PROJECT

글로벌 공급망 위기 국면의 건설공사비지수 예측

STATEMENT

공급망 위기로 건설공사비 예측이 크게 빗나가는 구간을 글로벌 공급망 압력지수(GSCPI)로 정의하고, 통계·딥러닝 12개 모형을 동일 조건에서 비교했다.

01PANEL

순환·트랜스포머·MLP·합성곱 네 계열의 딥러닝 8종을 선형 통계 4종과 동일한 변수·타깃·분할·평가 프로토콜에 올렸다. 각 변수를 공표시차만큼 앞선 값으로만 채우고 목표를 anchor 대비 변화량으로 두어, 예측 시점에 알 수 없는 정보를 배제하였다.

위기 국면에서 ModernTCN과 PatchTST가 상위군을 형성하며, 딥러닝의 실익은 예측 시계가 길어질수록 커진다. 다만 이 우위는 딥러닝 일반이 아닌 특정 모형에 귀속되고, 상위군 내부 순위는 탐색 seed에 따라 바뀌어 신뢰집합 수준에서만 성립한다.

어텐션 가중치와 LOCO라는 서로 다른 두 경로가 모두 GSCPI를 가장 중요한 외생변수로 지목하였다. 단 그 기여는 공급망 압력이 실제로 변동하는 국면에 한정되어, GSCPI는 상시 예측변수라기보다 국면 판별 신호로서 가치를 갖는다.

위기 국면의 중장기 예측에서는 ModernTCN을 기본값으로 두고, 다변량 선형 모형을 교차 확인 수단으로 병행하는 편이 합리적이다. GSCPI의 임계 초과 시점 자체를 예산·계약 재검토의 조기 신호로 삼으면 공사비 급등 리스크를 완화할 수 있다.

PROJECT

STATEMENT