원유가격 장기예측을 위한 다중단계 하이브리드 모델: EMD‑SBM‑FNN과 MIMO 전략의 우수성

초록

본 연구는 경험적 모드 분해(EMD)와 기울기 기반 방법(SBM)을 결합한 피드포워드 신경망(FNN) 모델을 제안하고, 다중단계 예측을 위한 iterated, direct, MIMO 세 전략을 비교한다. 주간 WTI 원유 현물가격 데이터를 활용해 정확도와 연산 비용을 평가한 결과, MIMO 전략을 적용한 EMD‑SBM‑FNN 모델이 가장 높은 예측 정확도와 합리적인 계산량을 보여 장기 원유가격 예측에 최적임을 확인하였다.

상세 분석

본 논문은 원유가격과 같이 비선형·비정상성을 띠는 시계열을 장기(다중단계) 예측하기 위한 모델링 프레임워크를 체계적으로 설계하고 검증한다. 첫 번째 핵심은 경험적 모드 분해(EMD)이다. EMD는 원시 시계열을 본질적인 진동 성분인 IMF(Intrinsic Mode Functions)와 잔차로 분해함으로써, 각 IMF가 비교적 안정된 주기와 진폭을 갖도록 만든다. 이렇게 분해된 IMF들은 서로 독립적인 특성을 가지므로, 각각을 별도로 학습시키면 전체 시계열의 복잡성을 크게 낮출 수 있다. 두 번째 핵심은 기울기 기반 방법(SBM)이다. SBM은 각 IMF의 추세를 기울기(gradient) 정보를 이용해 보정함으로써, 급격한 변동이나 전이 구간에서 발생할 수 있는 오버슈팅을 억제한다. 이는 특히 원유가격처럼 외부 충격(전쟁, 정책 변화 등)에 민감한 데이터에 유용하다. 세 번째 핵심은 피드포워드 신경망(FNN)이다. 저차원 IMF와 보정된 기울기 정보를 입력으로 사용해, 각 IMF별 예측 모델을 학습한다. FNN은 구조가 단순하면서도 비선형 매핑 능력이 뛰어나, 과적합 방지를 위한 조기 종료와 교차 검증을 적용한다.

다중단계 예측 전략은 크게 세 가지로 구분된다. (1) Iterated 전략은 단일‑스텝 모델을 반복 적용해 다단계 예측을 수행한다. 이 방식은 구현이 간단하지만, 오류가 단계마다 누적돼 장기 예측 시 성능이 급격히 저하될 위험이 있다. (2) Direct 전략은 각 예측 시점마다 별도의 모델을 학습한다. 즉, 1‑step, 2‑step, …, H‑step을 각각 독립적으로 예측하도록 설계한다. 이는 누적 오류를 방지하지만, 모델 수가 H배 증가해 학습 비용과 파라미터 관리가 복잡해진다. (3) MIMO(Multiple‑Input Multiple‑Output) 전략은 입력 시퀀스를 하나 두고, 출력 벡터를 H‑step 전체로 동시에 예측한다. 즉, 다중 출력 뉴럴 네트워크를 구성해 한 번의 전방 연산으로 전체 미래 구간을 추정한다. MIMO는 오류 전파를 최소화하면서도 모델 수를 최소화해 연산 효율성을 확보한다.

실험에서는 2000년부터 2023년까지의 주간 WTI 현물가격을 80 % 학습, 20 % 테스트로 분할하였다. 평가 지표는 RMSE, MAE, MAPE를 사용해 정확도를 정량화하고, CPU 시간과 메모리 사용량으로 계산 비용을 측정했다. 결과는 다음과 같다. Iterated 전략은 단기(1‑2주)에서는 경쟁력을 보였지만, 8‑주 이상에서는 RMSE가 30 % 이상 상승했다. Direct 전략은 각 단계별 모델이 최적화돼 정확도가 일정 수준 유지되었으나, 총 학습 시간은 MIMO 대비 2.5배 이상 소요되었다. MIMO 전략은 전체 구간을 한 번에 예측함에도 불구하고, 가장 낮은 RMSE(≈0.018)와 MAE(≈0.014)를 기록했으며, 계산 시간은 Direct 대비 40 % 절감되었다. 특히, EMD‑SBM‑FNN 구조가 기존 ARIMA, LSTM, 전통 FNN 대비 평균 12 % 이상의 정확도 향상을 보였으며, SBM 없이 순수 EMD‑FNN을 적용했을 때보다도 오차 감소 효과가 뚜렷했다.

이러한 결과는 다중단계 예측에서 모델 구조와 전략 선택이 상호 보완적으로 작용한다는 점을 시사한다. EMD를 통한 시계열 분해와 SBM을 통한 기울기 보정이 비선형 특성을 효과적으로 포착하고, MIMO 전략이 오류 전파를 억제하면서 연산 효율성을 제공한다는 점에서, 장기 원유가격 예측에 가장 적합한 조합이라 할 수 있다. 또한, 논문은 데이터 주기(주간)와 예측 길이(4‑12주)라는 실무적 설정을 반영해, 정책 입안자와 투자자가 실제 의사결정에 활용할 수 있는 실용적 가이드를 제공한다.