Forecasting Crude Oil Prices with Google Trends Data Based on Machine Learning Methods
Seon-Mi Kim, Dooyeon Cho · The Korean Journal of Economics · 2022
유가의 등락은 에너지 수입국인 우리나라에 있어 매우 중요한 사안 중 하나이며, 유가의 변동이 한국경제에 미치는 부정적인 영향을 줄이고, 안정적인 운영을 위해 유가를 예측하는 것은 중요하다. 본 연구를 통해 거시경제변수 외에도 웹 검색어 기반의 Google Trends Data를 이용하여 유가등락에 영향을 주는 요인을 분석하고자 한다. WTI 유가 예측 모형에서 석유 수요 및 공급 관련 설명변수를 활용한 모형의 예측력과 유가 하락기 동안 빈도가 높은 단어의 검색어 추세 변화량을 추가한 모형의 예측력을 비교하였을 때, 검색어 추세를 추가한 모형의 예측력이 개선되는지를 분석하였다. 본 연구에서는 2004년 1월부터 2020년 12월까지의 데이터를 이용하여 WTI 유가 예측에 영향을 주는 석유 공급 및 수요 변수 이외에 Google Trends 검색어 추세를 추가함으로써 예측력을 높일 수 있음을 보였다. WTI 유가 예측 모형의 예측력을 비교하기 위해 Adaptive LASSO, Ridge Regression, Random Forest 모형 이외에 최근 가격 예측모형에서 많이 활용되고 있는 LSTM 알고리즘을 적용한 결과, 정형데이터만 이용한 모형의 예측력에 비하여 Google Trends Data를 함께 이용한 모형의 예측력이 개선된다는 점을 보였다.