뉴스 정보 결합 시 오차 0.54%p 추가 개선
공급과잉·통상마찰 등 비정형 변수 반영
AI 기반 수요 전망 활용 가능성 제시
공급과잉과 통상마찰, 정책 변화 등으로 철강시장 변동성이 커지는 가운데 인공지능(AI)과 뉴스 데이터를 결합한 수요 전망이 기존 예측 방식의 한계를 보완할 수 있다는 분석이 나왔다. 머신러닝 기반 모형에 뉴스 감성정보를 추가한 실험에서 철강수요 전망 오차가 추가로 줄어들면서 시장 변화를 반영하는 AI 활용 가능성이 제시됐다.
포스코경영연구원(POSRI) 류시원 철강연구센터 책임연구원은 16일 발표한 ‘철강수요 전망, AI를 활용하면 더 정확해질까?’라는 보고서에서 AI와 뉴스 데이터를 활용한 철강수요 예측 실험 결과를 공개했다.
이번 연구는 기존 철강수요 전망과 머신러닝 모형, 뉴스 감성정보를 결합한 모형의 예측 성과를 비교하는 방식으로 진행됐다. 기존 전망의 기준 모형으로는 세계철강협회의 단기전망과 이에 맞춰 구성한 ARIMA 모형을 활용했다.
첫 번째 실험 모형(C1)은 히스토그램 그래디언트 부스팅 기반 머신러닝과 조건부 분위수 예측을 적용했다. 두 번째 모형(C2)은 C1에 글로벌 뉴스 데이터베이스인 GDELT의 뉴스 감성정보를 추가했다.
2023년까지의 데이터를 활용해 2024~2025년 철강수요를 예측한 결과, C1 모형은 기존 기준 모형보다 예측 오차를 5.5%p 줄였다. 뉴스 감성정보까지 결합한 C2 모형은 C1 대비 오차를 0.54%p 추가로 개선했다.
세부 분석에서 뉴스 감성점수의 상대적 기여도는 6.3%로 나타났다. 국내 철강수요 전망에서도 기존 기준 모형의 평균절대백분율오차(MAPE)는 19.8%였지만, 뉴스 데이터를 결합한 C2 모형에서는 11.7%로 낮아졌다.
다만 뉴스 데이터가 모든 시장에서 예측 정확도를 크게 높인 것은 아니다. 중국의 2025년 철강수요 전망에서는 C2 모형이 기존 전망보다 실제 수요에 가까운 결과를 보였지만, 실제 수요 감소 폭을 충분히 반영하지는 못했다.
류 연구원은 철강산업을 둘러싼 구조적 변화가 기존의 수요 예측 방식을 어렵게 만들고 있다고 설명했다. 세계 철강시장은 공급과잉이 심화하는 가운데 각국의 무역 규제와 산업정책, 탄소배출 감축 정책 등의 영향을 동시에 받고 있다.
경제·금융 분야에서는 이미 AI와 비정형 데이터가 전망에 활용되고 있다. 블룸버그는 뉴스와 금융 데이터를 분석하는 감성정보 서비스를 제공하고 있으며, 골드만삭스와 JP모건도 자연어처리(NLP)와 데이터 분석을 활용하고 있다.
중앙은행들도 경기 흐름을 신속하게 파악하기 위한 나우캐스팅에 텍스트 데이터를 적용하고 있다. 미국 연방준비제도(Fed)는 베이지북(Beige Book)의 문장 감성분석을 활용하고, 유럽중앙은행(ECB)은 구매관리자지수(PMI) 관련 텍스트 데이터를 분석한다. 한국은행 역시 뉴스심리지수(News Sentiment Index)를 운영하고 있다.
철강업계에서도 AI를 활용한 수요 예측 사례가 등장하고 있다. 아르셀로미탈은 브라질 베가 공장의 증설 투자 검토와 수요 예측에 AI·머신러닝을 활용했다. 타타스틸은 구글 클라우드와 협력해 글로벌 뉴스와 지정학적 요인, 원료 가격 전망 등을 결합하는 에이전틱 AI 기반 시장정보 시스템을 추진하고 있다.
류 연구원은 이번 실험이 연간 데이터를 기반으로 한 기초 검증이라는 점에서 한계가 있다고 지적했다. 뉴스 감성분석 역시 사전에 구축된 방식에 의존한 만큼, 월별·분기별 고빈도 데이터와 산업 특화형 언어모형을 적용하면 뉴스 정보의 기여도가 더 커질 가능성이 있다는 설명이다.
보고서는 AI가 기존 철강수요 전망을 대체하기보다는 보완하는 수단으로 활용돼야 한다고 제안했다. 향후에는 철강수요뿐 아니라 제품 가격과 공급 변화, 통상정책 등으로 분석 범위를 확대하는 한편 철강산업의 특성을 반영한 데이터와 예측모형을 구축할 필요가 있다고 강조했다.
