시계열 자료들의 상관관계를 나타내는 일반적인 방법인 correlogram은 해당 자료들의 mean-to-mean 관계 - 한 시계열의 mean(평균)과 상대 시계열의 mean 간의 관계 - 를 나타낸다. 그러나 시계열들 간의 mean-to-mean 관계뿐만 아니라 한 시계열의 특정 quantile(분위수 ...

시계열 자료들의 상관관계를 나타내는 일반적인 방법인 correlogram은 해당 자료들의 mean-to-mean 관계 - 한 시계열의 mean(평균)과 상대 시계열의 mean 간의 관계 - 를 나타낸다. 그러나 시계열들 간의 mean-to-mean 관계뿐만 아니라 한 시계열의 특정 quantile(분위수)과 상대 시계열의 특정 quantile의 관계, 즉 시계열 분포의 다양한 quantile-to-quantile 관계를 살펴보고 이를 효과적으로 측정할 필요성이 점차 증대되고 있다. 또한 quantile-to-quantile 관계에서 한 시계열에서 다른 시계열로의 directional predictability가 존재하는지 여부를 검정하는 것은 경제학에서 커다란 관심이 있는 부분이며 관련 금융 산업 및 정책 관련 분야 등에서도 유용하게 사용될 가능성이 크다.

시계열 자료들간의 quantile-to-quantile 관계를 측정하기 위해 본 연구는 cross-quantilogram이라는 새로운 통계치를 소개하고 이에 대해 분석하고 한다. 본 연구에서는 cross-quantilogram을 소개한 후, 이를 적용할 때 유효한 통계적 추정과 검정을 위해 필요한 계량경제학적 이론을 확립하고 또한 이를 실제 경제·금융자료에 적용하는 실증분석을 제공할 것이다.

본 연구는 시계열 자료들의 quantile 측면에서의 관계를 cross-quantilogram이라는 새로운 방법으로 측정하고 이의 통계적 추론에 필요한 이론들을 정립하며 금융·경제 자료들에 적용하는 실증분석들을 제공할 것이다. 따라서 본 연구는 계량경제학, 재무경제학, 국제금융 ...

본 연구는 시계열 자료들의 quantile 측면에서의 관계를 cross-quantilogram이라는 새로운 방법으로 측정하고 이의 통계적 추론에 필요한 이론들을 정립하며 금융·경제 자료들에 적용하는 실증분석들을 제공할 것이다. 따라서 본 연구는 계량경제학, 재무경제학, 국제금융 분야에서 학문적 진보를 가져오는 공헌을 할 것으로 기대된다.

또한 cross-quantilogram에 대한 연구의 결과는 사회적으로도 다음과 같은 측면에서 적지 않은 기여를 할 것으로 예상된다. 첫 번째 예로, 금융시계열(financial time series)중에서도 자산 가격(asset price)을 예측하는 도움이 되는 변수를 찾아내는 데 있어 cross-quantilogram이 사용될 수 있다. 즉 특정 변수가 관심이 있는 자산 가격 (예를 들어, 특정 주식이나 채권 가격 등)에 directional predictability를 가지는지 여부를 cross-quantilogram을 통해 검정할 수 있다. 결과적으로 이는 자산 가격 예측에 있어 cross-quantilogram이 광범위하게 사용될 수 있음을 의미한다. 두 번째 예로, 경제정책 담당자들이 목표 경제변수의 예측에 대해 도움이 되는 경제변수를 선택하는 데 있어 cross-quantilogram이 사용될 수 있다. 이는 위 실증분석에서 다루고자 하는 systemic risk 관리뿐만 아니라 중앙은행이나 정부의 경제정책에 있어서도 cross-quantilogram이 광범위하게 사용될 수 있음을 의미한다.

마지막으로 인력양성 및 교육적 역할로서 본 연구는 대학원 학생을 연구보조원으로 참여시켜서 진행될 예정이기 때문에 대학원생에게 실질적으로 어떻게 작성되는지를 보여주는 중요한 교육적 역할도 담당할 것으로 기대된다.

본 연구는 cross-quantilogram이라는 새로운 통계치를 소개한다. 쉽게 표현하면 이는 시계열 각각의 quantile hits의 cross-correlogram으로 정의된다.

첫 번째 이론적 결과로서 본 연구는 우선 샘플 cross-quantilogram 그리고 이에 관련된 omnibus test statistic의 ...

본 연구는 cross-quantilogram이라는 새로운 통계치를 소개한다. 쉽게 표현하면 이는 시계열 각각의 quantile hits의 cross-correlogram으로 정의된다.

첫 번째 이론적 결과로서 본 연구는 우선 샘플 cross-quantilogram 그리고 이에 관련된 omnibus test statistic의 극한분포를 도출할 계획이다. 그런데 이상의 도출될 극한분포는 안타깝게도 장애모수(nuisance parameter)를 포함하고 있을 것으로 예상된다. 이는 샘플 cross-quantilogram이 두 시계열의 unconditional quantile estimate을 포함하고 있기 때문이다. 따라서 유효한 통계적 추론(statistical inference)을 위해서는 이 장애모수를 추정해야 한다. 그러나 장애모수를 추정할 때 비모수(nonparametric) 추정방법을 사용해야만 하는데 이는 결과적으로 추정치의 수렴속도(convergence rate)를 느리게 만드는 문제점을 야기할 것이다.

본 연구에서는 cross-quantilogram을 적용함에 있어 이러한 장애모수 문제를 해결하고 유효한 통계적 추론을 가능하게 하기 위해서 첫 번째로 stationary bootstrap 방법 그리고 두 번째로 self-normalized 방법을 고려할 계획이다. 각각의 방법들에 대해서도 그 유효성을 이론적으로 증명하고자 한다. 그리고 Monte Carlo simulation을 통해 상기 이론에서 증명한 결과들이 유효함을 보일 계획이다.

Cross-quantilogram은 시계열들간의 quantile 상관관계를 측정하는 도구로 쓰일 수도 있으며 또한 한 시계열에서 다른 시계열로의 directional predictability를 test할 때 사용할 수도 있다. 또한 더 나아가 모델의 specification test에도 적용할 수도 있다. 따라서 경제․금융 분야에서 cross-quantilogram을 적용할 수 있는 부분은 아주 많을 것으로 기대된다.

본 연구에서 다루고자 하는 첫 번째 실증분석으로 systemic risk에 대해 cross-quantilogram을 적용할 계획이다. 두 번째 실증분석으로는 stock return predictability 이슈에 cross-quantilogram을 적용하는 것이다. 세 번째 실증분석으로서 미국과 영국 주식시장간 directional predictability를 살펴보는 데에 cross-quantilogram을 적용할 계획이다.