경험적 구조 모형은 각 방정식이 서로 긴밀히 연결되어 있어 하나의 계수나 변수 간 관계가 부정확하게 추정될 경우 그 영향이 다른 식으로 전달되는 피드백 효과가 발생할 수 있다. 특히 모형 내 방정식의 수가 많고, 각 식의 결과가 다음 블록으로 순차적으로 전이되는 구조에서는 내·외생변수들의 설정, 항등식 제약, 식별 등 모형 설정(model specification)을 매우 신중하게 다룰 필요가 있다. 특히 중장기 전망에서는 다음의 한계점들이 존재한다.

첫째로 고정계수 구조에 따른 구조적 경직성이다. 모형 내 계수들이 자료의 평균적 관계로 추정되어 있기 때문에 실제 경제 구조가 변화하더라도 이를 즉시 반영하지 못할 가능성이 있다. 이러한 특성으로 인해 모형은 구조적 안정성이 유지되거나 균형점 부근에서는 비교적 정확한 결과를 제시할 수 있으나, 구조적 불확실성이 커지고 변수 간 관계가 변화할수록, 즉 균형점으로부터 이탈할수록 설명력과 예측력이 저하되는 한계가 존재한다. 이와 같은 특성으로 인해 유사한 구조의 경험적 모형들은 한국은행의 BOKDPM처럼 중기 전망(약 2년 내외) 수준에서 주로 활용되고 있다(한국은행 경제 전망 모형의 이해).

둘째, 외생변수의 변화와 그 불확실성이다. 연립방정식 체계에서 외생변수들은 방정식의 도구 변수로서 식별의 최소 조건을 충족시켜야 하며, 추정의 효율성을 확보하기 위해서는 통계적으로 타당한 조건을 만족할 필요가 있다. KIETDIMM18 모형에서 사용되는 18개의 외생변수 각각에 대해 중장기적 합리적 전망치를 구축해야 하는데, 이는 국내외 경제 환경의 불확실성이 높아질수록 현실적으로 어려워진다. 특히 모형의 연쇄적 구조를 고려할 때 외생변수의 전망은 전체 시스템의 예측 성과에 직접적인 영향을 미치며, 외생변수 설정의 적정성에 따라 모형의 예측도가 크게 달라질 수 있다.

또한 연립방정식 체계는 기본적으로 폐쇄적 구조를 갖기 때문에 새로운 외생변수를 추가하거나 방정식을 수정해 구조 변화를 반영하려면 전체 균형 구조를 재정의해야 하는 어려움이 있다. 이러한 제약으로 인해 실제 분석에서는 일부 블록만 수정하거나 외생 시나리오를 활용해 간접적으로 구조 변화를 반영하며, 이 과정에서는 전문가 판단과 시나리오 결과 간 피드백을 거쳐 전망치를 조정한다. 그러나 공급망 붕괴, 인공지능의 급속한 확산, 탄소중립 규제 강화, 지정학적 리스크 확대와 같이 기존 외생변수만으로 설명하기 어려운 구조적 변화가 발생할 경우 현실 반영력이 저하되는 한계가 있다.

4. 대안적 장기 예측 모형의 특징과 실제 운용 사례

본 글에서는 대안적인 방법론으로서 계수를 구조적 변화의 함수로 설정한 시간 가변 계수 모형을 제시한다. 이 모형은 경제 데이터에 이미 내재된 구조 변화의 정보를 활용하여 계수가 시간에 따라 변화할 수 있도록 설정함으로써 구조 변화를 포착하는 접근이다. 다시 말해 데이터 속에 반영된 구조 변화의 흔적을 계수의 시계열적 변화를 통해 읽어내는 모형으로 볼 수 있다.

기존의 구조 모형은 전체 모형 구조를 사전에 설정하고 외생변수의 변화를 통해 구조적 변화를 반영하도록 설계되어 있으므로, 구조변화를 유발하는 요인을 사전에 파악하고 식별하는 과정이 요구된다. 한편 시간 가변 계수 모형은 경제 및 산업 데이터를 단순히 시점별 관측값의 집합이 아니라, 각 시점의 제도적 환경, 기술 수준, 산업구조, 정책 변화 등이 반영된 결과물로 인식하기 때문에 데이터에 내재된 구조 변화를 계수의 시계열적 변동으로 해석함으로써 외생적으로 명시하기 어려운 구조적 변화를 간접적으로 포착할 수 있다.

계수를 시간의 함수로 설정함으로써 장기 예측에서 얻을 수 있는 이점은 다음과 같다. 첫째, 시간 가변 계수는 부드럽게(smooth) 추정되기 때문에 과거의 추세를 기반으로 미래의 관계를 자연스럽게 연장하여 반영할 수 있다. 고정 계수 모형은 전체 기간의 평균적 관계를 반영하는 데 그치지만, 시간 가변 계수는 시점별 구조 변화를 반영함으로써 예측의 현실 적합성을 높인다.

둘째로, 구조 변화를 계수에서 반영함으로써 예측 모형의 차원을 축소할 수 있는 이점이 있다. 공신력 있고 전제가 가능한 핵심 설명변수만 사용함으로써 외생변수의 불확실성이 큰 중장기 전망에서도 비교적 안정적이고 일관된 예측 경로를 제시할 수 있다.

이와 같은 방법론을 활용하여 장기 예측에 적용한 사례로는 한국전력 거래소의 장기전력수요예측모형(김창식 외, 2015)이 있다. 이 연구에서는 시간 가변 계수를 갖는 공적분 회귀 모형을 통해 전력 수요와 경제 변수들 사이의 장기 균형 관계를 설정하고 전력 수요의 탄력성으로 해석되는 시간 변동 계수를 선도추급과정(Gap&Catch-Up) 개념을 도입하여 전망한다. 이와 같이 거시 모형을 기반으로 설명변수를 축소하고 탄력성을 시간에 따라 변화하도록 설정함으로써 선도추급과정을 적용한 시간 변동 계수 모형은 전통적으로 사용해온 미시적 예측 모형에 비해 우수한 예측 성과를 보였다. 그러나 산업구조가 성숙 단계에 진입함에 따라 추급 패턴을 전제로 하는 데 한계가 있으며, 특정 국가의 소득 탄력성 패턴 유사성만을 반영한다는 제약이 존재함에 따라 새로운 예측 방법론의 필요성이 제기되었고, 김창식 외(2015)에서는 추가적으로 함수 계수 패널 모형을 적용하여 장기 전망을 시도한다.

 

식 (1)은 Park and Hahn(1999)이 제안한 시간 변동 공적분 모형을 수출 수요 함수에 적용한 것이다. y_t는 한국의 대세계 실질수출에 로그값을 나타내며, x_t와 z_t는 각각 세계 GDP와 상대가격의 로그값이다. 시간 변동 계수 beta_t는 관측되지 않는 다양한 구조적 요인들의 변화를 반영하는 계수로 수출과 예측 요인 간의 관계가 시간에 따라 달라질 수 있음을 의미한다.

식 (2)는 Chang et al.(2016, 2021)에서 제안된 함수 계수 패널 모형으로 수출 수요 함수에 적용한 것이다. y_i,t는 I국가 1인당 수출액을 지수화한 뒤 이를 한국은행의 수출 물가지수로 나누어 실질화한 값에 로그를 취한 값이며, x_i,t 와 p_i,t는 각각 I국가 1인당 실질 GDP와 실질 환율 지수에 로그를 취한 값이다. 함수 계수(또는 소득계수)인 beta(t,x_i,t)는 시간과 소득 수준에 따라 계수가 비선형적으로 변화하는 것을 동시에 허용하는 구조를 갖는다. 

 

<그림 1>은 식 (1)을 석유화학과 철강산업에 적용하여 추정한 시간 변동 계수의 추이를 제시한 것이다. 석유화학산업의 소득 탄력성(시간 변동 계수)은 2000년까지 가파르게 상승하다가 이후에는 상승폭이 이전보다 둔화되었고, 2016년경부터는 하락 국면에 진입한 것으로 나타난다. 철강산업의 소득 탄력성(시간 변동 계수) 역시 2014년까지 대체로 상승세를 보였으나, 이후부터 하락하는 추세로 전환된 것으로 확인된다.

 

 

<그림 2>는 식 (2)를 같은 소재산업에 적용하여 추정된 함수 계수(소득 계수)만을 소득과 시간 두 축으로 제시한 것이다. 함수 계수를 3차원(surface) 형태로 제시할 경우 두 축의 복합적 변화가 동시에 반영되기 때문에 각 축의 수준을 고정한 상태에서 시간 단면과 소득 단면 그림으로 소득계수의 움직임을 포착할 수 있고, 이를 <그림 3>에 제시한다.

 

 

<그림 3>의 상단 부분은 1인당 소득을 고정한 상태에서 함수 계수의 시간 변화 추이를 나타낸 것이고 하단 부분은 시간을 고정한 상태에서 소득변화 추이를 나타낸 것이다. 상하단 그림 각각에서 시간과 소득에 따라 소득 계수가 장기간 변화해온 것을 확인할 수 있고 특히 하단 부분에서는 시간 변동 계수가 소득에 대한 함수 관계를 내포하고 있음을 시사한다. 즉 시간만을 함수로 하여 계수를 추정할 경우 이러한 소득 수준의 구조 변화가 섞이게 되고 따라서 시간 변화에 따른 구조적 변화를 과소 추정할 가능성이 있다. 이러한 점은 함수 계수 패널 모형의 보완적 역할을 뒷받침하는 근거가 된다.

 

5. 예측실험 결과 비교

이러한 설정 아래 동일한 추정 기간과 예측 기간을 적용한 기본 시계열 모형인 AR(1)과 고정계수 모형(DIMM)과의 예측력을 비교하였다. <그림 4>는 실적치와 각 모형의 예측치의 추이를 제시한 것이다. Model과 Est는 실적치(Real)와 가장 가깝게 움직이는 모습을 보이고 있고 특히 AR과 고정 계수 모형(DIMM)은 실적치로부터 벗어나 있는 모습을 보이고 있다.

<표 1>은 각 모형의 예측오차를 정리한 것이다. 

 

단순한 방식으로 시간 변동 계수를 예측한 Est 방식의 예측오차가 이상적 시나리오인 Model과 유사한 수준에 근접하는 것으로 나타났으며, 반면 Fix, AR, DIMM 방식은 상대적으로 예측 성과가 떨어지는 것으로 나타났다.