본 연구는 우리나라 전력도매시장(CBP)의 가중 평균된 일별 계통한계가격(SMP) 데이터를 시간 가변(Time-varying)하는 단일시계열 변동성 모형(Univariate Time Series Volatility Model)을 이용하여 변동성(Volatility)을 실증분석 하였다. 분석을 위해 SMP 데이터는 CBP 시장 개설 초기부터 현재까지기간(T1 : 2001.4.2.~2014.6.9.), 글로벌금융위기 이전기간(...
본 연구는 우리나라 전력도매시장(CBP)의 가중 평균된 일별 계통한계가격(SMP) 데이터를 시간 가변(Time-varying)하는 단일시계열 변동성 모형(Univariate Time Series Volatility Model)을 이용하여 변동성(Volatility)을 실증분석 하였다. 분석을 위해 SMP 데이터는 CBP 시장 개설 초기부터 현재까지기간(T1 : 2001.4.2.~2014.6.9.), 글로벌금융위기 이전기간(T2 : 2001.4.2.~2008.12.31.), 글로벌금융위기 이후기간(T3 : 2009.1.1.~2014.6.9.)으로 구분하였다. 수집된 SMP 단일시리즈는 일정한 추세(Trend)를 가진 불안정적 시계열로 나타났다. 또한 3기간 분석데이터(fdSMP)의 자기상관(ACF)은 시차(Lag) 7차마다 유의한 양(+)의 자기상관이 주기적으로 나타났으며 시차가 증가함에도 불구하고 사라지지 않고 매우 느리게 감소하는 특성을 보였다. 이는 fdSMP에 장기기억(Long memory) 특성이 있음을 의미하였다. 따라서 SMP 원계열에 로그(Log)를 취한 후 GPH(Geweke and Porter-Hudak)법을 이용하여 분수차분 차수 를 추정(Estimation)하여 lnSMP(로그를 취한 SMP)를 차분함으로서 안정성(Stationarity)과 가역성(Invertibility) 조건을 만족하는 분석이 가능한 시계열(fdSMP)로 변환하였다. T1, T2, T3 기간 데이터의 분포적 특성을 분석한 결과 세 기간의 시리즈 모두 정규분포(Normal Distribution) 보다 두껍고 길며(Fat-tail) 첨예(Letokurtic)한 분포를 하였다. 즉, 변동성집중(Volatility Clustering) 현상이 나타났다. 따라서 정규분포와 t-분포 등 두 가지 분포를 가정(Assumption)하여 모형에 적용하였다. 본 연구의 실증분석모형은 조건부평균(ARFIMA(p,d,q))모형과 조건부분산(GARCH(p,q))모형의 형태를 취한다. 따라서 적정모형을 선정하기 위해 (p,0,q)의 다양한 차수를 변화시키면서 모형을 실행하여 구한 AIC(Akaike Information Criterion)와 대수우도(Log likelihood)를 비교하였다. 이때 GARCH(p,q)의 차수 (p,q)는 (1,1)로 고정하였다. 그 이유는 SMP 데이터와 같이 두껍고 긴 꼬리와 첨예한 분포적 특성을 보이는 데이터는 대부분 GARCH(1,1)모형만으로도 잘 모형화 할 수 있기 때문이다. ARFIMA(p,d,q)모형의 p와 q의 최대차수는 7차까지로 하였다. 세 기간(T1, T2, T3), 3개 모형(sGARCH, gjrGARCH, csGARCH), 2개 분포(정규분포, 분포), 64개 차수 조합에 대하여 총 1,152개(3x3x2x64=1,152))모형을 실행하여 AIC와 대수우도를 비교하였으며, 간결성의 원칙(Principle of parsimony) 또한 적정모형선정의 중요한 기준으로 삼았다. 이러한 기준으로 T1기간 ARFIMA(7,0,1)-gjrGARCH(1,1) t-분포, T2기간 ARFIMA(5,0,5)-gjrGARCH(1,1) t-분포, T3기간 ARFIMA(4,0,4)-gjrGARCH(1,1) 정규분포모형 등 총 3개 모형을 최종적으로 선정하였다. 이 세 모형을 추정하였으며 표준잔차제곱의 가중융-박스검정과 가중ARCH LM 검정 등 진단검사(Diagnostic Checking)를 실시하였다. 표준잔차제곱의 융-박스검정 결과 세 모형 모두 Lag 9차에서 자기상관(ACF)이 사라지는 것을 확인하였다. 가중ARCH LM 검정 결과 세 모형 모두 ARCH Lag 7차에서 ARCH효과가 있는 것으로 나타났다. 최종적으로 T1기간 동안 우리나라 CBP 전력도매시장에서 SMP의 연율표시 변동성 평균은 215.2% 이다. T2기간의 평균은 325.4%이고 T3기간 평균은 159.6%이다. 결론적으로 글로벌금융위기 이후의 연율표시 변동성평균이 이전에 비해 두 배 이상(103.9%) 감소하였다. 120일 이동평균 역사적변동성 평균은 T1기간 297.1%, T2기간 352.1%, T3기간 217.8%이었다. 역사적변동성 평균결과도 T2기간이 T3기간 보다 더 높았다. 이러한 연율표시 변동성 평균을 120일 이동평균 역사적변동성 평균과 비교하면 세 기간 모두 연율표시 역사적변동성 평균이 더 높게 나타났다. 30일 이동평균 연율표시 역사적변동성 평균과 비교해도 T1기간은 67%, T2기간은 6.2%, T3기간은 51.2% 연율표시 역사적변동성 평균이 연율표시 변동성 평균보다 더 높게 나타났다. 실증분석 결과 우리나라 전력도매시장의 SMP 변동성은 가격충격(Price spike)이 적게 나타나 시장의 움직임에 민감하게 반응하지 않고 레버리지효과(Leverage effect)가 나타났다. 즉, 시장에서 SMP가 하락세일 때 같은 크기의 양(+)의 충격에 비해 음(-)의 충격이 변동성에 더 큰 영향을 미치는 비대칭적 정보효과가 나타났다. 그리고 SMP의 변동성은 매우 긴 지속성(Persistency)을 보였다. 이러한 우리나라의 SMP 변동성은 Ullrich(2012)의 실현변동성 추정결과인 호주 1,500%, 미국 2,700% 등에 비해 상당히 낮은 수준인 것이 사실이다. 그러나 본 연구의 결과와 해외사례를 직접적으로 비교하는 것은 한계가 있다. 또한, SMP의 변동성은 수요의 변화 시 단기적으로 한계발전기의 평균비용을 반영하는 것이 바람직하며 장기적으로 신규 발전기의 진입을 반영할 수 있어야 한다. 우리나라의 SMP 변동성이 이에 부합하는지 여부는 본 연구의 분석범위를 벗어나는 것이므로 본 연구의 결과로 변동성의 적절성 여부를 평가하기는 어렵다. 다른 한편으로 SMP의 변동성은 시장에 대하여 올바른 신호를 줄 수 있어야 할 것이다. 예를 들면, 설비능력이 제약을 받을 경우 전력시장 가격은 전력수요의 감소 또는 배분에 기여할 수 있어야 할 것이다. 그런데 우리나라 전력시장의 경우 SMP가 이러한 기능을 수행하고 있다고 보기 어렵다. 이런 관점에서 보면 우리나라의 SMP는 소위 가격충격을 허용
본 연구는 우리나라 전력도매시장(CBP)의 가중 평균된 일별 계통한계가격(SMP) 데이터를 시간 가변(Time-varying)하는 단일시계열 변동성 모형(Univariate Time Series Volatility Model)을 이용하여 변동성(Volatility)을 실증분석 하였다. 분석을 위해 SMP 데이터는 CBP 시장 개설 초기부터 현재까지기간(T1 : 2001.4.2.~2014.6.9.), 글로벌금융위기 이전기간(T2 : 2001.4.2.~2008.12.31.), 글로벌금융위기 이후기간(T3 : 2009.1.1.~2014.6.9.)으로 구분하였다. 수집된 SMP 단일시리즈는 일정한 추세(Trend)를 가진 불안정적 시계열로 나타났다. 또한 3기간 분석데이터(fdSMP)의 자기상관(ACF)은 시차(Lag) 7차마다 유의한 양(+)의 자기상관이 주기적으로 나타났으며 시차가 증가함에도 불구하고 사라지지 않고 매우 느리게 감소하는 특성을 보였다. 이는 fdSMP에 장기기억(Long memory) 특성이 있음을 의미하였다. 따라서 SMP 원계열에 로그(Log)를 취한 후 GPH(Geweke and Porter-Hudak)법을 이용하여 분수차분 차수 를 추정(Estimation)하여 lnSMP(로그를 취한 SMP)를 차분함으로서 안정성(Stationarity)과 가역성(Invertibility) 조건을 만족하는 분석이 가능한 시계열(fdSMP)로 변환하였다. T1, T2, T3 기간 데이터의 분포적 특성을 분석한 결과 세 기간의 시리즈 모두 정규분포(Normal Distribution) 보다 두껍고 길며(Fat-tail) 첨예(Letokurtic)한 분포를 하였다. 즉, 변동성집중(Volatility Clustering) 현상이 나타났다. 따라서 정규분포와 t-분포 등 두 가지 분포를 가정(Assumption)하여 모형에 적용하였다. 본 연구의 실증분석모형은 조건부평균(ARFIMA(p,d,q))모형과 조건부분산(GARCH(p,q))모형의 형태를 취한다. 따라서 적정모형을 선정하기 위해 (p,0,q)의 다양한 차수를 변화시키면서 모형을 실행하여 구한 AIC(Akaike Information Criterion)와 대수우도(Log likelihood)를 비교하였다. 이때 GARCH(p,q)의 차수 (p,q)는 (1,1)로 고정하였다. 그 이유는 SMP 데이터와 같이 두껍고 긴 꼬리와 첨예한 분포적 특성을 보이는 데이터는 대부분 GARCH(1,1)모형만으로도 잘 모형화 할 수 있기 때문이다. ARFIMA(p,d,q)모형의 p와 q의 최대차수는 7차까지로 하였다. 세 기간(T1, T2, T3), 3개 모형(sGARCH, gjrGARCH, csGARCH), 2개 분포(정규분포, 분포), 64개 차수 조합에 대하여 총 1,152개(3x3x2x64=1,152))모형을 실행하여 AIC와 대수우도를 비교하였으며, 간결성의 원칙(Principle of parsimony) 또한 적정모형선정의 중요한 기준으로 삼았다. 이러한 기준으로 T1기간 ARFIMA(7,0,1)-gjrGARCH(1,1) t-분포, T2기간 ARFIMA(5,0,5)-gjrGARCH(1,1) t-분포, T3기간 ARFIMA(4,0,4)-gjrGARCH(1,1) 정규분포모형 등 총 3개 모형을 최종적으로 선정하였다. 이 세 모형을 추정하였으며 표준잔차제곱의 가중융-박스검정과 가중ARCH LM 검정 등 진단검사(Diagnostic Checking)를 실시하였다. 표준잔차제곱의 융-박스검정 결과 세 모형 모두 Lag 9차에서 자기상관(ACF)이 사라지는 것을 확인하였다. 가중ARCH LM 검정 결과 세 모형 모두 ARCH Lag 7차에서 ARCH효과가 있는 것으로 나타났다. 최종적으로 T1기간 동안 우리나라 CBP 전력도매시장에서 SMP의 연율표시 변동성 평균은 215.2% 이다. T2기간의 평균은 325.4%이고 T3기간 평균은 159.6%이다. 결론적으로 글로벌금융위기 이후의 연율표시 변동성평균이 이전에 비해 두 배 이상(103.9%) 감소하였다. 120일 이동평균 역사적변동성 평균은 T1기간 297.1%, T2기간 352.1%, T3기간 217.8%이었다. 역사적변동성 평균결과도 T2기간이 T3기간 보다 더 높았다. 이러한 연율표시 변동성 평균을 120일 이동평균 역사적변동성 평균과 비교하면 세 기간 모두 연율표시 역사적변동성 평균이 더 높게 나타났다. 30일 이동평균 연율표시 역사적변동성 평균과 비교해도 T1기간은 67%, T2기간은 6.2%, T3기간은 51.2% 연율표시 역사적변동성 평균이 연율표시 변동성 평균보다 더 높게 나타났다. 실증분석 결과 우리나라 전력도매시장의 SMP 변동성은 가격충격(Price spike)이 적게 나타나 시장의 움직임에 민감하게 반응하지 않고 레버리지효과(Leverage effect)가 나타났다. 즉, 시장에서 SMP가 하락세일 때 같은 크기의 양(+)의 충격에 비해 음(-)의 충격이 변동성에 더 큰 영향을 미치는 비대칭적 정보효과가 나타났다. 그리고 SMP의 변동성은 매우 긴 지속성(Persistency)을 보였다. 이러한 우리나라의 SMP 변동성은 Ullrich(2012)의 실현변동성 추정결과인 호주 1,500%, 미국 2,700% 등에 비해 상당히 낮은 수준인 것이 사실이다. 그러나 본 연구의 결과와 해외사례를 직접적으로 비교하는 것은 한계가 있다. 또한, SMP의 변동성은 수요의 변화 시 단기적으로 한계발전기의 평균비용을 반영하는 것이 바람직하며 장기적으로 신규 발전기의 진입을 반영할 수 있어야 한다. 우리나라의 SMP 변동성이 이에 부합하는지 여부는 본 연구의 분석범위를 벗어나는 것이므로 본 연구의 결과로 변동성의 적절성 여부를 평가하기는 어렵다. 다른 한편으로 SMP의 변동성은 시장에 대하여 올바른 신호를 줄 수 있어야 할 것이다. 예를 들면, 설비능력이 제약을 받을 경우 전력시장 가격은 전력수요의 감소 또는 배분에 기여할 수 있어야 할 것이다. 그런데 우리나라 전력시장의 경우 SMP가 이러한 기능을 수행하고 있다고 보기 어렵다. 이런 관점에서 보면 우리나라의 SMP는 소위 가격충격을 허용
※ AI-Helper는 부적절한 답변을 할 수 있습니다.