Daily Arxiv

전 세계에서 발간되는 인공지능 관련 논문을 정리하는 페이지 입니다.
본 페이지는 Google Gemini를 활용해 요약 정리하며, 비영리로 운영 됩니다.
논문에 대한 저작권은 저자 및 해당 기관에 있으며, 공유 시 출처만 명기하면 됩니다.

Non-linear Phillips Curve for India: Evidence from Explainable Machine Learning

Created by
  • Haebom

저자

Shovon Sengupta, Bhanu Pratap, Amit Pawar

개요

본 논문은 기존 선형 필립스 곡선 모델의 한계를 극복하기 위해 인도의 물가상승률 예측에 머신러닝 기법을 적용한 연구이다. 뉴키네시안 필립스 곡선 프레임워크 내에서 머신러닝 기반 접근법을 활용하여 인도의 물가상승률을 예측하고 설명함으로써, 기존 선형 모델보다 월등히 높은 예측 정확도를 보였다. 설명 가능한 머신러닝 기법을 통해 인도의 필립스 곡선 관계가 임계값과 주요 변수 간의 상호작용 효과를 특징으로 하는 고도의 비선형성을 갖는다는 것을 밝혔다. 물가상승률은 주로 물가 기대치에 의해 좌우되며, 과거 물가상승률과 생산격차가 그 뒤를 잇는 반면, 강우량을 제외한 공급 충격은 미미한 영향만을 미치는 것으로 나타났다.

시사점, 한계점

시사점:
머신러닝 기반 모델이 물가상승률 예측 정확도를 향상시킬 수 있음을 보여줌.
물가상승률 데이터의 복잡하고 비선형적인 역학 관계를 밝혀내는 데 머신러닝 모델의 유용성을 제시함.
인도 물가상승률 결정 요인에 대한 심층적인 통찰력 제공 (물가 기대치, 과거 물가, 생산격차의 중요성 강조, 공급 충격의 제한적 영향).
정책 결정자들에게 귀중한 정보 제공.
한계점:
본 연구는 인도 경제에 특화된 결과이므로 다른 국가에 일반화하기 어려울 수 있음.
사용된 머신러닝 모델의 특성과 한계에 대한 자세한 논의가 부족할 수 있음.
특정 머신러닝 기법에 대한 의존도가 높아 다른 접근법과의 비교 분석이 필요할 수 있음.
강우량을 제외한 공급충격의 영향이 미미하다고 결론지었으나, 다른 공급 충격 요인에 대한 추가 분석이 필요할 수 있음.
👍