변동성 커진 철강 수요 예측, AI 머신러닝·뉴스 데이터로 정확도↑

[산업일보]
글로벌 철강 시장의 변동성이 가파르게 커지면서, 기존 통계 기반의 수요 예측 방식이 한계를 드러내고 있다는 분석이 제기된다. 이러한 상황에서 인공지능(AI)·머신러닝 기법과 뉴스 정보 결합을 통해 전망 오차를 줄일 수 있다는 연구 결과가 나왔다.

포스코경영연구원이 발표한 ‘철강수요 전망, AI를 활용하면 더 정확해질까?’ 보고서에 따르면, 최근 철강 시장에서 공급과잉·무역마칠·정책변화 등 즉각 데이터화가 어려운 변수가 늘면서 과거·현재 수치에 의존하는 기존 전망 방식이 변화를 제때 반영하지 못하는 문제가 발생하고 있다.

세계철강협회(worldsteel)은 지난해 4월 미국 관세 영향을 이유로 정례 ‘단기수요전망(Short Range Outlook, SRO)’ 발표를 연기한 바 있으며, 유럽철강협회(EUROFER) 역시 관세 충격 불확실성을 반영해 ‘2025년 EU 수요 전망’을 2월 +2.2%에서 6월 -0.9%, 9월 -0.2%로 3%p 이상 하향 조정했다.

이러한 문제를 보완하기 위해 각국 중앙은행과 금융권이 뉴스·정책·공시와 같은 비정형 정보를 정량화해 경기 전망에 활용하고 있다고도 전했다.

블룸버그(Bloomberg)는 2010년부터 기업 관련 뉴스 및 소셜 텍스트를 머닝러닝으로 분석해 -1(부정)~1(긍정)로 산출한 감성점수(sentiment score)를 실시간으로 제공하고 있으며, 2023년에는 금융특화 LLM(거대언어모델) ‘BloombergGPT’를 자체구축했다. 골드만삭스(Goldman Sachs)는 다수의 지표를 묶고 현재 변수들의 성장 속도를 실시간으로 가늠하는 나우캐스팅 지표인 ‘경기상황지수((Current Activity indicator)’를 공표 중이다.

보고서는 이러한 나우캐스트 방식을 철강수요 전망에도 적용할 필요가 있다고 짚었다. 이미 철강업계에서도 AI·머신러닝을 이용해 자본투자 시나리오를 시뮬레이션하거나 시장 인텔리전스로 확장을 시도하는 모습이 관측되고 있다는 것이다.

이런 흐름을 반영해 보고서에서는 머신러닝 알고리즘과 뉴스 데이터 감성 점수를 결합한 철강수요 단기 예측 실험 모형을 구축해 정확도를 검증했다. 실험은 기준 모형(전통적 예측 방식)과 머신러닝 기반 기본 실험모형(C1), C1에 뉴스감성까지 결합한 C2모형 세 가지의 수요 전망치와 실적치를 비교했다.

2023년까지의 정보를 바탕으로 2024~2025년 글로벌 철강수요를 전망하게 해 실적치와 비교한 결과, C1은 기준모형보다 전망오차를 5.5%p 줄였으며, C2는 C1보다 0.54%p의 추가적인 오차 감소 효과를 보여 가장 정확한 전망치를 내놓은 것으로 나타났다.

2025년 중국 철강수요 전망에서 기준모형은 수요 증가율을 -2%로 전망했으나 실제 실적은 -7.1%로 큰 오차를 보였다. C1은 -3.5%, C2는 -2.7%로 격차는 컸지만 실적 방향에 더 근접했다.

뉴스 정보의 기여도는 보완적인 수준에 그쳤다. 특정 설명변수의 값을 무작위로 섞어 모델의 성능 저하도를 측정·비교하는 순열중요도 분석 결과 GDP(32.6%), 과거 추세(32.6%), 총고정자본형성(23.6%)과 같은 정형변수가 전망의 대부분을 설명했다. 보고서는 뉴스 감성점수의 기여도는 6.3%에 머물렀지만, 실적치에 아직 반영되지 않은 신호를 설명하는 것으로 나타났다고 짚었다.

보고서는 한국 청강산업도 시장 변동성 확대와 잦은 정책 전환 상황에 영향받는 만큼 통상·정책 뉴스, 통관·해상운임과 같은 비정형·실시간 정보를 결합해 전망을 고도화할 실익이 크다고 내다봤다.

특히, 월병·강종별 세분화 데이터를 활보하면 실무 활용 수준의 나우캐스팅 모델 구축이 가능하며, 데이터와 도메인 전문성을 갖춘 유관기관을 중심으로 철감 연구조직들이 협업하는 방식이 효과적이라고 밝혔다.

다만, 비정형 정보 결합 전망이 기존 정형 데이터 기반 전망을 대체하기보다는 보완하는 수준으로 활용하는 것이 바람직하다고 덧붙였다.