인공신경망을 이용한 쌀 가격 예측모델 개발과 국제통상 시사점 : LSTM, Bi-LSTM을 중심으로 = A Study on the Development of Rice Price Prediction Model using Artificial Neural Network and Its Implications for International Trade

국문 초록 (Abstract)

쌀은 우리나라의 주식이자 식량 안보의 핵심으로 농업에서 차지하는 비중이 크다. 그러나 낮은 국제 경쟁력으로 인해 유리한 국제통상 협상을 어렵게 할 뿐 아니라 시장 개방 시 가장 많은 피해가 예상되는 산업이기도 하다. 이에 따라 정부는 국내 쌀 가격 안정화를 위해 쌀 보조금과 관련하여 정책을 마련하고 있다. 이러한 정책을 효과적으로 운용하기 위해서는 정확도 높은 쌀 가격 예측이 필요하다.
본 연구는 기존에 가격 예측 모델로 이용되었던 인공지능 모델인 LSTM 모델을 양방향으로 진행시킨 Bi-LSTM 모델을 기존 LSTM 모델과 비교하여 연구를 진행하였다. 변수로는 쌀 20kg의 상중 등품 도매가격 평균가와 전국 일조시간, 최저기온, 강수량 평균값을 사용하였다. 한국농수산물식품유통공사와 기상청의 2012년 1월 1일부터 2022년 9월 19일까지 데이터를 수집하여 이용하였다. Root Mean Square Error을 이용하여 오차율을 비교한 결과 LSTM 모델과 Bi-LSTM 모델 모두 80%~90% 사이의 정확도를 보였다.
분석 결과는 다음과 같다. 먼저 The LSTM 모델에서는 2022년 9월 20일 쌀 가격이 45,641원에서 점차 하락하여 2022년 12월 31일 44,536원으로 낮아지는 것으로 나타났다. 이후 가격은 더 하락하여 2023년 4월 22일에는 29,978원으로 하락하고, 2023년 5월 11일에 27,547원으로 최저를 기록하는 것으로 나타났다. 그리고 점차 상승하여 2023년 9월 19일에는 47,073원으로 2022년 보다 더 높아질 것으로 예측되었다. The Bi-LSTM model에서는 2022년 9월 20일 쌀 가격이 42,140에서 시작한 후 별다른 변화가 없다가 10월 초에 41,814원으로 소폭 하락한 후 10월 11일에 다시 42,777원으로 회복되는 것으로 나타났다. 이후 2023년 3월 20일 41,110원, 4월 3일 41,385원 등 일부 기간에 소폭 하락하는 것으로 나타났으나, 전반적으로는 4만1천-3천원 사이를 유지하는 것으로 나타났다. 두 모델 예측도는 비슷하였으나 가격의 변동에서는 극명한 예측 차이를 보이는 것으로 나타났다.
본 연구는 다음의 시사점을 갖는다. 첫째, Bi-LSTM을 이용한 쌀 가격 예측 모형의 제시이다. 기존의 인공신경망 모형인 LSTM에 비해 Bi-LSTM의 예측률은 별다른 차이가 없었으나 가격변동은 더 효율적으로 추정할 수 있음이 확인되었다. 두 번째는 효과적인 쌀 시장 격리 시점에의 활용이다. 본 연구의 쌀값 변동의 패턴에 의하면, 10월 초, 3월 말에 가격이 하락하였다. 따라서 9월 말과 3월 초에 정부가 쌀을 매입한다면 가격 안정화에 도움이 될 것이다. 마지막으로 쌀 가격 안정화를 통한 자유무역 촉진 기반 마련에의 기여이다. 쌀값의 변동에 선제적으로 대응함으로써 쌀 가격을 안정적으로 유지함으로써 보다 유리한 입장에서 국제통상 협상을 진행함으로써 자유무역의 촉진에 기여할 수 있다.

다국어 초록 (Multilingual Abstract)

Rice is Korea's staple food and as a key role in food security accounts for a large portion of agriculture. However, due to its low international competitiveness, it is not only difficult to negotiate favorable international trade, but also the industry that is expected to suffer the most damage when the market is opened. Accordingly, the government has prepared policies related to rice subsidies to stabilize domestic rice prices. In order to effectively operate these policies, it is necessary to predict rice prices with high accuracy.
This study is designed to develop the prediction model of price rice comparing the Bi-LSTM model with the LSTM model which is an artificial intelligence model that is previously used as a price prediction model. The bi-LSTM model is a bi-direction model of the LSTM model. As variables, the average wholesale price of upper and middle-grade products of 20kg of rice, the national sunshine hours, the minimum temperature, and the average values ​​of precipitation are used. Data are collected and used from January 1, 2012 to September 19, 2022 by the Korea Agro-Fisheries&Food Trade Corporation and the Korea Meteorological Administration. As a result of checking the error rate with Root Mean Square Error, both the LSTM model and the Bi-LSTM model showed accuracy between 80% and 90%.
The results are as follows. The LSTM model showed that the price of rice gradually decreased from 45,641 won on September 20, 2022 to 44,536 won on December 31, 2022. After that, the price fell further, falling to 29,978 won on April 22, 2023, and recording the lowest at 27,547 won on May 11, 2023. And it is predicted to rise gradually and on September 19, 2023, it will be 47,073 won, higher than in 2022. In the Bi-LSTM model, the price of rice started at 42,140 on September 20, 2022, there was no significant change, then it fell slightly to 41,814 won in early October, and then recovered to 42,777 won on October 11. After that, it was found to decrease slightly in some periods, such as 41,110 won on March 20, 2023 and 41,385 won on April 3, but overall it was found to remain between 41,000 and 3,000 won. The two models had similar predictive values, but there was a clear difference in price fluctuations.
This study has the following implications. First, a rice price prediction model using Bi-LSTM is presented. Compared to LSTM, the existing artificial neural network model, there was no significant difference in the prediction rate of Bi-LSTM, but it was confirmed that price fluctuations could be estimated more efficiently. The second is the use of an effective rice market isolation policy. According to the pattern of rice price fluctuations in this study, the price fell in early October and late March. Therefore, if the government buys rice in late September and early March, it will help stabilize prices. Lastly, it contributes to laying the groundwork for promoting free trade through stabilizing rice prices. By preemptively responding to fluctuations in rice prices, it is possible to contribute to the promotion of free trade by conducting international trade negotiations in a more advantageous position by maintaining rice prices stably.

목차 (Table of Contents)

• 1장 서론 1
• 1절 연구의 배경과 목적 1
• 2절 연구 방법과 범위 3
• 2장 이론적 배경과 선행연구 4
• 1절 쌀 생산 및 소비 현황 4
• 2절 농산물 가격 예측 9
• 1. 농산물 가격 결정요인 9
• 2. 농산물 가격예측에 관한 선행연구 11
• 3. 인공신경망과 농산물 가격 예측 17
• 3절 농산물 관련 국제통상 규정 21
• 제3장 연구모형 26
• 1절 분석 모형 26
• 2절 분석 절차와 방법 30
• 3절 데이터 수집과 변수 설정 31
• 제4장 분석결과 32
• 1절 기술통계 분석결과 32
• 2절 가격예측 분석결과 34
• 1. 선형회귀 분석결과 34
• 2. LSTM 분석결과 35
• 3. Bi-LSTM 분석결과 41
• 제5장 결론 47
• 1절 연구의 요약 47
• 2절 시사점 49
• 3절 연구의 한계 50
• 참고문헌 51
• 국문초록 54
• 영문초록 56