본 연구는 주택가격 수익률 분포의 꼬리부분을 적절한 분포로 묘사하고 위험을 측정하며 그 위험이 꼬리 부분의 비대칭성 여부를 따져보는 것이다. 이와 함께 VaR를 추정하는 여러 방법들의 성과를 비교 평가하는 것이다. 주택시장의 안정은 경제의 안정적인 성장을 위해 ...

본 연구는 주택가격 수익률 분포의 꼬리부분을 적절한 분포로 묘사하고 위험을 측정하며 그 위험이 꼬리 부분의 비대칭성 여부를 따져보는 것이다. 이와 함께 VaR를 추정하는 여러 방법들의 성과를 비교 평가하는 것이다. 주택시장의 안정은 경제의 안정적인 성장을 위해 매우 중요하다. 주택가격의 위험은 주택가격의 변동성이 격화되는 현상이다. 주택가격 위험 관리에 있어 가장 기본이 되는 것은 향후 발생할 가능성이 있는 위험을 정확하게 측정하는 것이다. 금융 위험을 측정하는 기본적인 지표인 VaR는 시장 위험관리 영역에서 주요한 역할을 수행하고 있다. VaR는 주어진 시간 간격과 유의수준 하에서 발생할 수 있는 최대 손실을 의미한다. VaR는 개념적으로 간단하고 적용하기도 쉽지만 극단적인 값들을 가진 경우에는 적절하지 않은 것으로 알려져 있다. 이러한 VaR의 단점을 극복하기 위한 방안으로 극단치이론(Extreme Value Theory, EVT)을 활용한다. 극단치는 위험관리 관점에서 매우 중요하다. 주택시장의 침체 가능성이 확대되는 때일수록 주택가격 위험을 정확히 예측하여 비우호적인 상황을 염두에 두고 미리 대응방안을 마련할 필요가 있다. 본 연구에서는 극단치이론 중 극단치에 대해 GP 분포를 적용한다. VaR의 계산을 위해서는 파라메트릭, 준파라메트릭, 그리고 비파라메트릭한 방법을 사용한다. VaR의 예측을 위해 롤링 윈도우(rolling window) 방법을 이용하여 모형별 상대적인 성과를 비교하게 된다. 분석 결과에 의하면, 로그수익률 분포는 좌측으로 많이 기울어져 있어서 왼쪽 꼬리 부분의 VaR가 오른쪽 꼬리보다 더 크게 나타났으며, 고려 대상이 된 모형들 중에서는 GARCH-EVT 모형이 주어진 자료들을 잘 설명하고 있는 것으로 나타났다.

This study appropriately describes the tail distribution of the housing returns, measures the risk, and assesses whether the risk is asymmetric for both tails. In addition, we compare the performance of various methods for estimating VaR. The stabilit ...

This study appropriately describes the tail distribution of the housing returns, measures the risk, and assesses whether the risk is asymmetric for both tails. In addition, we compare the performance of various methods for estimating VaR. The stability of the housing market is very important for the stable growth of the economy. The risk of housing price is the phenomenon that the volatility of house price is intensified. One of the important facts for managing house price risk is to accurately measure the risks that may arise in the future. VaR(Value-at-Risk), a fundamental indicator of financial risk, plays a major role in the area of market risk management. VaR means the maximum loss that can occur at a given time interval and significance level. VaR is conceptually simple and easy to apply, but is not appropriate for extreme values. To overcome the shortcomings of VaR, Extreme Value Theory (EVT) is used. Extreme values are very important from a risk management point of view. As housing market downturn is expected, it is necessary to predict the housing price risk accurately and prepare a prevented measure in advance considering the unfavorable situation. In this study, the GP distribution is applied to extreme values in extreme values. For the calculation of VaR, we use parametric, quasi-parametric, and nonparametric methods. We compare the relative performance of each model using the rolling window method to predict VaR. According to the analysis results, the distribution of housing returns is heavily tilted to the left, so that the VaR of the left tail is larger than that of the right tail. Among the models considered, the GARCH-EVT model well explains the given data.

본 연구는 주택가격 수익률 분포의 꼬리부분을 적절한 분포로 묘사하고 위험을 측정하며 그 위험이 꼬리 부분의 비대칭성 여부를 따져보는 것이다. 이와 함께 VaR를 추정하는 여러 방법들의 성과를 비교 평가하는 것이다. 주택시장의 안정은 경제의 안정적인 성장을 위해 ...

본 연구는 주택가격 수익률 분포의 꼬리부분을 적절한 분포로 묘사하고 위험을 측정하며 그 위험이 꼬리 부분의 비대칭성 여부를 따져보는 것이다. 이와 함께 VaR를 추정하는 여러 방법들의 성과를 비교 평가하는 것이다. 주택시장의 안정은 경제의 안정적인 성장을 위해 매우 중요하다. 주택가격의 위험은 주택가격의 변동성이 격화되는 현상이다. 주택가격 위험 관리에 있어 가장 기본이 되는 것은 향후 발생할 가능성이 있는 위험을 정확하게 측정하는 것이다. 금융 위험을 측정하는 기본적인 지표인 VaR는 시장 위험관리 영역에서 주요한 역할을 수행하고 있다. VaR는 주어진 시간 간격과 유의수준 하에서 발생할 수 있는 최대 손실을 의미한다. VaR는 개념적으로 간단하고 적용하기도 쉽지만 극단적인 값들을 가진 경우에는 적절하지 않은 것으로 알려져 있다. 이러한 VaR의 단점을 극복하기 위한 방안으로 극단치이론(Extreme Value Theory, EVT)을 활용한다. 극단치는 위험관리 관점에서 매우 중요하다. 주택시장의 침체 가능성이 확대되는 때일수록 주택가격 위험을 정확히 예측하여 비우호적인 상황을 염두에 두고 미리 대응방안을 마련할 필요가 있다. 본 연구에서는 극단치이론 중 극단치에 대해 GP 분포를 적용한다. VaR의 계산을 위해서는 파라메트릭, 준파라메트릭, 그리고 비파라메트릭한 방법을 사용한다. VaR의 예측을 위해 롤링 윈도우(rolling window) 방법을 이용하여 모형별 상대적인 성과를 비교하게 된다. 분석 결과에 의하면, 로그수익률 분포는 좌측으로 많이 기울어져 있어서 왼쪽 꼬리 부분의 VaR가 오른쪽 꼬리보다 더 크게 나타났으며, 고려 대상이 된 모형들 중에서는 GARCH-EVT 모형이 주어진 자료들을 잘 설명하고 있는 것으로 나타났다.

주어진 수익률 자료를 잘 묘사할 수 있는 분포를 발견하는 것은 매우 중요하다. 관련 모수 추정의 정확성을 높일 수 있을 뿐만 아니라 위험 지표를 계산하는 데도 엄밀성을 더할 수 있기 때문이다.

양쪽 꼬리 부분의 비대칭성이 발견될 경우 해당 지역의 위험과 보상이 ...

주어진 수익률 자료를 잘 묘사할 수 있는 분포를 발견하는 것은 매우 중요하다. 관련 모수 추정의 정확성을 높일 수 있을 뿐만 아니라 위험 지표를 계산하는 데도 엄밀성을 더할 수 있기 때문이다.

양쪽 꼬리 부분의 비대칭성이 발견될 경우 해당 지역의 위험과 보상이 발생할 확률이 다르다는 것을 내포한다. 특정 지역에선 좌측 꼬리 부분의 지수가 반대쪽 보다 더 클 수 있다. 그렇다면 투자자의 입장에서 그런 지역보다는 오른쪽 꼬리 부분의 지수 값이 상대적으로 큰 지역을 투자 대상으로 고려할 수 있을 것이다. 경기가 호전되어 주택시장이 활성화된다면 더 높은 수익률을 제공할 가능성이 높기 때문이다.

금융기관 또는 규제당국의 입장에서 자료를 잘 묘사할 수 있는 분포를 선정하고 주택가격 변동성의 시차가변성을 가미한 모형을 가지고 위험 측정의 정확도를 높이고 예측력을 신장시킬 수 있다면 향후 도래할 지도 모를 재앙적 수준의 위기에 선제 대응할 수 있을 것이다. 구체적으로 금융기관은 자본금 규모를 조정할 수 있을 것이며 규제 당국은 각종 선제적 조치를 금융기관에 권고할 수 있다.

향후 주택시장의 전망과 맞물려 위험 관리 측면에서 적절한 대응 수단을 준비할 수 있다. 만약 주택가격 위험이 증폭될 것으로 예상된다면 주택보유자 및 투자자는 미리 주택을 매도하여 위험을 회피할 수 있을 것이며 다른 대안으로 금융파생상품을 통해 주택가격 하락 시 손해를 줄일 수도 있을 것이다.