태터데스크 관리자

도움말
닫기
적용하기   첫페이지 만들기

태터데스크 메시지

저장하였습니다.

■ 세계경제 전반

○ 신규 암호화폐 규제미비, 신원도용‧고수익 보장 등의 위법 행위를 유발(WSJ) 

- 암호화폐의 관심이 지속되면서 다수 기업이 신규 암호화폐 시장에 참여. 하지만 WSJ에 따르면, 2014년 이후 발행된 암호화폐 1450개 가운데 271개에서 신원도용, 고수익 보장 등의 위법 행위가 발생했다고 지적

- 3월 Derano는 암호화폐를 발행하며 공동설립자로 Jeremy Boker라는 인물이 등록되었지만, 그가 실존하고 있는지 불확실. Derano가 사용한 Jeremy Boker의 인물사진은 폴란드의 은행가 Jenish Mirani로 확인

- 일부 발행 기업은 암호화폐 투자를 통해 리스크 없이 고수익 보장한다고 홍보. 일부 발행 기업은 홈페이지에 공개된 기업목표, 인적구성, 암호화폐 특성이 거의 동일하여 관련 기업에 대한 보다 철저한 검증이 필요

- 위법 행위 의심이 존재하는 271개 암호화폐 발행에 10억달러의 투자금이 유입되었으며, 그 중 2억7300만달러의 손실이 발생

- 미국 증권거래위원회는 미비한 규제가 위법행위의 주요 원인이라고 판단하고 이를 수정할 방침. Baker Botts의 Bradley Bennett는 위법행위는 투자자의 손실 가능성을 의미하며, 법규를 정확히 준수하는 발행기업은 많지 않은 것 같다고 언급



○ 기계학습(machine learning),경기전망수단의판도변화(game changer)역할기대(블룸버그) 

- 다수 거시경제학자는 경제전망 예측을 시도하지 않는 편. 실제로 주류 경제학 학술지에는 예측치를 제시하는 경우는 드문 상황. 대부분 향후 전망보다는 정책효과를 추정하는 것이 대다수. 이는 영국 엘리자베스 여왕이 런던 정경대(LSE)를 방문한 사례에서 금융위기 예측 실패를 보고받은 것과 같이, 경제학자는 경기전망을 시도해야 할 필요성이 존재. 이는 기상청이 폭풍 등을 관측하는 것과 동일

 - 시장이나 학계에서 경제전망에 관심을 기울이지 않는 설명은 다양하지만, 핵심적 이유는 예상 자체가 어렵기 때문. 세부정보를 수집하는 날씨와 달리 성장 모형은 투자, 소비, 물가 등 다수 의심스러운 가정에 의존

 - 거시경제 예측분야는 중앙은행, 정부, 민간 경제학자 등의 영역에 한정. 그러나 경제학자는 game changer가 될 수 있는 강력한 수단이 있으므로, 전망을 다시 시도할 필요. 수단은 대표적으로 기계학습(machine learning)

 - 기계학습이란 정확하게 모형화하는 대신 가능한 정확하게 변수들을 예측하는데 초점을 맞춘 알고리즘 방식의 집합. 기계학습 알고리즘은 전통적인 예측 모형보다 정확하다는 장점을 보유

 - 예를 들어, 최근 심층학습으로 알려진 알고리즘 유형은 다양한 분야에서 탁월한 성과를 창출. 인공지능인 심층학습은 복잡한 보드게임에서 인간에게 승리를 거두고, 스스로 운전이 가능

 - 경제학자는 새로운 수단을 선호하며, 기계학습도 동일. Susan Athey, Guido Imbens, Sendhil Mullainathan는 알고리즘을 사용하여 경제현상에서 원인과 결과를 확인하는 통계방법 제고 방식을 개발. 이는 경제구조를 파악하여 인과관계를 규명하는 것이므로, 독창성이 필요. 기계학습 기술은 기존 수학접근법보다 효과적으로 예측 가능하도록 설계  

- 아직 부각되지 않았으나, 영국의 Rickard Nyman과 Paul Ormerod 그리고 캔자스 연은의 Thomas Cook과 Aaron Smalter Hall은 기계학습이 기존 모형보다 더 예측도가 높았음을 보고

 - 여전히 경제학계에 관심을 받고 있지 않지만, 기계학습을 통해 경기침체 전 예측이 가능하다면, 통화정책 개선과 경제학의 명성 회복에 기여할 전망


○ 데이터 보호주의, 전세계 기업 활동의 위협 요인(FT) 

- 스웨덴의 트럭생산업체 Scania는 국가 간 데이터 장애요소로 사업에 어려움을 겪고 있는 상황. Scania는 데이터를 활용하여 소유자가 차량관리 서비스를 관리하는데 도움을 주고, 차세대 차량 제조에 활용. 그러나 Scania는 국제적으로 데이터 이전을 심각하게 제한하는 중국에서 해당 국가의 데이터 저장과 정보의 일부를 분리해야 하는 추가 비용이 발생. 다수 국가에서도 유사하게 데이터 제한을 설정

 - 맥킨지에 의하면, 2015년까지 10년 간 전통적인 무역은 급격하게 둔화되었지만, 디지털 흐름은 증가. 전체 경제가 정보집약적으로 변모함에 따라 석유와 가스와 같은 중공업도 데이터 중심으로 전환. 하지만 기업의 정보가 비협조적(Balkanised)인 경우에 새로운 국가 데이터의 추가비용이 발생하며, 기업은 비효율성에 직면. IBM의 Nicholas Hodac, 최적 서비스 제공 위치로 데이터 전송이 불가하면, 효율적 서비스 제공이 곤란하다고 언급

 - 중국은 대규모 방화벽으로 장기간 대부분의 해외 웹 어플을 차단했으며, 국가안보 또는 공익에 적시된 경제적, 과학적, 기술적 위험을 줄이기 위해 중요한 데이터 수출을 차단할 다양한 권한 부여

 - 중국은 알리바바, 텐센트, 바이두 등 대형 기술업체를 보유하고 있으며, 인공지능과 같은 새로운 분야에서 강력한 입지를 확보. 그렇지만 미국 상공회의소는 데이터 제한이 2025년까지 중국 GDP를 1.8~3.4%를 줄일 것이라고 추산

 - 국제적인 데이터 흐름을 보호하는 가장 확실한 방법은 다자간, 지역 또는 양자 간 무역거래에 의해 가능. 그러나 데이터 흐름을 관리하는 WTO 법령은 소송을 완전하게 해결하기 어려운 편

 - 전자 프런티어 재단(Electronic Frontier Foundation, EFF)의 Jeremy Malcolm, 데이터 지역화를 방지하는 접근하는 방식에 동의하지만, 데이터 보호, 사이버 보안, 소비자 권리 등과 균형을 같이해야 한다고 주장

 - 이러한 가운데 미국과 EU는 상거래와 달리 데이터 보호 철학에서 상반된 입장. 데이터 자유화 규정을 원하는 미국은 사실상 데이터 보호주의 정책을 고수하는 EU에 대해 비판적 시각을 견지

 - 각국의 이해관계에 따라 데이터 흐름에 대한 광범위하고 구속력 있는 국제규정의 전망은 불투명. 선진국이 데이터 흐름에 균형 있는 규정을 결집시키지 못한다면, 디지털 정보관리의 발전은 지체될 수밖에 없을 전망

+ 최근 게시물