AI가 읽는 Fed 파월의 현재 속마음…"올해 들어 가장 기쁘다"

(서울=연합인포맥스) 권용욱 기자·이석훈 연구원 = 미국 연방준비제도(Fed·연준)의 기준금리 인상 주기가 사실상 끝났다는 평가가 팽배한 상황에서 제롬 파월 연준 의장의 속마음은 어떨까.

파월 의장은 물가 상승률이 둔화하고 향후 추가 금리 인상의 필요성이 줄어들면서 긍정적인 감정을 계속해서 키우는 것으로 인공지능(AI)과 빅데이터 분석을 통해 추론됐다.

연합인포맥스는 7일 연준의 기준금리 결정과 파월 의장의 기자회견 발언과의 관계를 분석하기 위해 오픈AI의 챗GPT를 통해 대표적인 오픈소스 프로그래밍 언어인 파이선(Python)을 활용해 이 같은 결론을 도출했다.

◇ 파월의 긍정 감정, 11월 FOMC에서 연중 최고

파월 의장의 취임 이후 첫 연방공개시장위원회(FOMC) 기자회견(2018년 3월21일)부터 지난달 FOMC까지 모든 회의의 기자회견 전문 텍스트를 파이선 코드를 통해 분석한 결과, 기자회견별로 긍정과 중립, 부정, 복합의 감성지수가 각각 계산됐다.

파월 의장의 긍정적인 감성지수는 지난 11월 0.08을 기록하며 올해 들어 가장 높은 수준을 기록했다. 긍정 감성 지수는 지난 6월 0.06으로 연중 최저치까지 낮아졌으나 7월(0.073)과 9월(0.075)에 이어 11월까지 연속해서 올랐다.

11월 FOMC는 기준금리를 5.25~5.50%로 만장일치로 동결했고, 파월 의장은 당장 추가 인상 가능성을 강하게 시사하는 발언을 하지 않았다. 특히 당시 회의에서 파월 의장은 국채 금리 상승에 따른 금융 여건 변화를 강조했다.

그는 "최근 몇 달 동안 장기채권 수익률 상승으로 금융 여건이 긴축됐다"고 평가했다.

연준은 통화정책 성명서에서도 이전과 달리 금융 환경이 긴축됐다는 것을 적시했다.

이는 국채 금리 상승으로 추가적인 금리 인상의 필요성이 줄어들 수 있다는 시장의 기대를 자극했고, 미국 10년물 국채 금리는 FOMC 이후 하루 동안 전장대비 19bp 급락했다.

반대로 파월 의장의 긍정적인 감정 지수가 올해 들어 가장 낮았던 6월 회의는 어땠을까.

당시 파월 의장은 '말실수'로 읽히는 발언을 하며 시장의 금리 인상 기대를 크게 키운 바 있다.

파월 의장은 6월 기자회견에서 '다음 달 금리 인상 여부'와 관련, "그때 가서 결정될 것"이란 입장을 고수하면서도 6월 금리 동결 결정에 대해 '건너뛰기'(skip)라는 표현을 했다.

그는 곧바로 "동결 결정을 '건너뛰기'라고 부르면 안 되겠지만"이라고 진화를 시도했지만, 시장은 '건너뛰기'라는 단어가 7월 금리 인상을 염두에 둔 것으로 해석했다.

실제 연준은 7월 들어 기준금리를 인상했다.

지난 6월 회의 정도를 제외하면 파월 의장은 인터뷰나 기자회견에서 애매모호한 화법을 사용해 속내를 잘 밝히지 않는 것으로 유명하다. 다만, AI와 빅데이터를 활용한 분석에서 그의 감정 변화는 뚜렷하게 확인됐다.

◇ 파월, 매보다 비둘기 기조에서 웃는다

지난 6월과 11월 회의에서 대조적으로 나타난 결과처럼 파월 의장은 매파(통화긴축 선호)보다는 비둘기파(통화완화 선호)적인 회의에서 보다 긍정적인 감정을 가지는 것으로 분석됐다.

기준금리 결정 유형에 따라 파월 의장의 긍정적인 감성지수가 어떻게 달라지는지 조사한 결과, 인상, 인하, 동결, 동결 후 인상, 동결 후 인하, 인상 후 동결, 인하 후 동결 등 7가지 유형 가운데 긍정 지수가 가장 높았던 것은 기준금리 인하 시기로, 긍정 지수 0.104로 나타났다.

7가지 유형 중 긍정 지수가 가장 낮았던 것은 금리 인상을 이어가는 경우였다. 이때는 긍정 지수가 0.088에 불과했는데, 이는 파월 의장이 금리 인상을 계속하며 인플레이션에 대한 우려의 목소리를 키웠기 때문으로 풀이된다.

◇ 감정 중에서도 '긍정' 지수, 금리와 유의미한 관계

파월 의장의 감정 가운데 기준금리 변동과 연계해서 가장 유용하게 들여다볼 수 있는 것은 긍정적인 감정이다.

긍정 감성지수와 기준금리 변동의 상관 계수는 -0.449로, 이는 금리 인하를 결정하거나 시사할 때 파월 의장의 긍정 지수가 상대적으로 증가한다는 뜻이다. 금리를 인상하거나 시사하는 반대의 경우에는 긍정 지수가 상대적으로 낮아진다고 볼 수 있다.

상관 계수는 -1에서 1까지 분포하는데, -1에 가까울수록 음의 상관 관계가 매우 뚜렷하다는 뜻이다.

부정 감성지수의 경우 금리 변동과의 상관 계수가 -0.09로 절댓값이 낮은 편이었다.

한편, 챗GPT가 파이선을 통해 분석한 코드에는 감성분석모델인 베이더(Vader)가 사용됐다. 베이더는 주로 빠른 수행 시간 대용량 텍스트 데이터를 분석하는 데 활용되는 도구로 텍스트의 감성 분석 결과를 제공한다.

베이더는 여러 가지 주관적인 단어와 문맥을 토대로 텍스트의 긍정, 중립, 부정 감성지수와 그것을 종합한 복합 감성지수를 계산한다.

ywkwon@yna.co.kr