본 논문은 미국 고용 보고서(JOLT)의 구인 공고 수를 예측하기 위해 장단기 기억 모델(LSTM)의 효과를 연구합니다. 다양한 경제 지표를 활용하여 LSTM 모델에 직접 입력하고, 다음 기간의 JOLT 구인 공고 수를 예측합니다. ARIMA, SARIMA, Holt-Winters와 같은 기존의 자기회귀 모형과 LSTM 모델의 성능을 비교 분석합니다. 결과적으로 LSTM 모델이 기존 모형보다 JOLT 구인 공고 수 예측에 더 우수한 성능을 보이며, 종속 변수의 추세뿐만 아니라 주요 경제 요인까지 조화롭게 반영함을 보여줍니다. 이는 경제 데이터의 복잡한 시간적 의존성을 포착하는 심층 학습 기술의 잠재력을 강조하며, 정책 입안자와 이해 관계자에게 데이터 기반 노동 시장 전략 개발에 귀중한 통찰력을 제공합니다.
