In this study, macroeconomic indicators were used to analyze the gold price prediction model. In the analysis, compared the variable selection and prediction performance of each model using Lasso regression, Ridge regression, and Elastic Net regression of the Penalized regression model, which are machine learning techniques. The prediction performance was evaluated through root mean square error (RMSE). As a result of the study, the Penalized regression models such as Lasso regression, Ridge regression, Elastic Net regression were superior to the benchmark model using basic linear regression or stepwise regression in the first period (January 2010 to December 2015) and the second period (January 2016 to January 2021).
본 연구에서는 거시경제 지표를 활용하여 금 가격 예측 모형에 대해 분석하였다. 분석 시 기계학습 기법인 벌점회귀모형의 라쏘회귀, 릿지회귀, 엘라스틱넷회귀를 이용하여 각 모델별 변수 선택 및 예측 성능을 비교하였다. 예측 성능은 RMSE(root mean square error)를 통하여 평가하였다. 연구를 진행한 결과, 벌점회귀모형(라쏘회귀, 릿지회귀, 엘라스틱넷회귀)이 벤치마크인 기본적인 선형회귀나 단계선택적회귀를 활용한 예측 모형보다 제1기(2010년 1월~2015년 12월)와 제2기(2016년 1월~2021년 1월)에서 높은 성능을 나타냈다.
