Earticle

초록

한국어

전 세계적으로 물가가 크게 치솟고 있다. 특히 이중에서 최근 농산물 가격이 급등하고 있다. 농산물은 인간 생존에 필수적이며 일상에 직접적인 영향을 미치기 때문에 매우 민감한 이슈이다. 더욱이 코로나19 팬데믹 현상과 우크라이나-러시아 전쟁이 이러한 문제를 악화시키며 농산물 가격 인상을 더욱 가중시키고 있다. 이로 인해 소비자는 물론, 농산물을 가공하고 생산하는 기업들 역시 큰 부담을 겪고 있는 것이 현실이다. 특히 수입 의존도가 높은 우리나라의 경우 많은 농산물을 해외 시장에 의존하고 있는 관계로 더욱 중요하게 살펴보아야 한다. 그럼에도 불구하고 수입 농산물 가격 예측에 대한 연구는 많이 부족한 실정이다. 본 연구에서는 이러한 배경 속에서 주요 연구 질문(RQs)을 중심으로 수입 농산물 가격 변동에 따라 최종 제품의 소매 가격을 예측하는 인공지능(AI) 모델을 구현한다. 이와 동시에, 코로나19로 인한 공급망 문제, 우크라이나-러시아 전쟁과 같은 글로벌 이슈가 가격 인플레이션에 미치는 영향을 살펴본다. 연구 대상은 주요 수입 농산물로 옥수수, 밀, 대두의 상위 3개 품목을 선정하고, 이들로 제조되는 일상 생활에서 가장 많이 소비되는 가공식품을 중심으로 예측 모델을 구현한다. 이때 농산물이 가공되는 유통 및 제조 과정을 고려하여 주요 변수를 추가한다. 특히, 이들 변수 간의 관계를 상관관계 분석을 통해 분석하고, 빅데이터 분석을 활용하여 예측 모델을 구현하여 가장 높은 예측 정확도를 보이는 모델을 선정한다. 본 연구에서는 VAR 모델이 머신러닝 모델 중 가장 높은 예측 정확도를 보였으며, LSTM 모델이 딥러닝 모델 중 가장 높은 정확도를 보였다. 결론적으로, 본 연구의 학문적 차원에서의 시사점은 국제 원자재 시장과 글로벌 무역이 국내 기업의 생산과 유통에 미치는 영향을 인공지능 모델을 통해 과학적으로 분석하고 제안한다. 또한, 본 연구는 코로나19 팬데믹으로 인한 원자재 공급 차질을 체계적으로 규명하고 설명한다. 더 나아가, 본 연구의 실무적 시사점은 본 연구를 활용함으로써 기업은 수입 농산물의 가격 변동이 최종 제품의 가격 결정에 미치는 영향을 파악할 수 있으며 이를 통해 기업은 예측 모델을 적용하여 최종 제품 가격 변화에 선제적으로 대응할 수 있다. 또한, 기업은 수입 농산물 가격과 최종 제품 소매 가격 간의 관계를 확인함으로써 국내외 유통 과정에서 발생하는 비용을 보다 명확하게 이해할 수 있습니다. 이는 유통 구조 혁신에 기여할 수 있다.

영어

Globally, prices are soaring, and among these, agricultural product prices are experiencing significant increases. Agricultural products are essential for human survival and have a direct impact, making this a highly sensitive issue. This problem has been further exacerbated by the COVID-19 pandemic and the Ukraine-Russia war, leading to even greater price hikes. Consequently, this situation places a considerable burden not only on consumers but also on the companies that process and produce these agricultural products. In particular, South Korea, a country with a high dependency on imports, relies on foreign markets for many agricultural products. However, despite this reliance, there is a lack of research on predicting the prices of imported agricultural products. For this reason, this study implements an AI model that predicts the retail prices of final products based on fluctuations in the prices of imported agricultural products, focusing on key research questions (RQs) and the distribution process. In addition, it examines the impact of global issues such as supply chain disruptions caused by COVID-19 and the Ukraine-Russia war on price inflation. In this study, the top three imported agricultural products―corn, wheat, and soybeans―are selected as key imported agricultural items, and the prediction model is implemented focusing on the processed foods most commonly consumed in daily life that are manufactured from these products. At this time, key variables are added by taking into account the distribution and manufacturing processes involved in the processing of agricultural products. Specifically, the relationships between these variables are analyzed through correlation analysis, and a prediction model is implemented using big data analysis to select the model with the highest prediction accuracy. In this study, the VAR model showed the highest prediction accuracy among machine learning models, while the LSTM model demonstrated the highest accuracy among deep learning models. In conclusion, the academic implications of this study demonstrate that the impact of the international commodity market and global trade on the production and distribution of domestic companies can be scientifically analyzed and proposed through AI models. Additionally, the study systematically identified and explained the raw material supply disruptions caused by the COVID-19 pandemic from an academic perspective. Furthermore, the practical implications of this study for companies are significant. By utilizing this research, companies can identify how price fluctuations in imported agricultural products affect the pricing of final products. It allows them to proactively respond to changes in the prices of final products by applying the forecasting model. Additionally, companies can confirm the relationship between the prices of imported agricultural products and the retail prices of final products, gaining a clearer understanding of the costs incurred during domestic and international distribution processes. It can be used to drive innovations in the distribution structure.

목차

요약
Ⅰ. Introduction
Ⅱ. Literature Review
Ⅲ. Research Design
3.1 Variable Definition
3.2 Algorithm Specification
3.3 Data Collection and Preprocessing
3.4 Basic Data Analysis
Ⅳ. Analysis Results
4.1 Correlation Analysis
4.2 Implementation of Machine Learning Prediction Model
4.3 Implementation of Deep Learning Prediction Model
4.4 Research on COVID-19
Ⅵ. Conclusion and Future Works
References
Abstract

저자

• 박종필 [ Jongpil Park | 경남대학교 디지털마케팅학과 조교수 ]
• 정민수 [ Minsu Jung | 경남대학교 디지털마케팅학과 학부 연구자 ] 교신저자

참고문헌