초록 열기/닫기 버튼
코로나 19 위기를 극복하기 위한 적극적 재정정책과 미래 정책환경의 불확실성으로 인해 지속가능한 재정의 문제에 대한 관심이 어느 때보다 높아지고 있다. 본 연구는 복잡한 사회문제를 극복할 새로운 메커니즘으로 기대되는 머신러닝 알고리즘을 재정관리 분야에 적용함으로써 지속 가능한 재정관리의 정책학적 함의를 모색해보고자 한다. 실무적으로 머신러닝을 적용한 다양한 행정 사례가 늘어나고 있지만, 정책문제와 연결지어 적용가능성을 조망한 실증적 연구는 매우 미흡하다. 본 연구는 이러한 문제의식 하에 인공지능의 세부기법인 머신러닝 기법을 통해 지난 50년간의 서울시와 20년간의 69개 자치구의 세입 결산 자료를 활용한 세입추세예측 모형을 구축, 그 적용가능성을 평가하였다. 분석결과, 세입변화의 폭이 컸던 2015 – 2019 기간의 서울시 세입예측에서는 지수평활법이 우월한 모형이었지만, 70개의 전체 시계열자료에서는 평균적으로 신경망 기반의 머신러닝방법론의 예측정확성이 높음을 발견하였다.
Fiscal sustainability received much attention due to recent pandemic and countercyclical fiscal policy. This study attempts to apply the logic of machine learning algorithms to financial management for policy implications. Practically, the growing evidence has documented the increasing use of cases with machine learning algorithms. However, there are limited studies with in scholarly works from the field of public administration. Using 50 years of revenue data from Seoul metropolitan area and 20 years of 69 local governments, our findings reveal that exponential smoothing works better for Seoul metropolitan area, while KNN is superior to revenue forecasting in other local governments.
키워드열기/닫기 버튼
Revenue Forecasting, Machine Learning, Fiscal Sustainability
