크롬의 데이터를 이용한 국내 희유금속의 수요예측모형에 관한 비교 연구

A Comparative Study on the Demand Forecasting Model of Domestic Rare Metal by Using Chrome Dataset

우리나라는 주요광물자원의 대부분을 수입에 의존하는 나라로 최근 세계 각국의 자원민족주의 강화 및 중국, 인도를 비롯한 신흥 아세아 국가의 경제발전에 따른 광물 수요증가로 국제광물가격이 급격히 상승하는 등 안정적인 공급기반이 흔들리고 있다. 특히, 매장량은 극히 적지만 반도체, PDP-LCD, 특수금속분야 등 첨단소재를 만드는 데 필수적인 희유금속의 경우 국제 광물가격 폭등과 공급불안으로 국내 기업들이 수급에 어려움을 느끼고 있다. 따라서 희유금속의 국내 수요에 대한 정확한 예측이 필요하며, 이에 대한 통계적 모형이 요구된다. 본 연구에서는 1990년 1분기부터 2007년 4분기까지의 시계열자료를 기초로 전통적인 시계열 모형인 AR모형, MA모형, ARIMA모형과 이분산성 시계열모형인 ARCH모형, GARCH모형, IGARCH모형 및 EGARCH모형 등 수요예측에 사용되는 다양한 수요예측 기법의 특성과 적용성을 분석하였다. 제시된 여러 시계열모형에 대한 평가를 위해 SOOS방법을 통하여 MSE 및 AIC를 비교ㆍ분석한 후 적절한 예측모형에 대한 평가를 실시하여 실제 희유금속의 수요예측 모형을 구하고자 한다.

South Korea, who imports most of major mineral resources, is shaking its stable basis for mineral supply by rapid rise of the mineral price, as many countries recently has strengthened their nationalism and the mineral demands of developing countries such as China and India has increased with their economic development. Particularly, for the rare metal, which its amount of reserves is extremely small, but it is indispensable to manufacture high-tech products including semiconductors, PDP-LCD and special metals, domestic companies are having hard time to supply rare metal due to a sharp increase in the prices of minerals and an insecure supply. Therefore, it is necessary to make an accurate forecast of domestic demand and supply of rare earth mineral by creating statistical model in order to avoid any insufficiency of supply. The study analyzed the characteristics and application of various demanding forecast techniques such as traditional Time-Series Models including AR, MA and ARIMA and heteroscadastic Models including ARCH, GARCH, IGARCH and EGARCH based on the data in the period between the first quarter of 1990 and the fourth quarter of 2007. In order to evaluate the various time-series models, the study intends to find out the proper demanding forecast model of rare metal by comparing and analyzing MSE and AIC as well as by conducting the evaluation on the proper prediction model.