Earticle

소재·부품·장비(이하 ‘소부장’)산업은 제조업 경쟁력을 결정 짓는 핵심 요소이다. 창원 은 소부장특화단지로 선정되는 등 가치사슬 완결형 소부장 클러스터로 성장 가능성을 인 정받았다. 그러나 산업환경에 능동적으로 대응하지 못하면서 산업뿐만 아니라 지역경제 활 력을 감소시키고 있다. 본 연구는 한국평가데이터(주)에서 제공하는 정보를 활용하여 창 원시 소부장업체를 중심으로 지역, 산업, 기업간 거래 네트워크 분석을 수행하였다. 산업 간 거래 네트워크에서는 지역의 주력산업인 자동차 부품, 전자부품, 선박 부품, 금속가공 등의 산업이 중심에 있는 것으로 나타나, 소부장산업 중에서도 부품산업을 중심으로 산 업이 이루어져 있는 것을 확인할 수 있었다. 또한 지역 대기업의 네트워크 중심성 지수가 높게 나타나 지역에 위치한 대기업을 중심으로 한 하청형 구조로 거래 네트워크를 형성 하고 있는 것이 확인되었다. 아울러 대기업과 거래하는 몇 기업을 제외하고는 하위 공급 망에서 거래가 이루어지고 있는 것으로 나타났다. 창원의 소부장산업 활성화를 위해서는 대기업 하청구조에서 벗어나 자력으로 중소기업이 성장할 수 있는 환경을 조성하고 거래 다변화, 신사업 확장 등 중소기업 체질 개선을 위한 정책이 필요하다. 또한 신사업에 즉 각 대응할 수 있는 인력을 양성할 수 있는 시스템을 구축하고 산업 네트워크를 관외로 확장함으로써 지역 소부장산업이 경쟁력을 확보할 수 있을 것으로 기대된다.

The materials, parts, and equipment industry(MPE) is crucial elements determining the competitiveness of the manufacturing sector. Recognized as a specialized cluster for MPEs, Changwon has been selected as a specialized cluster, acknowledging its potential for growth as a value chain-integrated MPE cluster. However, failing to actively adapt to the industrial environment is not only affecting the industry itself but also diminishing the vitality of the regional economy. This study analyzed transaction networks among regional industries, focusing on MPEs in Changwon City, utilizing 40,000 transaction records from the Busan-Gyeongnam region provided by Korea Evaluation Data Co., Ltd. Findings indicate that key industries such as automotive parts, electronics, ship parts, and metal processing dominate inter-industry transactions, particularly centered around the parts industry within MPEs. The study reveals a subcontracting network structure revolving around large local corporations in Changwon, with most transactions occurring within lower tiers of the supply chain. Policy interventions are necessary to foster an environment for MPEs to grow independently, diversify transactions, and expand into new businesses, ultimately enhancing regional competitiveness. Efforts should include talent development for agile responses to new business opportunities and expanding regional industrial networks for MPEs to thrive.

COVID-19 팬데믹은 전 세계적으로 막대한 자본 손실과 주식시장의 변동성 증가를 초래 한 사건이다. 본 연구는 COVID-19 팬데믹 기간을 보건복지부의 발표에 따라 4개 펜데믹 유행구간으로 나누어 각 구간 별 팬데믹이 국내 KOSPI와 KOSDAQ 주식시장 수익률에 미 친 영향을 GJR-GARCH 모델을 사용하여 분석하였다. 또한 사망자와 확진자 수가 주식시장 변동성에 미치는 영향을 추가적으로 분석하고 있다. 분석에 사용된 데이터는 2020년 2월 19 일부터 2022년 1월 19일까지의 일별 수익률 시계열 자료와 일별 COVID-19 사망자수와 확 진자 수이다. 실증분석 결과, 모든 주식 지수에서 변동성이 증가되었으며, 레버리지 효과와 렙토쿠르틱 현상을 나타내는 초과 첨도가 존재하였다. 특히, 1차 유행기에 COVID-19로 인 하여 주식 수익률 변동성과 레버리지 효과가 가장 크게 나타났다. 한국의 경우 효과적인 정 부정책과 보건의료 체계로 인하여 COVID-19의 나쁜 뉴스인 사망자와 확진자 수는 주식시 장 변동성 증가에 뚜렷하게 충격을 주지 않았다. 본 연구의 결과는 글로벌 주식시장 투자자 와 경제정책 입안자에게 위기 상황에서의 금융 포트폴리오 구성과 정책대응에 중요한 통찰 력을 제공할 것으로 판단된다.

This paper analyzes the impacts on the KOSPI and KOSDAQ stock market returns using the GJR-GARCH model, considering four sub-pandemic periods specified by the Ministry of Health and Welfare in Korea recognizing that the COVID-19 pandemic has caused significant capital loss and increased stock market volatility worldwide. The data used for the analysis include daily return time series from February 19, 2020, to January 19, 2022. Empirical analysis shows higher volatility in all stock indices, with evidence of leverage effects and leptokurtosis. Notably, during the first wave of the pandemic, stock return volatility and leverage effects were at their highest. However, due to effective government policies and healthcare systems in Korea, the negative news regarding COVID-19 death and infection rates did not significantly contribute to increased stock market volatility. These findings provide valuable insights for global stock market investors and economic policymakers in managing financial portfolios and designing effective policies during the possible crisis in the future.

본 연구는 입지계수 및 지역성장률시차분석을 활용하여 전북특별자치도의 3대 주축산 업의 실질적 경쟁력을 분석하는 것을 주목적으로 한다. 2019~2022년, 통계청 전국사업체 조사 데이터를 활용하였으며 이에 대한 분석결과는 다음과 같다. 첫째, 3대 주축산업 모두 입지계수 최소 1.390 ~ 최대 2.021로 전북지역 내 산업집적도 가 높았으며, 산업에 따라 집적도 수준의 차이가 존재하였다. 둘째, 지역성장률시차분석 결과 농생명바이오는 ‘잠재산업’, 특수목적용지능형기계부 품은 ‘성장산업’, 탄소융복합소재산업은 ‘정체산업’으로 도출되었다. 한편, 전국 17개 시· 도간 비교분석 결과 최소 6개 이상의 긍정적 성장잠재력을 지닌 경쟁지역이 있는 것으로 나타났다. 셋째, 입지계수와 성장률시차분석 간 교차분석 결과 3대 주축산업 내 세부 산업 중 총 16개가 지역에서 지속적인 경쟁우위 산업으로 입지를 다지고 있음을 확인하였다. 본 연구는 전북지역의 산업경쟁력 강화를 위해 특례제도의 적극 활용, 지역 간 연계협 력 강화, 주축산업 가치사슬 재정립 및 차별화 전략이 필요하다는 시사점을 제공한다.

The main purpose of this study is to analyze the actual competitiveness of the three major industries of Jeonbuk state using LQ and GRD analysis. The results of the analysis using the data from KOSIS from 2019 to 2022 are as follows. First, all of three major sectors had a high degree of industrial agglomeration in the Jeonbuk state with an LQ of at least 1.390 to a maximum of 2.021, and there were differences in the level of agglomeration depending on the industry. Second, as a result of the GRD analysis, the agricultural & bio-industry was identified as a potential industry, intelligent mechanical parts as a growth industry, and the carbon fusion composite material industry as a stagnation industry. Meanwhile, as a result of a comparative analysis between 17 cities and provinces, it was found that there were at least six competitive regions with positive growth potential. Third, according to cross-analysis between LQ and GRD analysis, an empirical analysis shows that a total of 16 sub-industries within the three major industries are consistently positioned as competitive advantage industries in the region. This study suggests that in order to strengthen industrial competitiveness in the Jeonbuk state, it is necessary to actively utilize the special cases, strengthen cooperation between regions, reestablish the value chain of the main industry, and differentiate strategies.

딸기는 최근 수출이 늘어 안정공급을 위한 체계적인 모니터링이 필요하다. 일일 딸기 공급량을 예측하기 위한 기계학습모델링 프로세스를 진행하였다. 전국 도매시장에서 12 년간 수집한 거래 내역 데이터를 이용해 기계학습모형을 적용하고 평가했다. 선형회귀, 다층 퍼셉트론(MLP), LSTM 등의 기법을 시도하였다. 그 결과, Random Forest와 Extratrees Regressor의 성능이 다른 모델보다 우수하게 나타났다. 기계학습 모형을 통한 국내 딸기 공급량 예측은 모형의 높은 정확도와 예측력을 기반으로 농가들이 최적의 생산 계획을 수립할 수 있게 하여, 생산성과 효율성을 높이는 데 기여한다. 이를 통해 시장 변화에 보다 신속하게 대응할 수 있으며, 안정적인 공급망 관리와 품질 향상 은 소비자 만족도를 높일 수 있다.

Recent increases in strawberry exports highlight the need for systematic monitoring to ensure stable supply. We conducted a machine learning modeling process to predict daily strawberry yields. Utilizing transaction data collected from nationwide wholesale markets over 12 years, we applied and evaluated machine learning models, including linear regression, multilayer perceptron(MLP), and LSTM. The results revealed that Random Forest and Extratrees Regressor outperformed other models in terms of predictive accuracy. The prediction of strawberry supply in Korea using machine learning models enables farmers to establish optimal production plans based on the high accuracy and predictive power of the models, thereby contributing to increased productivity and efficiency. This allows for a more rapid response to market changes, while stable supply chain management and quality improvements can enhance consumer satisfaction.