시계열 분해와 앙상블을 활용한 배추 가격 예측 모형의 예측 성과 분석

Abstract

본 연구는 배추 월별 도매가격의 단기 예측 성과를 개선하기 위해 시계열 분해와 예측 조합을 결합한 분해-앙상블(decomposition-ensemble) 예측 알고리즘을 제안하고, 예측 성과를 평가하였다. 로그 변환한 배추 도매가격 시계열을 STL 분해를 통해 계절 성분과 계절조정 성분으로 구분하고, 계절 성분에는 계절성 단순 예측법(seasonal naive)을, 계절조정 성분에는 ETS 지수평활, ARIMA, ARIMAX, 신경망 자기회귀(neural network autoregression) 모형을 적용한 뒤, 개별 예측치를 단순 평균, 중앙값, 평균제곱오차(MSE) 기반 가중 평균 방식으로 조합하였다. 분석 결과, 분해-앙상블 모형은 원자료 기반 단일 모형 및 분해 기반 개별 모형보다 전반적으로 낮은 예측오차를 보였다. 또한 KREI 농업관측센터와의 비교 및 Encompassing 검정 결과, 제안 알고리즘과 농업관측센터 전망치는 상호 보완적인 예측 정보를 포함하는 것으로 나타났다. 이는 분해-앙상블 예측 알고리즘이 현행 농업관측 전망 체계에서 정량적 보조도구로 활용될 수 있음을 시사한다.

This study proposes a decomposition-ensemble algorithm that combines time series decomposition with forecast combinations to improve the short-term forecasting performance of monthly wholesale kimchi cabbage prices. The log-transformed price series was decomposed into seasonal and seasonally adjusted components using STL decomposition. The seasonal component was forecast using the seasonal naive method, whereas the seasonally adjusted component was forecast using ETS, ARIMA, ARIMAX, and neural network autoregression (NNAR) models. The resulting forecasts were combined using the simple average, median, and MSE-based weighted average. The empirical results suggested that the proposed decomposition-ensemble model achieves lower forecast errors than models estimated directly from the original series and individual decomposition-based models. In addition, a comparison with the KREI Agricultural Outlook Center’s price outlook and an encompassing test indicated that the two forecasts contain complementary information. These findings suggest that the proposed algorithm can serve as a supplementary quantitative tool in the Agricultural Outlook Center's forecasting system.