머신러닝·뉴스 정보 결합해 기존 전망과 비교
한국·중국 등서 예측 정확도 개선…정책·통상 변화 반영

포스코경영연구원이 인공지능(AI)과 뉴스 정보를 활용해 철강수요 전망의 정확도를 높일 수 있다는 분석을 내놨다. 공급과잉과 통상마찰, 정책 변화 등 기존 통계에 즉각 반영되지 않는 변수가 늘어나는 가운데 머신러닝과 뉴스 정보를 기존 수요 전망에 접목한 결과 실제 예측 오차가 감소했다.

포스코경영연구원 류시원 책임연구원이 발표한 ‘철강수요 전망, AI를 활용하면 더 정확해질까?’에 따르면 글로벌 철강시장은 공급과잉과 무역마찰, 정책 변화 등 즉각 데이터로 측정하기 어려운 변수의 영향이 커지고 있다. 

관세와 정책, 지정학적 변화는 발생 시점과 관련 통계가 확인되는 시점 사이에 시차가 있어 과거 수치에 기반한 기존 전망만으로 시장 충격을 즉시 반영하기 어렵다는 설명이다. 

류시원 책임연구원은 “글로벌 철강시장에서는 공급과잉, 무역마찰, 정책변화 등 즉각 데이터로 측정되기 어려운 변수가 늘어나고 있다”라며 “이에 따라 과거와 현재 수치에 의존하는 전통적 전망 방식이 충격을 제때 반영하지 못하는 문제점이 발생하고 있다”라고 말했다.
 

실제로 세계철강협회는 지난해 4월 미국 관세정책에 따른 불확실성을 이유로 정례 단기수요전망 발표를 연기했다. 유럽철강협회 역시 지난해 유럽연합(EU) 철강수요 전망을 2월 2.2% 증가에서 6월 0.9% 감소, 9월 0.2% 감소로 잇달아 수정했다. 

이에 포스코경영연구원은 AI 활용에 따른 예측 성능을 확인하기 위해 기존 전망 방식과 머신러닝 기반 모형을 비교했다. 세계철강협회의 단기수요전망(SRO)을 토대로 한 기준모형과 머신러닝을 적용한 모형, 여기에 철강 관련 뉴스의 긍정·부정 정도를 수치화한 감성정보까지 추가한 모형 등 세 가지를 구성했다. 

2023년까지 확보된 데이터만으로 2024~2025년 철강수요를 예측한 뒤 실제 수요와 비교했다. 예측 성능은 전망치가 실제값에서 평균적으로 얼마나 벗어났는지를 보여주는 평균절대백분율오차(MAPE)를 기준으로 측정했다.

그 결과 머신러닝 모형은 기존 방식보다 평균 전망오차를 5.5%포인트 낮췄고, 뉴스 정보까지 결합하자 오차가 다시 0.54%포인트 감소했다. 한국의 경우 기존 모형의 오차가 19.8%였지만 머신러닝 적용 후 12.1%, 뉴스 결합 시 11.7%로 낮아졌다. 중국도 같은 방식으로 12.1%에서 9.5%, 8.2%로 개선됐다. 

다만 급격한 수요 변화까지 정확히 예측한 것은 아니다. 2025년 중국 철강수요는 실제로 7.1% 감소했지만 기존 방식은 2.0% 감소, 머신러닝 모형은 3.5% 감소, 뉴스 결합 모형은 2.7% 감소를 예상했다. 

포스코경영연구원은 연간 데이터를 사용하면서 분기별 변동과 뉴스 영향이 희석된 점을 원인으로 짚었다. 

뉴스 정보 역시 기존 경제지표를 대체하기보다는 보완하는 역할을 했다. 변수별 상대적 기여도를 분석한 결과 국내총생산(GDP)과 과거 철강수요가 각각 32.6%, 총고정자본형성이 23.6%로 대부분을 차지했으며 뉴스 감성정보는 6.3%였다. 

뉴스 감성정보는 국가별 철강 관련 기사의 긍정·부정 정도와 기사 수, 정책 이벤트 등을 수치화해 기존 통계에 아직 나타나지 않은 변화를 반영하는 데 활용됐다. 

포스코경영연구원은 국내 철강산업에서도 통상·정책 뉴스와 통관, 해상운임, 가격 정보 등을 월별·강종별 데이터와 결합하면 시장 변화를 빠르게 반영하는 나우캐스팅에 활용할 수 있다고 설명했다. 기존 전망을 유지하면서 정책·통상 변화가 발생할 때 AI를 조기 신호 확인과 교차 검증에 병행하는 방식이다

류시원 책임연구원 “철강산업에서도 변동성이 커지는 시장 환경 속에서 이러한 비정형 데이터를 결합해 수요 등의 전망 정확도와 실효성 제고를 검토할 시점”이라며 “철강수요 단기 예측 실험모형을 구축해 검증한 결과, 머신러닝 알고리즘 적용 및 뉴스 정보 결합을 통해 전망 오차를 줄일 수 있음을 확인했다”라고 덧붙였다.