불확실성과 비대칭 예측 — 인플레이션 전망 분포의 올바른 해석법
2026-03-28

불확실성과 비대칭 예측 — 인플레이션 전망 분포의 올바른 해석법

“인플레이션이 높으면 불확실성도 높다”는 착각

중앙은행 보고서나 애널리스트 보고서에서 “예측 불확실성이 높아졌다”는 표현을 자주 본다. 그런데 이 불확실성 측정치가 얼마나 신뢰할 수 있을까?

arXiv:2411.05938 (Uncertain and Asymmetric Forecasts)는 충격적인 사실을 밝힌다: 예측 분산의 42%는 실제 불확실성이 아니라 인플레이션 수준 자체에서 기계적으로 발생한다. 즉, 인플레이션이 목표치에서 벗어나 있기만 해도 불확실성 지표가 부풀어 오른다.

문제의 구조: 1차 모멘트가 2차 모멘트를 오염시킨다

전문가 예측의 밀도(Density Forecast) 데이터에서 분산(variance)을 계산하면, 이 분산에는 두 가지 성분이 섞여 있다:

  1. 진정한 불확실성: 예측자들이 실제로 얼마나 의견이 다른가
  2. 수준 효과: 인플레이션이 중앙은행 목표치(예: 2%)에서 얼마나 멀리 있는가

목표치와 멀어질수록 예측자들의 의견 분산이 기계적으로 커진다. 이 성분을 제거하지 않으면 “불확실성 증가”로 오해한다.

해결책: 두 가지 보정 지표

정규화 불확실성 (Normalized Uncertainty, NU)

예측 분산에서 인플레이션 수준/목표 갭과 관련된 예측 가능한 성분을 제거한 후의 잔차 분산.

NU = 예측 분산 - f(수준-목표 갭)

오직 이 보정된 분산만이 “진정한 예측 불확실성”을 담는다.

비대칭 일관성 (Asymmetry Coherence, AC)

예측 분포의 왜도(skewness)는 중심 예측과 방향이 일치할 때만 의미 있는 위험 정보를 담는다.

예: 인플레이션이 높을 것으로 예상되는데 왜도도 우측(상방 위험) → 일관성 있음 (AC 높음) 반대로: 인플레이션이 낮을 것으로 예상되지만 왜도가 우측 → 불일관적 (AC 낮음)

핵심 발견

1. 분산의 42%가 수준 오염

ECB 전문가 예측 조사 데이터에서, 원시 예측 분산의 약 42%가 수준-목표 갭에서 기계적으로 유발된다. 이 성분은 진정한 “믿음의 불확실성”이 아니다.

2. 보정 후 거시 추론이 역전된다

원시 지표로 계산한 변동성-성장 관계가 NU/AC로 보정하면 사라지거나 반전될 수 있다. 수정 없이 분석하면 잘못된 결론이 나온다.

3. 정책 파급 경로도 달라진다

신용 채널 분석에서, 보정된 불확실성이 높을 때 금리 인하 효과가 대출 금리에 전달되는 속도가 느리고 약해진다. 특히 장기 대출에서 두드러진다.

4. 올바른 거시 정보 분해 방식

밀도 예측 = 
  [중심 예측 수준] 
+ [정규화 불확실성 (NU)] 
+ [방향 일관적 왜도 (AC)]

각 성분을 분리해야 올바른 매크로 신호가 나온다.

크립토·시장 분석에의 적용

이 방법론은 인플레이션에만 국한되지 않는다. 어떤 불확실성 지표에도 적용된다:

적용 대상수준 오염 가능성권장 처리
비트코인 내재 변동성중간 (가격 수준 효과)수준 정규화 후 해석
스테이블코인 디페그 위험높음 (기준가 이탈 시 변동성↑)NU 방식 보정
매크로 이벤트 확률높음 (기준 시나리오에 의존)AC 방식으로 일관성 확인
옵션 내재 분포높음 (ATM 수준 효과)중심 예측과 독립적 해석

실용 규칙: 변동성이나 왜도 지표가 급변할 때, 중심 예측이 함께 움직였는지부터 확인하라. 수준이 바뀐 것이라면 진정한 불확실성 변화가 아닐 수 있다.

주의사항

  • 연구는 ECB SPF 인플레이션 데이터 기반 → 다른 도메인으로 직접 이식 시 재보정 필요
  • 42% 수치는 유로존 인플레이션 사이클에 특화 → 보편 상수 아님
  • 측정 방법론의 핵심을 가져가되, 수치는 새로운 데이터로 재추정 필요

결론

불확실성을 측정하는 것은 어렵다. 더 어려운 것은 측정된 불확실성이 실제 불확실성인지, 아니면 수준 효과의 기계적 산물인지 구별하는 것이다. 이 연구가 제시하는 NU와 AC는 그 구별을 가능하게 하는 실용적 도구다. 인플레이션, 크립토 변동성, 이벤트 확률 — 어떤 예측 분포를 분석하든 이 교훈은 유효하다.

— Luxon AI 리서치팀

📚 출처

← BACK TO BLOG