Forecasting Nickel Commodity Prices with Liquid Neural Networks

니켈은 스테인리스강 제조뿐 아니라 전기차 배터리의 핵심 소재로서 수요가 빠르게 증가하고 있다. 이러한 배경에서 니켈은 에너지 전환 시대에 전략적 중요성이 높은 자원으로 인식되며, 공급망 관리 차원에서도 체계적인 대응이 요구된다. 예를 들어, 2022년 러시아-우크라이나 전쟁 당시 러시아산 니켈의 공급 불확실성이 확대되면서 가격이 급등한 바 있다. 이처럼 니켈 가격은 지정학적 이슈와 글로벌 공급망의 변화에 민감하게 반응하며, 이는 제조 산업의 비용 예측과 자재 조달 전략 수립에 있어 중요한 리스크 요인으로 작용한다. 기존의 니켈 가격 예측 모델은 통계 기반의 선형 회귀나 단순 시계열 기법에 주로 의존해 왔으나, 산업 간 연계성과 비선형적 변수들이 복합적으로 작용하는 원자재 시장의 특성을 충분히 반영하지 못한다는 한계가 있다. 이에 본 연구는 시계열 데이터의 비선형성과 동적 변동성에 효과적으로 대응하기 위해 액체 신경망(Liquid Neural Network, LNN)을 활용한 예측 모델을 제안한다. 액체 신경망은 기존에 널리 사용되던 RNN이나 LSTM보다 적은 수의 파라미터로도 시간에 따른 상태 변화를 유연하게 반영할 수 있는 장점을 지닌다. 본 연구는 세 단계로 구성된다. 첫째, 니켈 가격에 영향을 미치는 시차를 파악하기 위해 주요 원자재 가격 변수들과 1~10개월의 시차를 두고 상관분석을 수행한다. 둘째, 이 분석 결과를 기반으로 도출된 독립변수를 활용해 LNN 기반의 니켈 가격 예측 모델을 구축한다. 셋째, 예측 모델에 포함된 주요 변수들을 바탕으로 니켈 산업의 구조적 맥락에서 원자재 간의 인과관계를 해석한다. 실험결과, 제안한 LNN 기반 모델은 기존의 RNN, GRU, LSTM, Random Forest, OLS 모델보다 더 우수한 예측 정확도를 보였다.