← 논문 2 · 혼합주기 SSM · 챕터 4 / 4
시나리오 전망 — 종합
네 챕터가 여기서 만난다. 챕터 1의 월별 복원, 챕터 3의 70산업 VARX에 DSGE 외생경로(선행연구와 동일 엔진)를 조건화해 2035년까지 전망한다. 축은 노동공급(인구 중·저·고위)과 대외환경 — 다섯 시나리오.
재현 (Reproducibility).
- ▶ Colab 노트북(주석·셀번호 포함):
chP4_scenario.ipynb — 배지=GitHub 게시 시 원클릭, 또는 .ipynb 내려받아 Colab에 업로드 - 실행 코드(6산업 데모·db 불필요): chP4_scenario.py
- 원 파이프라인 코드(SQLite DB 필요): 06_scenario.py · 08_dsge_block.py · _common.py
- 데이터: scenario_gdp_growth.csv·scenario_labor_effect.csv(전체 70) · dsge_exog_paths.csv·demo6·exog_hist_m(6산업 데모)
- 전체 원자료(원 파이프라인 입력, 11MB): db/gva_monthly.sqlite — raw/clean/latent/result 24개 테이블
- 실행:
python code/chP4_scenario.py→ 그림 3종 (데모는 조건부 전망을 재계산)
요약 (먼저 읽기)
- 결합
- DSGE가 시나리오 외생 5종(유가·교역·금리·환율·고용)을 만들고, 이를 고정한 채 70산업 VARX를 앞으로 굴린다(조건부 전망).
- 단기
- 대외충격이 성장률을 가른다 — 2026년 S4(기술) 3.9% 최고, S2(제약+위기) 2.4% 최저.
- 장기
- 경기 성분은 수렴(2035년 증가율 ≈ 5.3% 근접). 항구적 차이는 노동공급(인구)에서 남는다.
- 산업
- 인구 민감도(S3−S2) 최고는 자동차·운송장비·바이오·소재(자본·수출 집약).
STEP 1
어떻게 결합하나
- DSGE(선행연구 BOKDPM 포트)가 시나리오 가정을 외생 5종 경로로 번역(분기 → 월별로 변환).
- 이 외생을 고정하고 챕터 3의 70산업 VARX를 한 달씩 전진(내생은 서로 반응).
- 몬테카를로로 잔차를 추출해 팬(불확실성 구간)을 만든다.
챕터 1(월별 복원) → 챕터 2(70 MECE) → 챕터 3(VARX) → 챕터 4(조건화)가 모두 여기서 쓰인다.
STEP 2
총량 시나리오 팬
아래 표와 그림 1은 같은 증가율.
| 시나리오 | 2026 증가율 | 2035 증가율 | 특징 |
|---|---|---|---|
| S4 기술도약 | 3.92% | 5.34% | 단기 선도 |
| S1 기준 | 3.38% | 5.34% | 중립 기준선 |
| S3 제약완화 | 3.38% | 5.30% | 인구 고위 |
| S5 지정학 | 2.74% | 5.32% | 유가충격 후 회복 |
| S2 제약+위기 | 2.40% | 5.40% | 인구 저위+수요충격 |
STEP 3
인구가 만드는 산업별 차이
시나리오 간 항구적 차이는 인구(노동)에서 온다. 인구 고위(S3)−저위(S2)의 2035 누적 격차로 노동 민감도를 본다. 아래 표와 그림 2는 같은 수치(소형 잔여산업 제외).
| 산업 | S3−S2 (%p) |
|---|---|
| 기타 운송장비 | +7.7 |
| 자동차·트레일러 | +7.6 |
| 바이오의약 | +6.4 |
| 1차 금속 | +5.0 |
| 반도체 | +3.9 |
STEP 4
재현 데모 — 6산업 조건부 전망
6산업 VARX(외생 결합)에 DSGE 월별 외생을 먹여 조건부 전망을 재계산. 전체 70산업과 같은 원리다.
종합 · 네 챕터의 연결
- 챕터 1 혼합주기 SSM: 분기 부가가치를 월별·전 산업으로 복원.
- 챕터 2 MECE 70산업: 신산업을 떼어내 상호배타·전체포괄로.
- 챕터 3 VARX·연결성: 70산업 상호작용(TCI 68.5%).
- 챕터 4 시나리오: DSGE 외생 조건화 → 2035 전망. 결론 — 단기는 대외충격, 장기 리스크는 인구(노동).
※ 증가율은 장기 수렴하나 불확실성(팬)은 확대. 데모는 6산업·점추정으로 방법을 재현.
방법론 메모 · 원 구현 06_scenario.py·08_dsge_block.py · DSGE는 선행연구와 동일 엔진 · 표와 그림 페어링.