경제예측을 위한 해석가능 인공지능의 진화

📝 원문 정보

• Title: Explainable Artificial Intelligence for Economic Time Series: A Comprehensive Review and a Systematic Taxonomy of Methods and Concepts
• ArXiv ID: 2512.12506
• 발행일: 2025-12-14
• 저자: Agustín García-García, Pablo Hidalgo, Julio E. Sandubete

📝 초록 (Abstract)

해석가능 인공지능(XAI)은 기계 학습 예측자가 고전적인 경제학적 모델을 능가할 수 있지만, 감사와 정책 활용이 어려운 분야인 계산경제학에서 점점 더 요구되고 있습니다. 이 리뷰는 시간 시리즈에 대한 XAI의 증가하는 문헌을 검토하고 조직화합니다. 자기상관성, 비정상성, 계절성, 혼합 주기, 그리고 제도 변화는 표준 설명 기법이 불안정하거나 경제적으로 설득력이 없게 만들 수 있습니다. 우리는 (i) 설명 메커니즘: 전파 기반 접근 방식(예: 통합 그레디언트, 계층별 관련성 전파), 펨튜레이션 및 게임 이론적 귀인법(예: 순열 중요도, LIME, SHAP), 함수 기반 글로벌 도구(예: 누적 로컬 효과); (ii) 시간 시리즈 호환성을 분류하는 분류법을 제안합니다. 시간 의존성 유지, 시간 경과에 따른 안정성 및 데이터 생성 제약 조건 준수를 포함합니다.

💡 논문 핵심 해설 (Deep Analysis)

이 논문은 계산경제학에서 해석가능 인공지능(XAI)의 중요성을 강조하며, 특히 기계 학습 예측자가 고전적인 경제학적 모델을 능가할 수 있지만 그 내부 작동 원리가 불투명하다는 문제를 해결하기 위해 XAI에 대한 관심이 증가하고 있음을 설명합니다. 논문은 시간 시리즈 데이터의 특성, 즉 자기상관성, 비정상성, 계절성, 혼합 주기, 그리고 제도 변화 등이 표준적인 설명 기법을 불안정하거나 경제적으로 설득력 없게 만들 수 있다는 점에 주목합니다. 이를 해결하기 위해 논문은 XAI 방법론을 세 가지 범주로 분류하고, 각 범주의 특징과 시간 시리즈 데이터와의 호환성을 검토합니다.

또한 논문은 시간 시리즈 데이터를 위한 특정적인 설명 기법들을 소개하며, 이를 통해 계산 비용을 줄이고 해석력을 향상시킬 수 있음을 강조합니다. 특히, 벡터 및 윈도우 기반 접근 방식(예: Vector SHAP, WindowSHAP)이 시간 지연의 분할을 줄이고 해석성을 높일 수 있다는 점에 주목하고 있습니다.

논문은 또한 설명 가능성과 인과 추론 및 정책 분석 간의 연결을 통해 개입 귀인법(Causal Shapley values)과 제약 조건 하에서의 반사실적 사고를 강조합니다. 마지막으로, 논문은 본질적으로 해석 가능한 아키텍처(특히 주목력 기반 트랜스포머)에 대해 논의하고, 현재 예측, 스트레스 테스트, 제도 모니터링과 같은 결정적 응용 분야를 위한 지침을 제공합니다. 이는 귀인 불확실성 및 설명 동태가 구조 변화의 지표라는 점에 중점을 둡니다.

📄 논문 본문 발췌 (Excerpt)

📸 추가 이미지 갤러리

Reference