가. 주제 선정 및 배경
"학식 비빔밥 청상추→양상추"...물가상승에 대학가 고민도↑
저렴한 가격에 학생들의 끼니를 책임지는 대학교 식당들도 물가 상승의 직격탄을 맞았다. 평소 쓰던 식재료를 저렴한 품목으로 바꾸는 등 대책을 고민하고 있지만, 끝을 모르고 오르는 물가에 가격 인상 압박도 날이 갈수록 심해지고 있다.
예를 들어 세종대학교 학생 식당의 경우, 비빔밥과 오므라이스 등 다양한 메뉴를 3,000원에서 5,500원 정도에 판매하고 있는데, 최근 물가가 크게 오르면서 단가를 맞추기가 쉽지 않아졌다. 비빔밥에 들어갔던 청상추의 경우 지난해 같은 달 1kg에 2,800원이었던 게 지금은 17,000원으로 6배 넘게 뛰었다. 식당 측은 결국 해당 재료를 상대적으로 저렴한 양상추로 대체했는데, 양상추마저도 지난 3월 1kg에 3,500원 대였던 것이 지금은 5,300 원대까지 올랐다. 하루 쓰는 양이 많게는 5kg에 달하다 보니 식당 입장에서는 부담이 더욱 클 수밖에 없다.
식당 측은 결국 지난 3월, 30여 가지 메뉴에 대해 많게는 5백 원 정도 가격을 인상했다. 이마저도 단가를 맞추기 쉽지 않지만, 학생들 부담을 고려해서 라도 더는 가격을 올리기도 어렵다. 하지만 식자재 가격은 계속해서 치솟는 탓에 식당 측은 운영에 고민이 많은 상황이다.
[출처] "학식 비빔밥 청상추→양상추"...물가상승에 대학가 고민도↑ (2022, YTN)
그렇다면, 물가가 오르는 현상 ‘인플레이션’이란?
인플레이션의 정의
물가수준이 지속적으로 오르는 현상을 인플레이션(Inflation)이라고 한다. 호황일 때는 인플레이션, 불황일 때는 디플레이션 현상이 나타난다고 하지만, 항상 그런 것은 아니다. 일반적으로는 경기 불황 속에서 인플레이션이 낮아지고, 호황 속에서 인플레이션이 높아진다.
인플레이션의 원인
가격이 오르려면 수요가 증가하거나 공급이 줄어야 한다.
국민경제에서도 물가가 오르려면 총수요가 증가하거나 총공급이 감소해야 한다.
수요가 증대되면서 발생하는 인플레이션은 수요견인인플레이션이라고 한다. 한편 공급, 특히 원자재 등의 비용 상승이 총공급을 감소시키면서 발생하는 인플레이션은 비용인상인플레이션이라고 한다.
그 중 비용 상승요인은 총공급 감소를 통해 인플레이션을 발생시킨다. 총수요는 변함이 없는 상태에서 원자재 가격 등의 비용 상승이 발생하면 기업들의 생산이 위축되면서 총공급이 감소한다. 총공급이 감소하고 물가가 올라가는 것이다.
예를 들어 국제 원유가격이 상승했다고 가정해 보자. 원유는 각종 석유 에너지 및 다양한 석유화학 제품의 원료로서 많은 기업들이 사용하고 있다. 따라서 유가가 상승하면 대다수 기업들은 생산비용이 상승된 만큼 제품 가격을 인상시켜 이를 보전하고자 한다. 가격의 인상은 수요를 줄이고 다시 생산의 감소를 유발한다. 이처럼 생산비의 상승으로부터 촉발된 인플레이션을 비용인상인플레이션이라 한다.
[출처] 인플레이션 (KDI 경제정보센터 - 학습자료)
2022년 세계 경제 상황은 어떠한가?
6%대 물가 왜 안 잡히나…‘절반 이상’이 국외 요인
최근 물가 상승의 ‘절반 이상’은 해외 요인인 것으로 분석됐다. 정부와 중앙은행 노력만으로 물가를 통제하기가 쉽지 않은 구조라는 얘기다.
한국은행의 6월 ‘물가안정목표 운영상황 점검’ 보고서를 보면, 지난 5월 소비자물가 상승률(전년 대비) 5.4% 중 3.03%포인트(56.2%)는 해외 영향에 따른 것이었다. 전 세계적인 에너지 및 원자재 가격 상승, 식량 가격 급등, 공급망 차질 등이 국내 물가 상승 원인의 절반 이상을 차지한 것이다. 소비자물가 품목 458개 중 해외 영향을 많이 받고 있는 것은 에너지, 식료품, 내구재 등이다. 수입해 오는 품목이 많기 때문이다. 내구재의 경우 수입한 에너지·원자재를 가공해 만들어진다. 한은은 보고서에서 “해외 요인에 직접 영향을 받는 품목들이 지난해 이후 소비자물가 오름세의 상당 부분에 기여하고 있다”고 밝혔다.
국내 물가 상승세가 해외로부터 밀려들어 오는 것이라면 통제가 쉽지 않다. 국내 조처만으로는 물가를 잡기 역부족이다. 정부와 한은은 일단 국외 상황이 안정될 때까지 모든 방법을 강구해 본다는 입장이다. 정부는 가계 생계비 부담을 줄일 수 있는 방법을 찾아보고 있으며, 한은은 기준금리 인상을 추가로 이어나갈 것으로 예상된다.
[출처] 6%대 물가 왜 안 잡히나…‘절반 이상’이 국외 요인(2022, 한겨레)
우크라이나 전쟁·고온·가뭄으로 유럽 빵값 18% 폭등
우크라이나 전쟁으로 인해 유럽의 주식인 빵값이 폭등한 것으로 나타났다. 21일 유로뉴스는 유럽연합(EU) 통계당국인 유로스태트가 공개한 8월 유럽연합(EU) 빵 가격이 전년 동기 대비 평균 18% 상승했다고 보도했다. 지난해 8월에는 상승률이 3%에 불과했다.
유럽의 빵값 상승은 밀 수출 규모가 세계 5위인 우크라이나가 러시아의 침공으로 수출 길이 막힌 것이 주요인으로 나타났다. 빵값 상승률은 EU 회원국에 따라 차이를 보여 헝가리가 1년 사이에 65.5% 오른 반면 바게트의 나라 프랑스는 8.2%로 가장 상승폭이 적었다 유로존(유로 사용 19개국)의 빵과 곡물을 합친 가격도 1997년 1월 이후 가장 큰 폭인 16.6% 뛰었다.
유로존도 올해 들어 에너지 가격 급등 등으로 물가가 빠른 속도로 상승하면서 지난 8월 상승률은 집계 이후 최고치인 전년 동기 대비 9.1%를 나타냈다. 또 음료를 포함한 식료품 가격도 역대 두번째로 큰 폭인 12.4% 뛰면서 각각 19.5% 오른 주택과 전기요금 다음으로 물가상승을 이끌었다.
[출처] 우크라이나 전쟁·고온·가뭄으로 유럽 빵값 18% 폭등(파이넨셜 뉴스, 2022)
중국 봉쇄로 인한 글로벌 인플레이션 가속화
중국 방역 당국은 수도 베이징에서 코로나19 확산 억제를 위해 봉쇄 구역을 확대했다. 28일 오전부터 차오양구 2개 지역을 추가 임시 관리통제구역으로 지정해 주민들의 이동을 엄격히 통제한 것이다. 당국은 이날 오전부터 관리통제구역 내 아파트 단지 입구마다 철제 펜스를 설치하고 경찰과 보안요원을 동원해 이동을 통제하고 있다.
중국의 주요 도시 봉쇄 조치로 공급망에 차질이 생기며 물류가 제대로 작동하지 못하고 있다. 해운 정보회사 윈드워드는 "지난 19일 기준 상하이항 등 중국 내 항만에 접안하려고 대기하는 선박은 모두 506척"이라며 "도시 봉쇄가 있기 전인 올해 2월(260척)보다 두 배 가까이 늘었다"고 밝혔다. 상하이항의 대기선박 비율(전체 선박 중 접안을 하지 못해 바다에서 기다리는 선박 비율)도 2월에 15%를 밑돌았지만 지금은 50%에 달하는 것으로 전해졌다.
최근 중국 봉쇄가 지난 코로나19 사태 초기인 2020년의 봉쇄보다 인플레이션 압력을 더 키운다는 관측이 나오는 이유다. 앞서 미국 자산운용사 얼라이언스 번스타인의 분석가들은 보고서를 통해 "코로나19 대유행 시작 이후 세계가 중국 제품에 더 의존하게 됐다"며 중국의 코로나19 봉쇄 조치가 지난 2020년보다 글로벌 인플레이션에 더 위협이 될 것이라고 진단했다.
제이 황 번스타인 연구원은 "중국 봉쇄의 거시적 영향이 상당히 높을 수 있다"며 아직 시장이 이를 가격에 반영하지 않았다"고 전했다. 그는 코로나19 팬데믹(세계적 대유행) 이전 수준에 비해 상하이 수출 컨테이너 비용은 5배, 항공 운임은 2배 높다고 했다. 이에 따라 향후 중국의 대규모 교역 파트너에 대한 인플레이션 수출이 더 증가할 것이지만 중국 내 수요 회복은 지연될 것이라고 덧붙였다.
[출처] 중국 봉쇄, 글로벌 인플레이션 가속화하나(아주뉴스, 2022)
“중국 봉쇄책, 글로벌 공급망 대란 가중”
중국의 코로나19 봉쇄책이 글로벌 공급망 대란을 더욱 심화시키고 있다는 분석이 나오고 있다. 뉴욕타임스(NYT)는 15일(현지시간) 중국 내 오미크론 변이 바이러스 감염이 급증하면서 중국 당국이 주민들의 이동을 제한하고 공장들을 폐쇄하고 트럭 통행을 중단해 이미 손상된 공급망이 위협받고 있다고 보도했다.
이러한 조치들은 중국의 제조업과 세계 경제의 중추인 공장과 교통망에 타격을 주고 있다. 세계 제조업의 3분의 1이 몰려있는 중국의 조치에 도요타와 폭스바겐 등 자동차 업계, 애플 아이폰 등 휴대전화 같은 완제품 생산은 물론 회로기판과 컴퓨터 케이블 등 부품 생산에도 차질을 빚고 있다. 중국 동북부 지린성에는 자동차와 자동차 부품을 만드는 공장이 많다. 그러나 이곳은 최근 확진 사례가 가장 집중된 곳이다. 이 지역 보건기구의 차장 장리는 "주민과 공무원들이 이를 악물고 어려움을 극복하기 위해 긴급 동원, 행동해야 할 것"이라며 "시간과의 싸움"이라고 말했다.
중국의 항구들은 감염 확산을 막기 위해 근로자들에게 가족과 떨어져 두 달씩 부두에서 생활하고 일하도록 요구하고 있다. 그러나 부두로 가는 트럭의 통행이 중단되면서 선박들이 최소 12시간 지연되고 있으며 곧 대기 기간이 2주에 다다를 수 있다는 분석도 나온다. 공급망 분석 회사 에버스트림의 줄리 게르드먼 사장은 "공급망 내 유연성이 미미하기 때문에 가장 준비된 기업들조차도 중국의 새로운 봉쇄에 영향을 받을 것"이라고 말했다.
항공 화물도 새로운 문제에 직면해 있다. 중국 민간 항공국은 이날 푸동 공항으로 가는 나머지 국제선 항공편 중 많은 수가 오는 21일부터 5월 1일까지 다른 중국 도시로 연결될 것이라고 밝혔다.이로 인해 수출은 더 지연될 전망이다.
[출처] “중국 봉쇄책, 글로벌 공급망 대란 가중” (2022, 한국무역협회)
물가안정목표 운영상황 점검
2022년 상반기 중 물가상황
•
소비자물가는 금년 들어 오름세가 크게 확대
•
지난해 10월 이후 3%대를 나타내던 소비자물가 상승률이 3월 중 4%를 웃돈 데 이어 5월에는 2008년 글로벌 금융위기 이후 처음으로 5%를 상회
최근 물가여건
1.
해외 여건
•
세계경제는 우크라이나 사태, 중국 내 봉쇄조치 등의 영향으로 회복흐름이 둔화된 가운데 전쟁 및 감염병 전개 상황, 주요국 통화정책정상화 속도 등과 관련한 불확실성이 높은 상황
•
수입물가의 경우 원유, 곡물 등 원자재 가격 상승세가 이어지는 가운데, 환율 상승, 글로벌 공급 차질 등이 더해지며 오름폭이 확대
•
원/달러 환율은 미 연준의 금리인상 가속화 기대 등의 영향으로 상승
2.
국내 여건
•
국내경제는 민간소비를 중심으로 회복세를 지속
•
1/4분기 중 감염병 확산 및 글로벌 공급차질 등의 영향으로 내수회복세가 주춤하였으나 수출은 호조를 지속
•
3월 중순 이후에는 소비가 방역조치 완화, 추경 등에 힘입어 대면서비스를 중심으로 빠르게 회복
•
비용 측면에서는 정액급여 상승세가 이어지는 가운데 일부 업종의 특별급여 확대 등으로 명목임금 오름폭이 확대
3.
기타 여건
•
농축산물가격은 금년 들어 출하량 증가 등으로 안정된 흐름을나타내다가 5월중 축산물을 중심으로 반등
•
정부정책 측면에서는 유류세 인하 등이 물가 하락요인으로, 전기료·도시가스요금 인상 등이 상승요인으로 각각 작용
4.
기조적 물가흐름
•
근원물가(식료품·에너지 제외)는 국내경제 회복흐름이 이어지면서 오름세가 꾸준히 확대
•
관리 제외 근원물가 이외의 기조적 물가 상승률도 지난해 3월 이후 지속적으로 높아지며 최근 4%대 초반으로 상승
•
최근의 기조적 물가 오름세 확대는 외식 등 개인서비스를 중심으로물가상승압력이 광범위하게 확산되고 있는 데 주로 기인
•
물가상승품목의 비중을 나타내는 물가상승 확산지수는 지난 2년간 지속적으로상승하여 과거 물가 급등기 수준을 상회
•
물가상승률이 5%를 웃도는 근원품목의 개수가 꾸준히 늘어나고 있는가운데 특히 외식품목의 물가상승 확산세*가 매우 뚜렷한 모습
•
금년 5월 현재 외식품목의 물가상승 확산지수는 90을 상회하는 높은 수준으로 전품목의 확산지수(68)를 크게 상회
[보도자료] 물가안정목표 운영상황 점검(2022, 한국은행)
나. 데이터 소개 및 분석 방법 소개
소비자물가지수
물가가 종합적인 가격수준이라면 물가지수는 이러한 물가의 움직임을 한눈에 알아볼 수 있게 지수화한 지표로서 기준이 되는 때를 100으로 놓고 비교시점의 물가수준이 얼마나 되는가를 상대적인 크기로 표시한 것이다. 예를 들어, 어느 특정시점의 물가지수가 120이라면 이는 기준시점보다 물가수준이 20% 높은 것을 의미한다.
소비자물가지수는 소비자가 구입하는 상품과 서비스의 가격변동을 측정하기 위한 지표이다. 일상 소비생활에 필요한 상품 및 서비스를 구입하기 위해 지불하는 가격의 변동을 측정해주는 소비자물가지수는 일반국민들의 일상생활에 직접 영향을 주는 중요한 경제지표의 하나이다.
소비자물가지수는 통계청에서 매월 작성하여 공표한다. 통계청은 현재 전국 37개 도시에서 481개의 상품 및 서비스 품목을 대상으로 소비자구입가격을 조사하여 기준시점인 2010년의 소비자물가수준을 100으로 한 지수 형태로 작성 · 공표하고 있다.
이러한 소비자물가지수는 경기를 판단하는 기초자료로 활용되거나, 화폐의 구매력 변동을 측정할 수 있는 대표적인 물가지표로서 매년 정부의 재정 · 금융정책이나 기업의 노사가 임금협상의 기초 자료로 널리 이용되고 있다.
물가지수 계산식
한국은 대부분의 국가들과 마찬가지로 기준 시 수량으로 물가지수를 산출하는 라스파이레스 방법(Laspeyres’ Formula)을 이용한다. 계산식은 다음과 같이 나타낼 수 있다.
P : 가격, Q : 수량, S : 가중치
0 : 기준시점, t : 비교시점, i : 품목
이번 데이터 분석에서는 train 데이터와 test 데이터를 구분하였다. train 데이터는 2001년 7월부터 2021년 7월까지 데이터가 속해 있고, test 데이터는 2021년 8월부터 2022년 8월까지의 데이터가 준비되어 있다. 따라서 train 데이터를 통해 test 데이터로 모델을 검증할 예정이며, 이를 바탕으로 물가 예측을 실시할 예정이다.
ARIMA 모델
경제가 사람들의 과거지식과 경험에 기초한 행동에 따라 움직이고 있음을 중시한 시계열분석의 사고방식을 기초로 한 모델이다. 계량경제모델이 대형화됨에 따라 경제의 본질적인 부문을 설명할 수 없게 됐다는 반성에서 최근 들어 소수의 시계열 데이터를 이용한 단순한 모델로 경제분석과 예측을 시도하는 움직임이 활발해지고 있다. ARIMA 모델은 데이터에 나타나는 자기상관(autocorrelation)을 표현하는데 목적이 있다.
AR Model
Autoregressive 모델은 자기 회귀 모델이라고 불린다. 과거 시점의 자기 자신의 데이터가 현 시점의 자기 자신에게 영향을 미치는 모델이라는 뜻이다.
X(t) = wX(t-1) + b + ue(t)
위 수식을 보면 현재 시점 t에 대한 데이터는 이전 시점의 자기 데이터에 가중치 w를 곱하고 상수 b를 더하고(회귀식), error term인 e(t)에 가중치 u를 곱한 것을 더해서 표현할 수 있다. 여기서 e(t)는 white-noise라고 불리며, 일반적인 정규분포에서 도출된 random한 noise 값이다. 위에서 설명한 stationary와 관련된 것으로, 정상성 조건을 만족시키도록 하는 일종의 whitening이라고 하는 정규화로 보면 된다.
→ AR Model은 추세가 변하는 상황에서는 적합하지 않은 모델이다.
MA Model
Moving average 모델은 이동 평균 모델이라고 불리고, 트렌드 즉 추세가 변하는 상황에서 적합한 모델이다. MA(1) 모델을 수식으로 보면 아래와 같다.
X(t) = we(t-1) + b +ue(t)
위 수식을 보면 AR모델에서의 X(t-1)이 e(t-1)로 바뀌었다. 즉, 이전 상태의 자기자신을 보는 것이 아닌, 이전 항에서의 error텀을 현 시점에 반영하겠다는 뜻이다.
→ 즉, 변화율(추세)에 맞춰 추정하겠다는 의미다.
ARIMA Model
이제까지 AR, MA 모델의 경우 시계열이 정상성이라는 가정이 있는 상황에서 진행했다면, ARIMA모델에서는 차분이라는 개념을 통해 비정상적인(non-stationary) 상황에서 좀 더 나은 예측을 하는 것이 목표다.
Prophet 모델
Prophet은 비선형 추세가 연간, 주별 및 일일 계절성과 휴일 효과에 맞는 가법 모델을 기반으로 시계열 데이터를 예측하는 절차이다. 계절 효과가 강하고 여러 시즌의 과거 데이터가 있는 시계열에서 가장 잘 작동한다. Prophet은 누락된 데이터와 추세의 변화에 강하며 일반적으로 이상값을 잘 처리한다. Prophet은 Facebook의 Core Data Science 팀 에서 출시한 오픈 소스 소프트웨어이다.
Prophet 모델의 특징
1.
정확하고 빠르다.
Prophet은 계획 및 목표 설정을 위한 신뢰할 수 있는 예측을 생성하기 위해 Facebook의 많은 애플리케이션에서 사용된다. 대부분의 경우 다른 어떤 접근 방식보다 더 나은 성능을 발휘하는 것으로 나타난다. 단 몇 초 만에 예측을 얻을 수 있도록 Stan에서 모델을 피팅한다.
2.
완전 자동적이다.
수동 작업 없이 지저분한 데이터에 대한 합리적인 예측을 얻을 수 있다. Prophet은 이상값, 누락된 데이터 및 시계열의 급격한 변화에 강하다.
3.
조정 가능한 예측이 있다.
Prophet 절차에는 사용자가 예측을 조정하고 조정할 수 있는 많은 가능성이 포함된다. 사람이 해석할 수 있는 매개변수를 사용하여 도메인 지식을 추가하여 예측을 개선할 수 있다.
[출처] Prophet
다. 시계열 데이터 분석을 통한 물가 예측
ARIMA 모델을 통한 시계열 데이터 분석
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
# 데이터 불러오기
df = pd.read_csv('predict data(ARIMA).csv')
# 기본 정보를 출력하기
print(df.shape)
print(df.info())
Python
복사
# 데이터 살펴보기
df.head()
Python
복사
# 월별 물가를 시각화합니다.
plt.figure(figsize=(14,5))
plt.plot(df.index, df.values)
plt.show()
Python
복사
fig = model_fit.plot_predict() # 학습 데이터에 대한 예측 결과입니다. (첫번째 그래프)
residuals = pd.DataFrame(model_fit.resid) # 잔차의 변동을 시각화합니다. (두번째 그래프)
residuals.plot()
Python
복사
forecast_data = model_fit.forecast(steps=13) # 학습 데이터셋으로부터 13개월 뒤를 예측합니다.
# 테스트 데이터셋을 불러옵니다.
test_df = pd.read_csv('test data.csv', names=['ds', 'y'])
# 마지막 13개월의 예측 데이터입니다.2021-08-01 ~ 2022-08-01)
pred_y = forecast_data[0].tolist()
# 실제 13개월 물가 데이터입니다.(2021-08-01 ~ 2022-08-01)
test_y = test_df.y.values
pred_y_lower = [] # 마지막 13개월의 예측 데이터의 최소값입니다.
pred_y_upper = [] # 마지막 13개월의 예측 데이터의 최대값입니다.
for lower_upper in forecast_data[2]:
lower = lower_upper[0]
upper = lower_upper[1]
pred_y_lower.append(lower)
pred_y_upper.append(upper)
Python
복사
# 모델이 예상한 가격 그래프입니다.
plt.plot(pred_y, color="gold")
# 모델이 예상한 최소가격 그래프입니다.
plt.plot(pred_y_lower, color="red")
# 모델이 예상한 최대가격 그래프입니다.
plt.plot(pred_y_upper, color="blue")
# 실제 가격 그래프입니다.
plt.plot(test_y, color="grefrom sklearn.metrics import mean_squared_error, r2_score
from math import sqrt
rmse = sqrt(mean_squared_error(pred_y, test_y))
print(rmse)
Python
복사
결론적으로 2021년 7월부터 2022년 7월까지의 모델을 예측해 보았을 때, RMSE도 2점 후반대로 예측력이 낮은 것을 알 수 있다. 그 이유는 코로나19 상황과, 앞서 설명하였던 우크라이나 전쟁 사태, 중국 상하이 봉쇄 등 국외 요인이 복합적으로 나타난 긴급 사태인 것을 알 수 있다.
Prophet 모델을 통한 시계열 데이터 예측
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
from sklearn.metrics import mean_squared_error, r2_score
from math import sqrt
import warnings
warnings.filterwarnings("ignore")
from fbprophet import Prophet
df = pd.read_csv('real data.csv', names=['ds', 'y'])
prophet = Prophet(seasonality_mode='multiplicative',
yearly_seasonality=True,
weekly_seasonality=True, daily_seasonality=True,
changepoint_prior_scale=2)
prophet.fit(df)
# 13개월을 내다보며 예측합니다.
future_data = prophet.make_future_dataframe(periods=13, freq='m')
forecast_data = prophet.predict(future_data)
Python
복사
13개월 뒤 예측하기
forecast_data.tail(5)
Python
복사
13개월 뒤 예측 시각화
2020년 들어서 Prophet 모델 예측 정확도가 떨어지는 모습을 볼 수 있다. 따라서 모델은 2023년 8월까지 108 정도를 유지하는 수준이라고 예측하였으나, 현재 상황이 예상보다 심각하여 2022년 8월부터 2023년 8월까지의 수치도 이보다 더 클 것으로 예측된다.
전반적으로 물가는 상승하는 추세이다. 물가가 오르지 않으면, 디플레이션을 의심해볼 수 있는데, 다행히 그러한 증조는 없는 것으로 판단된다.
주별로 보면 목요일이 물가 상승률이 가장 낮은 것을 볼 수 있고, 금요일이 물가 상승률이 가장 높은 것을 볼 수 있다.
록스, 혜민: 대부분의 소비 주체들은 직장인이고 주5일 근무가 통상적이므로 소비가 가장 많은 금요일에 물가 상승률이 높고 목요일에 가장 낮은 것은 월요일부터 점차 낮아지는 결과라고 생각한다.
월별로 보면 12월이 물가 상승률이 가장 낮은 것을 볼 수 있고, 2월이 물가 상승률이 가장 높은 것을 알 수 있다.
라. 결론
•
초록: 실제 가격 그래프
•
파랑: 모델이 예상한 최대가격 그래프
•
금색: 모델이 예상한 가격 그래프
•
빨강: 모델이 예상한 최저가격 그래프
ARIMA 모델의 결과를 살펴보았을 때 실제 물가가 모델이 예측한 결과를 한참 웃도는 것을 확인할 수 있다. 이는 물가에 앞서 살펴본 우크라이나-러시아 전쟁, 중국 봉쇄 등의 사건이 변수로 작용했기 때문이다.
Prophet 모델을 통한 시계열 데이터 예측에서는 2020년도에 들어서 정확도가 떨어지는 것을 찾아볼 수 있다. 이 지점은 ARIMA 모델에서 예측이 엇나간 부분과 일치한다. 즉, ‘변수’가 있던 부분이라는 것이다. 우리는 이 결과를 통해 현재 상황이 예상보다 심각하므로 2022년 8월부터 2023년 8월까지의 수치도 이보다 더 클 것으로 예측할 수 있다.
지금은 여러 변수들의 결과로 인해 발생한 ‘예측할 수 없던’ 고물가 시대이고 이러한 상황을 타개해야 다시금 경제적 부흥을 꿈꿀 수 있다. 예측의 결과가 부정확했으니 물가를 분석하고 예측하기 위해 했던 노력들이 부질없어 보일 수 있다. 하지만 데이터의 장점은 실패 또한 데이터로 축적된다는 것이다.
지금까지 물가상승 그래프는 다소 완만하게 오르고 있었다. 하지만 급격한 물가 상승이 이미 일어났고 앞으로도 예상되는 상황에서 우리는 데이터를 보다 현명하게 사용해야 한다.
>데이터: 우리가 가진 자원 중 하나. 앞으로 예상되는 문제에 대비해 가지고 있는 도구를 최대한 활용해야함
다음은 10년간의 최저임금 인상률이다. 2020년도부터 물가가 가파르게 상승했던 것과 상반되게 최저임금의 인상폭은 크지 않다. 즉 지금은 경기침체와 인플레이션이 함께 나타나고 있는 스테그플레이션(stagflation) 상황인 것이다.
우리가 나아가야 할 길
1979~1987년 연방준비제도의 의장인 폴 볼커(Paul Volcker)는 스태그플레이션과 싸워서 이기고 미국 경제를 살렸다는 평가를 받고 있다.
그는 취임 후 물가를 잡기 위해서 미국 기준금리를 평균 11.2%에서 1981년에는 무려 20%에 이를 정도로 대폭 높였는데 덕분에 1979년 13.3%에 달했던 인플레이션율이 1983년 3.2%로 떨어졌다. 이처럼 '인플레이션과의 전쟁'에 성공하면서 미국 경제는 1990년대 고도성장과 물가 안정이라는 사상 최대 호황기를 맞을 수 있었다. 스테그플레이션을 잡는 방법으로는 이 외에도 기술혁신을 통해 생산성을 증대시켜 상품 생산 원가를 감소 시키는 방법 등이 있으니 이러한 방법들을 사용하여 치솟는 물가 문제를 해결하면 위기를 극복하고 제2, 제3의 전성기를 맞이할 수 있을 것이다.
데이터를 어떻게 활용해야 하는가?
이처럼 데이터를 통해 현상을 살펴보는 것은 미래를 예측할 뿐더러 그에 따른 대책을 세우는 데에 효과적이다. 또한 설령 예측을 실패한다 하더라도 그 또한 데이터의 일부가 되어 사용될 수 있기 때문에 성공, 실패 여부에 상관없이 꾸준히 데이터를 축적하고 분석하는 것은 매우 중요하다.
이번 발표를 통해 청중들이 데이터를 마냥 어렵게 생각하지 않고 간단한 그래프와 분석을 통해 사회를 다른 시선으로 바라볼 수 있는 흥미로운 도구로 생각하는 기회가 되었으면 한다.
