다중 도메인 데이터를 이용한 국내 돼지고기 가격 예측

Abstract

본 연구는 한국의 돈육 시장 가격 변동성에 대한 정량적 분석과 예측 모형 개발에 중점을 두었다. 연구의 핵심 목표는 돈육 가격의 변동 요인을 식별하고, 이를 바탕으로 효과적인 예측 모델을 개발하는 것이었다. 이를 위해 다양한 시계열 예측 모델과 선형 모델을 사용하여 광범위한 데이터를 분석하였다.

연구 과정에서는 돈육 가격에 영향을 미칠 수 있는 다양한 요소들을 고려하였다. 이러한 요소들로는 경매가격, 소비자 물가지수, 국내 수출입 동향, 경제 상황, 가축 질병 발생 현황, 그리고 계절성 정보 등을 포함하였다. 이러한 다양한 변수들을 고려하여, ARIMA, LSTM, CNN-LSTM, NeuralProphet, XGBoost와 같은 여러 시계열 모형을 사용하여 돈육 가격 예측 모형을 개발하였다.

모형들의 예측 성능 평가는 평균 절대 비율 오차(MAE)와 평균 절대비 오차(MAPE) 지표를 사용하여 실시하였다. 이 평가 과정에서 ‘NeuralTree‘라 명명한 NeuralProphet과 XGBoost 모형이 가장 높은 예측 정확도를 보였다. 이 모형은 MAE가 151.9897, MAPE가 3.0648%로 측정되었고, 특히 월간 및 연간 가격 변동성 예측에서 높은 정확도를 나타냈다.

주요 기여점은 다양한 데이터 유형과 시계열 예측 모형을 통합하여 접근한 방법론의 유효성을 입증한 것이다. 이 방법론은 돈육 시장의 동향을 이해하고 예측하는 데 있어 중요한 기초 자료를 제공할 뿐만 아니라, 이러한 접근 방식이 더 넓은 범위의 글로벌 시장 예측에도 응용될 수 있음을 시사한다.

따라서, 본 연구를 통해 돈육 시장의 가격 변동성을 이해하고 예측함으로써 중요한 이정표를 제시하며, 향후 다양한 상품 및 서비스 시장의 가격 변동성 예측에도 응용될 수 있는 방법론을 개발하는 데 집중하였다. 이러한 결과는 정책 입안자, 시장 분석가, 농가 및 소비자들에게 유용한 정보를 제공하고, 더 효율적이고 예측 가능한 시장 환경을 조성하는 데 도움이 될 것으로 기대한다.|Domestic pork price forecasting usingmulti-domain data

YOUNGHA, KWON Dept. of Electrical Engineering and Computer Science Graduate School of Hanyang University

This study focused on the quantitative analysis of the price volatility of the pork market in Korea and the development of a prediction model. The core goal of the study was to identify the factors that fluctuate the price of pork and to develop an effective prediction model based on them. To this end, a wide range of data was analyzed using various time series prediction models and linear models.

In the research process, various factors that can affect the price of pork were considered. These factors included auction price, consumer price index, domestic import and export trends, economic situation, livestock disease outbreak status, and seasonality information. Considering these various variables, a pork price prediction model was developed using several time series models such as ARIMA, LSTM, CNN-LSTM, NeuralProphet, and XGBoost.

The predictive performance evaluation of the models was conducted using the mean absolute ratio error(MAE) and mean absolute ratio error (MAPE) indicators. In this evaluation process, the NeuralProphet and XGBoost models, named ‘NuralTree', showed the highest prediction accuracy. This model showed high accuracy, especially in predicting monthly and annual price volatility, with MAE measured 151.9897 and MAPE measured 3.0648%.

An important contribution of this study is to prove the validity of the methodology approached by integrating various data types and time series prediction models. This methodology not only provides important basic data for understanding and predicting trends in the pork market, but also suggests that this approach can be applied to a wider range of global market predictions.

Therefore, this study presents an important milestone in understanding and predicting the price volatility of the pork market, and has contributed to developing a methodology that can be applied to predicting the price volatility of various product and service markets in the future. These results provide useful information to policymakers, market analysts, farmers, and consumers, and will help create a more efficient and predictable market environment.