본 연구는 고차원 설명변수를 활용하여 서비스 및 소매판매 산업활동동향 지표에 대한 디플레이터를 대상으로, 나우캐스팅(Nowcasting)을 수행하고, 다양한 선형 및 비선형 예측 방법의 성과를 비교·분석한다. 선형 방법에서는 AR/ARX 모형을 기반으로 요인분석과 축소추정 기법을 결합한 방법, 비선형 방법에서는 Tree 기반 방법, 인공신경망 기반 방법 등을 활용한다. 예측 결과, 서비스 디플레이터에서는 AR + Ridge 방식이, 소매판매 디플레이터에서는 ARX + 요인분석 + LASSO/ElasticNet 방식이 각각 가장 우수한 예측력을 보인다. 또한, 1년 시차항은 최신 정보가 추가로 반영되는 예측 시점에서 두 디플레이터 모두의 예측력을 개선하는 것으로 나타난다. 한편 비선형 머신러닝 방법은 설명변수의 시점 정보를 충분히 반영하지 못한 제약으로 인해 상대적으로 낮은 예측 성과를 보인다. 이러한 결과는 산업활동동향 디플레이터의 나우캐스팅에서 예측 시점별 그리고 예측 대상별 방법론 구조와 변수의 시점 차이가 예측 성능에 핵심적인 역할을 함을 시사한다.