○ 글로벌 철강시장에서는 공급과잉, 무역마찰, 정책변화 등 즉각 데이터로 측정되기 어려운 변수가 늘어나고 있음. 이에 따라 과거와 현재 수치에 의존하는 전통적 전망 방식이 충격을 제때 반영하지 못하는 문제점이 발생함

• 시장 변동성이 커지면서 일부 기관은 전망 발표를 미루거나, 발표한 전망이 실적치와 크게 어긋나 사후 수정이 잦아지는 문제가 한층 심화되고 있음

○ 반면 경제나 금융 등의 분야에서는 최신 AI·머신러닝 기법으로 예측의 정확성을 높이는 동시에, 뉴스·텍스트 같은 비정형 신호까지 모델에 결합한 전망을 활용하고 있음

• 금융계는 뉴스나 실적발표를 수치화해 분석·매매에 활용하거나, 이러한 정보를 기반으로 한 상품 판매 등 새로운 사업모델로 발전시키고 있음

• 각국 중앙은행도 다양한 텍스트 정보를 정량화해 경기변동 전망의 오차를 줄이고 전망 속도를 높인 나우캐스팅을 제공하는 등, 전망에 AI·머신러닝을 적극 활용하고 있음

○ 철강산업에서도 변동성이 커지는 시장 환경 속에서 이러한 비정형 데이터를 결합해 수요 등의 전망 정확도와 실효성 제고를 검토할 시점임

• 최근 철강업에서는 AI를 운영·공정 관리에 더해 시장 전망이나 자본투자 시뮬레이션을 통한 의사결정 지원으로 적용 범위를 넓히고 있음

• 특히 분기 실적발표 이전이라도 뉴스 속보 등 새로 발생한 정보를 전망에 즉시 반영하는 나우캐스트(nowcast) 구축이 효과적인 방안이 될 수 있음

• 정형 수치와 비정형 텍스트 분석을 결합한 수요 전망 시스템을 구축한다면, 급변하는 시장 정세를 구조적으로 반영하는 전망이 가능할 것으로 기대됨

○ 철강수요 단기 예측 실험모형을 구축해 검증한 결과, 머신러닝 알고리즘 적용 및 뉴스 정보 결합을 통해 전망 오차를 줄일 수 있음을 확인함

• 머신러닝 기반 전망 모델은 전통적인 방식의 시계열 전망 모델에 비해 전망 오차를 5.5%p 축소함

• 여기에 뉴스 정보를 결합하여 추가로 0.54%p의 전망 정확성을 개선했으며, 설명변수 중 뉴스의 상대적 기여도는 3% 수준

• 다만, 본 보고서의 실험은 연간 데이터와 사전 계산된 감성지표를 활용한 일종의 하한선 테스트로, 실제 적용시 고빈도 데이터와 자체 계산한 감성지표 활용으로 비정형 자료의 기여도가 확대될 여지가 있음