Search
Search

연구성과물 검색 타이틀 이미지

HOME ICON HOME > Search by Achievements Type > Reports View

Reports Detailed Information

https://www.krm.or.kr/krmts/link.html?dbGubun=SD&m201_id=10071626&local_id=10086517
고차원 혼합주기 시계열 자료를 활용한 리스크에 대한 해양산업의 동조성 분석
Reports NRF is supported by Research Projects( 고차원 혼합주기 시계열 자료를 활용한 리스크에 대한 해양산업의 동조성 분석 | 2016 Year 신청요강 다운로드 PDF다운로드 | 김현석(부산대학교 경제통상연구원) ) data is submitted to the NRF Project Results
Researcher who has been awarded a research grant by Humanities and Social Studies Support Program of NRF has to submit an end product within 6 months(* depend on the form of business)
사업별 신청요강보기
  • Researchers have entered the information directly to the NRF of Korea research support system
Project Number 2016S1A5A8020479
Year(selected) 2016 Year
the present condition of Project 종료
State of proposition 재단승인
Completion Date 2017년 10월 24일
Year type 결과보고
Year(final report) 2017년
Research Summary
  • Korean
  • 과거의 경제충격을 중심으로 한 경제위기에 따른 영향을 살펴보면 위기를 전후하여 국내외 여러 경제 변수들의 움직임은 큰 변화를 겪고 있다. 이미 경험한 바와 같이 다양한 리스크는 1997년 아시아 외환위기와 2008년 글로벌 위기와 같이 금융리스크(financial risk) 그리고 최근 2014년 세월호 침몰 사건이나 2015년 메르스 사태와 같은 가장 광범위하고 손실이 막대한 재난리스크(disaster risk)로 구분 할 수 있다. 무엇보다도 리스크의 범위는 점차 확대되고 다양한 형태로 나타나기 때문에 경제가 지속가능하고 안정적으로 성장하기 위해서는 리스크의 영향을 분석하고 관리하기 위한 기능이 필요하다.

    다양한 리스크로부터 발생하는 경제충격에 대하여 경제 내 산업들의 반응이 상호간에 얼마나 상이한지 혹은 유사한가를 분석하는 것은 이론과 정책에서 매우 중요하다. 즉, 분석 측면에서 기존 이론의 현실 설명력을 평가하는 기준이자 새로운 이론을 제시하는 계기가 될 수 있으며, 정책 관점에서는 경제 충격이 다양한 산업에 대하여 광범위한 영향을 미치는 경우와 그렇지 않을 경우를 구분함으로써 정책의 방향과 범위를 결정할 수 있다.

    기존의 산업간 경기변동 주기에서 유사하게 움직이는 동조성(industry comovement)에 대하여 Acemoglu et al (2012)는 거시경제 공통충격과 산업간 중간재 거래로부터 발생한다고 주장한다. 그러나 기존의 산업간 동조성에 대한 연구는 시간에 따라 변하지 않는다는 다소 현실에 부합하지 않는 가정에서 분석한다.

    따라서 본 연구는 불확실성하의 다양한 리스크로부터 발생하는 충격에 대하여 산업간 반응의 유사성이 지난 30년간 어떻게 변화해 왔는지를 분석하고자 하며, 다음과 같은 점에서 기존 연구들과 차별화 된다.

    1) 구체적으로 정의된 다양한 리스크가 산업간 동조성에 미치는 효과를 분석한다.
    2) 거시경제 공통리스크와 해양산업의 고유한 리스크 동조성을 비교분석한다.
    3) 시간의 흐름에 따라 어떻게 변화하는지를 분석한다.

    실증분석을 위해 본 연구는 혼합주기(mixed frequency) 또는 비완전 자료(incomplete data)의 형태를 분석에 포함한다. 즉, 각각의 변수들이 주별, 월별, 분기별 또는 연별로 관측되어 서로 다른 관측주기를 가지는 혼합주기형 자료 구조를 가진다. 특히, 산업생산 등의 생산관련 월별 혹은 분기별 자료에 대하여 금융리스크 관련 자료는 주별 혹은 일별의 고차주기(high-frequency)자료가 주를 이룬다.

    이에 대한 기존연구는 크게 Chow와 Lin (1971)과 Ghysels와 Valkanov (2006)에서처럼 고차 주기의 자료(high-frequency data)를 시간적으로 통합(temporal aggregation)하여 저차 주기(low-frequency)로 만들거나, Cuche와 Hess (2000)와 Liu와 Hall (2001)의 연구처럼 저차 주기의 자료를 보간(interpolation)하여 고차 주기로 만든 이후 단일주기형태(single-frequency)에 근거 한 다변량 시계열 모형에 의존한 형태로 구분한다. 그러나 이는 정보의 손실 및 예측력 저하를 일으키고 편의된 추정 결과를 산출할 수 있으며, 최근 Ferraro et al (2015)의 실증분석 결과는 월별 혹은 분기별과 같은 주기에 따른 상이한 결과를 제시하고 있다.

    이러한 맥락에서 Seong 등 (2012)은 모든 다변량 시계열들이 최고차원의 주기(highest frequency)에서 생성된다고 가정하고 혼합주기형 공적분 분석을 위하여 VECM의 상태공간모형화(state space model) 및 추정 방법을 제안하였다. 이를 이용하여 EM(expectation maximization, Dempster 등, 1977) 및 칼만필터(Kalman filter)에 기반하여 최대가능도 추정법(maximum likelihood estimation)을 고려하고, 고차 주기 시점을 기준으로 저차 주기 시계열 자료들을 추정(또는 평활, smoothing)하였다. 그들은 고차 주기로 보간하거나 저차 주기로 통합하지 않고 공적분 모형을 수립함으로써 추정 및 예측의 효율성을 크게 개선하였다.

    따라서 본 연구는 다양한 리스크로부터 발생하는 고빈도 자료에 대하여 저빈도 자료에서 나타난 반응을 분석하고자 하며, 다음과 같은 점에서 기존 연구들과 차별화 된다.

    1) Seong 등의 방법을 이용하여 우리나라 월별 산업간 생산지수 및 주별 혹은 일별 금융과 실물관련 리스크로 이루어진 다차원 혼합주기형 시계열에서 공적분 분석을 시도한다.

    2) 특히, 글로벌 금융위기 이후 속보성 있는 거시경제통계에 관심이 높은 만큼 본 연구를 통한 고차주기(high-frequency) 추정 및 예측은 의미있는 연구로 사료된다.
  • English
  • Looking at the effects of the economic crisis on the past economic shocks, the movement of domestic and foreign economic variables has undergone a major change in the post - crisis period. As we have already seen, the various risks include financial risk, such as the Asian financial crisis in 1997 and the global crisis in 2008, and the most widespread and catastrophic disaster risks, such as the 2014 Mortar incident or the 2014 Mortar incident (disaster risk). First and foremost, the scope of risk is increasing and manifesting itself in various forms, so in order for the economy to grow sustainably and steadily, a function is needed to analyze and manage the impact of the risks.

    It is very important in theory and policy to analyze how the responses of the industries in the economy to each other are different or similar to the economic shocks arising from various risks. In other words, it can be a basis for evaluating reality explanatory power of existing theory and suggesting new theory from the analytical point of view. From the policy point of view, Direction and range can be determined.

    Acemoglu et al (2012) argues that similar com- pensation occurs in the inter-industry cycle of economic cycles, resulting from macroeconomic shocks and inter-industry interim transactions. However, the research on existing interindustry synchronicity is analyzed in the assumption that it does not change with time.

    Therefore, this study attempts to analyze how the similarity of the responses of the industries to the shocks arising from various risks under uncertainty has changed over the last 30 years. It differs from the previous studies in the following points.

    1) Analyze the effects of various defined risks on industry-to-industry synergies.
    2) Compare and analyze macroeconomic common risk and oceanic industry's inherent risk harmonization.
    3) Analyze how it changes with time.

    For empirical analysis, this study includes the analysis of mixed frequency or incomplete data. That is, each of the variables has a mixed data structure that is observed by week, month, quarter, or year and has different observation periods. In particular, data on financial risk for weekly or quarterly data on production, such as industrial production, are based on weekly or daily high-frequency data.

    Previous studies have shown that high-frequency data can be temporally aggregated into low-frequency as in Chow and Lin (1971), Ghysels and Valkanov (2006) As the study of Cuche and Hess (2000) and Liu and Hall (2001), interpolations of the low-order period data are made into higher order cycles, and then the form is dependent on the single-frequency based multivariate time series model. do. However, this results in loss of information and deterioration of forecasting ability, and it can yield the estimated estimation result. Recently, Ferraro et al (2015) empirical results show different results according to the period such as monthly or quarterly.

    In this context, Seong et al. (2012) suggested that all multivariate time series are generated at the highest frequency, and proposed state space model and estimation method of VECM for mixed-root cointegration analysis. Using this, we consider maximum likelihood estimation based on EM (expectation maximization, Dempster et al., 1977) and Kalman filter and estimate low-order time series data based on high-order cycle time Smoothing). They have greatly improved the efficiency of estimates and predictions by establishing a cointegration model without interpolating at higher-order cycles or integrating them at lower-order cycles.

    Therefore, this study attempts to analyze the response from low frequency data on high frequency data originating from various risks, and it differs from the previous studies in the following points.

    1) Using the method of Seong et al., We try to perform cointegration analysis in the multi-dimensional mixed-lagged time series composed of monthly interindustry production index and weekly or daily financial and real-related risks.

    2) In particular, high-frequency estimation and forecasting through this study is considered to be a meaningful study because of the high interest in macroeconomic statistics, which are breaking news after the global financial crisis.
Research result report
  • Abstract
  • 지속가능성장은 21세기 인류가 지향하는 필수 성장조건으로 지구 환경보전을 전제로 허용하는 범위 내에서 경제가 균형있고 조화롭게 발전하는 의미한다. 그러나 경제 환경은 점차 불확실성(uncertainty)과 위험(risk 이하 리스크)으로 함축하여 정의되는 구조가 갈수록 확대되어가고 있다.

    특히, 과거의 경제충격을 중심으로 한 경제위기에 따른 영향을 살펴보면 위기를 전후하여 국내외 여러 경제 변수들의 움직임은 큰 변화를 겪고 있다. 이미 경험한 바와 같이 다양한 리스크는 1997년 아시아 외환위기와 2008년 글로벌 위기와 같이 금융리스크(financial risk) 그리고 최근 2014년 세월호 침몰 사건이나 2015년 메르스 사태와 같은 가장 광범위하고 손실이 막대한 재난리스크(disaster risk)로 구분 할 수 있다. 무엇보다도 리스크의 범위는 점차 확대되고 다양한 형태로 나타나기 때문에 경제가 지속가능하고 안정적으로 성장하기 위해서는 리스크의 영향을 분석하고 관리하기 위한 기능이 필요하다.

    충격에 대한 반응 중심에서 볼 때, 다양한 리스크로부터 발생하는 경제충격에 대하여 경제내 산업의 반응과 개별산업 상호간에 얼마나 상이한지 혹은 유사한가를 분석하는 것은 이론과 정책에서 매우 중요하다. 즉, 분석 측면에서 기존 이론의 현실 설명력을 평가하는 기준이자 새로운 이론을 제시하는 계기가 될 수 있으며, 정책 관점에서는 경제 충격이 다양한 산업에 대하여 광범위한 영향을 미치는 경우와 그렇지 않을 경우를 구분함으로써 정책의 방향과 범위를 결정할 수 있다.

    따라서 본 연구는 불확실성하의 다양한 리스크로부터 발생하는 충격에 대하여 산업간 반응의 유사성이 지난 30년간 어떻게 변화해 왔는지를 분석하고자 하며, 다음과 같은 점에서 기존 연구들과 차별화 된다.

    1) 구체적으로 정의된 다양한 리스크가 산업간 동조성에 미치는 효과를 분석한다.
    2) 거시경제 공통리스크와 해양산업의 고유한 리스크 동조성을 비교분석한다.
    3) 시간의 흐름에 따라 어떻게 변화하는지를 분석한다.

    실증분석을 위해 본 연구는 혼합주기(mixed frequency) 또는 비완전 자료(incomplete data)의 형태를 분석에 포함한다. 즉, 각각의 변수들이 주별, 월별, 분기별 또는 연별로 관측되어 서로 다른 관측주기를 가지는 혼합주기형 자료 구조를 가진다. 특히, 산업생산 등의 생산관련 월별 혹은 분기별 자료에 대하여 금융리스크 관련 자료는 주별 혹은 일별의 고차주기(high-frequency)자료가 주를 이룬다.

    따라서 본 연구는 다양한 리스크로부터 발생하는 고빈도 자료에 대하여 저빈도 자료에서 나타난 반응을 분석하고자 하며, 다음과 같은 점에서 기존 연구들과 차별화 된다.

    1) Seong 등의 방법을 이용하여 우리나라 월별 산업간 생산지수 및 주별 혹은 일별 금융과 실물관련 리스크로 이루어진 다차원 혼합주기형 시계열에서 공적분 분석을 시도한다.

    2) 특히, 글로벌 금융위기 이후 속보성 있는 거시경제통계에 관심이 높은 만큼 본 연구를 통한 고차주기(high-frequency) 추정 및 예측은 의미있는 연구로 사료된다.
  • Research result and Utilization method
  • 본 연구의 학술적 기여도는 크게 다음의 두 가지 측면에서 기대할 수 있다.

    1) 개별 리스크에 대한 분석에서 해양산업에 영향을 미치는 리스크에 대한 실증분석과 새로운 접근방법의 유효성을 제시할 뿐만 아니라 산업간 동조성(industry comovement)이론에 대한 확장의 필요성을 제기한다.

    - 이론모형의 제약이 존재하지 않는 유연한 Bayesian 추정방법을 적용한 새로운 분석모형을 제시한다.
    - 일반적인 VAR모형에서 추정하는 충격반응분석 등의 추상적인 결과에 대하여 요인들의 상대적 중요성을 평가한다.
    - 구체적으로 정의된 다양한 리스크가 해양산업과 연관된 산업간 동조성에 미치는 효과와 시간 흐름에 따른 변화를 분석한다.
    - 이상의 실증분석 결과로부터 개별산업에 영향을 미치는 요인을 포함한 이론모형의 확장을 제안한다.

    2) 최근 등장한 다변수 시계열 자료를 위한 연구는 다음과 같은 두 가지 측면에서 제약이 있다. 첫 번째로, 불안정 시계열 또는 차분(differencing)에 의한 모형에 한정되기 때문에 공적분(cointegration) 관계는 무시되며 장기균형관계(long-run equilibrium)는 발견할 수 없게 된다. 두 번째로, 지금까지의 모든 모형들이 완전자료(complete data) 혹은 동일한 주기(frequency) 형태를 위한 것이라는 점이다. 이와 같은 배경으로, 본 연구에서 Bayesian TVFAVAR추정 결과로부터 제시한 해양산업관련 리스크를 관리하는데 있어서 다음과 같은 중요한 질문에 대한 답을 찾을 수 있을 것으로 기대한다.

    - 해양산업의 관련 산업간 연관효과를 분석하기 위해 시도된 방법은 어떠한 요인들을 중심으로 리스크를 고려하는가?

    - 대표적인 리스크들의 변동을 통해 해운산업의 동조성은 어떠한 특징이 있는가?

    본 연구는 현재 국제적으로 가장 활발한 연구가 진행되고 있는 분야 중의 하나인 고차원 자료(high-dimensional data)를 위한 다양한 통계적 분석 방법(Lasso-type estimation)을 비정상 시계열분석 분야에서 가장 중요한 모형인 다변수 모형과 최근 핵심적인 주제중 하나인 혼합주기(mixed frequency) 모형에 적용한다.

    본 연구자는 연구진행과정에서 아래와 같은 구체적인 방안으로 연구보조원 및 본교 대학원생들의 연구능력과 학업성취도 향상을 도모하고자 한다.

    1) 본 연구의 추정을 위해서는 R-project와 매틀랩(MATLAB)과 같은 프로그래밍 능력이 필수적으로 요구됨. 따라서 7, 8월 두 달간 연구보조원 및 여타 관심이 있는 대학원생들을 대상으로 ‘R-project와 매틀랩을 이용한 계량분석‘ 워크샵을 개설 예정

    2) 연구주제와 관련된 기존논문에 대한 심도 있는 토론을 위해서 한 달에 한 번씩 정기적인 기존논문발표모임을 운영. 연구보조원이 발표하고 교수 및 여타 관심 있는 참가자들이 질문 및 논평을 하는 형식
  • Index terms
  • 해양산업, 산업간 동조성, 전이효과, 고차원 자료, 혼합주기
  • List of digital content of this reports
데이터를 로딩중 입니다.
  • This document, it is necessary to display the original author and you do not have permission
    to use copyrighted material for-profit
  • In addition , it does not allow the change or secondary writings of work
데이터 이용 만족도
자료이용후 의견
입력
트위터 페이스북
NRF Daejeon
(34113) 201, Gajeong-ro, Yuseong-gu, Daejeon, Korea
Tel: 82-42-869-6114 / Fax: 82-42-869-6777
NRF Seoul
(06792) 25, Heonreung-ro, Seocho-gu, Seoul, Korea
Tel: 82-2-3460-5500 / Fax: 82-2-3460-5759
KRM Help Center
Tel : 042-869-6086 Fax : 042-869-6580
E-mail : krmcenter@nrf.re.kr