품종별 양파 수급모형 개발과 응용기법별 가격 예측력 비교 연구

Abstract

농산물은 수요와 공급 모두 비탄력적인 특징이 있어 공급이나 수요의 작은 변화에도 가격증감폭이 공산품에 비해 상대적으로 크다. 농산물 가격의 불안정성은 주로 공급측면에서 기인하며, 특히 노지에서 재배되는 채소류의 경우 기상여건에 따른 생산량 변동이 크다. 이는 가격불안정성으로 직결되며, 생산자와 소비자의 의사결정에 혼란을 주어 사회적 후생 저하를 초래한다. 정부는 다양한 수급안정 정책을 추진하는 한편, 농업관측사업을 통해 농가의 영농 의사결정에 도움을 주고 있으나, 이와 같은 노력에도 불구하고 생산 불안에 따른 수급불안이 확대되고 있는 실정이며, 가격 불안정성은 이전보다 큰 폭으로 증감하는 추세를 보인다. 가격은 경제주체의 경제활동에 정보를 제공하여 자원이 효율적으로 배분될 수 있도록 신호로써의 기능을 하며, 이에 가격을 합리적으로 예측하는 것은 경제학의 주된 관심사 중에 하나이다. 주로 다중회귀분석과 시계열분석 등과 같은 응용계량기법이 활용되나, 최근에는 다양한 농축수산물 품목에 대해 머신러닝을 활용한 가격 예측 연구가 활발히 수행되고 있다. 본 논문은 노지에서 재배되어 가격변동성이 크며, 양념채소류 중 생산비중이 높은 양파 품목을 대상으로 응용계량기법을 활용하여 구조모형 형태의 양파 수급 모형을 품종별로 구분하여 각각 개발하였다. 양파 수급모형은 품목별 부분균형모형으로, 다양한 정책변인 및 환경변화에 대한 영향을 파악할 수 있도록 동태 축차적 형태로 구성하였다. 연립방정식 모형 내 방정식은 통상최소자승법(OLS)을 활용하였으며, 각 방정식의 설명력 및 개별 회귀계수의 유의성 등을 고려하여 최종 모형을 선정하였다. 또한 작물연도를 기준으로 하여 수확시기에 따라 4~5월은 조생종, 6~익년 3월을 중만생종이라 가정하여 개별 모형을 구축하였다. 품종별 양파 수급모형 내 주요 내생변수에 대해 예측치와 실측치를 비교하는 예측력 검정을 시행하였으며, 품종별 양파 수급 모형 내 방정식은 전반적으로 양호한 예측력을 보이는 것으로 나타났다. 또한 거시경제변수 및 모형 내 외생변수에 대한 가정을 통해 향후 4년간(2023~2026년)의 수급 전망치를 제시하였다. 조생종 및 중만생종 양파 수급전망치를 종합한 양파 수급전망 결과를 살펴보면, 재배면적은 2024년 17,281ha에서 2026년 18,901ha로 완만한 증가세를 보이며, 1인당 소비량은 2026년 26.0kg 수준으로 늘어날 것으로 전망되었다. 한편, 품종별 양파 연도별 소비자가격의 불안정성과 안정성을 검정한 결과, 두 품종 모두 가격 불안정성이 높으며, 불안정한 시계열로 나타났으며, 이에 주요 수급 변수인 가격 예측력을 향상시킬 수 있는 다양한 응용기법을 검토하고 이를 비교 및 평가할 필요가 있다. 따라서 본 논문에서는 대표적인 시계열 모형인 ARIMA 모형과 최근 이슈가 되고 있는 머신러닝 기법의 일종인 인공신경망(ANN) 모형을 활용하여 품종별 소비자가격 예측 모형을 개발하고, 최종적으로 구조모형, 시계열 모형, 인공신경망 모형에 이르는 응용기법별 예측력을 검정 및 상호 비교하여 양파 가격 예측을 위한 최적의 모형을 선정하고자 하였다. 본 논문에서는 시계열 ARIMA 모형 분석을 위하여 1996년 4월부터 2018년 3월까지의 양파 소비자가격 월별 자료를 활용하였으며, 시계열 모형 구축 절차에 따라 최종적으로 SARIMA(2, 1 ,1)(0, 0, 2)12 모형을 대안적인 모형을 선정 및 적합성을 평가하였다. 최종 선정된 모형을 바탕으로 2018~2023년까지의 기간에 대해 예측을 시행하였다. 인공신경망 모형을 활용하여 품종별 소비자가격을 예측하는 모형을 구성하되, 과거 관측치만을 입력변수로 하는 단변량 모형과 다양한 입력변수를 고려하는 다변량 모형으로 각각 구축하였다. 기본적으로 은닉층의 개수가 1개인 단일 은닉층 형태로 구성하였고, 이와 더불어 은닉층 노드 수 시나리오를 시행하여 예측력 비교를 통해 최적의 예측 모형을 선정하였으며, 수급구조 모형 및 시계열 모형과의 비교를 위해 1996년부터 2017년까지의 자료는 모형 학습에, 나머지 2018~2022년의 자료는 테스트 데이터로 할당하였다. 마지막으로, 품종별 양파 소비자가격 예측을 위한 수급구조 모형 및 시계열 ARIMA 모형, 인공신경망 모형 간 예측력을 상호 비교한 결과, 조생종 및 중만생종 양파 모두 수급구조 모형의 예측력이 시계열 모형과 인공신경망 모형에 비해 상대적으로 우수하게 나타났다. 조생종의 경우 MAPE를 기준으로 수급구조 모형(8.6%), 인공신경망 단변량(9.9%) 모형, 시계열 ARIMA 모형(11.8%) 순으로 나타났으며, 인공신경망 다변량 모형이 12.5%로 가장 예측오차가 높은 것으로 나타났다. 이와 달리 중만생종의 경우는 수급구조 모형(7.3%), 인공신경망 단변량 모형(11.4%), 인공신경망 다변량 모형(17.2%) 순으로 나타났으며, 시계열 ARIMA 모형이 19.6%로 가장 높았다. 본 논문은 월별 데이터만을 이용하여 분석하였으나, 향후 높은 빈도 및 장기 시계열 데이터를 확보하고, 추가적인 모형 개선을 시행한다면 예측 성능을 보다 높일 수 있을 것으로 기대된다.