선택한 단어 수는 입니다.
최소 단어 이상 선택하여야 합니다.
최소 단어 이상 선택하여야 합니다.
선택한 단어 수는 30입니다.
최대 10 단어까지만 선택 가능합니다.
최대 10 단어까지만 선택 가능합니다.
문제 정의
- 따라서 본 연구에서는 통계적인 기법을 이용하여 연근해 오징어 어획량의 변동으로 인해 야기되고 있는 신선물오징어 소매가격 변동성의 구조변화 시점을 검정하고, 구조변화 전·후 가격변동성의 비대칭성(asymmetry) 존재여부에 대해 검정함으로써 정부의 수산물 가격 안정화 정책에 도움이 되고자 한다.
- 본 연구는 대중어종인 오징어 가격에 대해 구조변화 시점을 검정하고, 가격변동성의 비대칭성 검증을 실시해 보았다는 점과 검증에 이용된 GJR GARCH 모형과 EGARCH 모형의 적합도를 검정해 보았다는 점에서 의의가 있다. 본 연구의 결과는 오징어 가격변동성에 대한 기초 자료를 제공함으로써 오징어 가격변동에 대한 정책적인 대응에 도움을 줄 수 있을 것으로 판단된다.
- 본 연구는 신선 물오징어 일일 소매가격을 이용하여 신선 물오징어 소매가격 변동성의 구조변화 시점을 검정하고, 구조변화 전과 후의 변동성의 비대칭성을 검정하였다. 이를 위해 우선 로그차분과 단위근 검정을 통해 시계열 자료의 안정성을 확보하였으며, ARIMA 모형의 시차를 선정하였다.
- 첫째, 수준변수의 단위근 검정 결과, ADF, PP, KPSS 검정 결과에서는 불안정한 시계열 자료로 분석되었지만, 구조변화를 고려한 Zivot-Andrews 검정에서는 수준변수가 안정적인 시계열로 분석되었다. 이에 본 연구에서는 모든 단위근 검정에서 안정적인 시계열로 분석된 로그차분자료를 이용하여 분석을 진행하였다.
가설 설정
- 귀무가설(H0): 시계열 yt에 단위근이 존재한다.
- 대립가설(H1): 구조변화 시점이 알려지지 않은 상태에서 가능한 구조변화를 가지는 추세 안정적(trend-stationary)인 시계열이다.
- 첫째, 시계열 자료의 안정성을 확인하기 위해 ADF, PP, KPSS 단위근 검정(unit-root test)을 실시한다. 추가적으로 구조변화 시점이 존재한다는 가정 하에 Zivot-Andrews 검정을 실시한다. 둘째, 표본 전체기간의 자료를 이용하여 AIC(Akaike Information Criterion), SC(Schwarz Criterion), HQ(Hannan-Quinn)의 정보기준에 따라 ARMA 또는 ARIMA 모형의 시차를 선정한다.
제안 방법
- 둘째, 로그차분자료의 구조변화 시점을 검정하기 위해 ARIMA 모형의 시차를 선정하였다. AIC, SC, HQ 3가지 정보요인에 의한 ARIMA 모형의 시차선정 결과, ARIMA(2,1,2) 모형이 선정되었으며 선정된 모형을 이용하여 구조변화 시점을 검정하였다. 신선 물오징어 소매가격 변화율의 구조변화 시점을 Quandt-Andrews 검정을 통해 실시하였으며 구조변화 시점으로 2009년 6월 11일이 선정되어 2009년 6월 11일을 기점으로 구조변화가 발생하였음을 확인하였다.
- 그리고 구조변화 시점 검정을 통해 구조변화 시점을 확인한 후, 구조변화 전과 후 ARIMA 모형의 이분산과 자기상관 여부를 검정하였다. ARIMA 모형에 이분산이 존재하여 GJR GARCH 모형과 EGARCH 모형을 추정한 후 신선 물오징어 소매가격 변화율의 비대칭성 여부를 검정하였다.
- 셋째, 이렇게 선정된 모형을 가지고 Quandt-Andrews 분석을 통해 구조변화 시점을 검정한다. 구조변화 시점 검정 후 구조변화가 존재하면 구조변화 시점 전과 후로 나누어 분석을 실시한다. 넷째, 구조변화 시점 전과 후 모형을 대상으로 자기 상관 검정 및 이분산 검정을 실시한다.
- 구조변화 전과 후의 ARIMA 모형 추정 시 통일성을 고려하기 위해 전체기간의 시차를 적용하여 ARIMA(2,1,2) 모형을 추정하였다(Appendix 1 참조). ARIMA(2,1,2) 모형 추정결과, 구조변화 전의 모형에서는 AR(1), MA(1) 계수만이 10%의 유의수준에서 유의하게 분석되었고, 구조변화 후의 모형에서는 상수항을 제외한 모든 계수가 1%의 유의수준에서 유의한 것으로 분석되었다.
- 이를 위해 우선 로그차분과 단위근 검정을 통해 시계열 자료의 안정성을 확보하였으며, ARIMA 모형의 시차를 선정하였다. 그리고 구조변화 시점 검정을 통해 구조변화 시점을 확인한 후, 구조변화 전과 후 ARIMA 모형의 이분산과 자기상관 여부를 검정하였다. ARIMA 모형에 이분산이 존재하여 GJR GARCH 모형과 EGARCH 모형을 추정한 후 신선 물오징어 소매가격 변화율의 비대칭성 여부를 검정하였다.
- 이분산 검정 시 이분산이 존재하면 GJR GARCH 모형 및 EGARCH 모형으로 확장하여 분석을 실시한다. 다섯째, GJR GARCH 모형 및 EGARCH 모형을 추정하여 비대칭성의 존재 유무를 확인한 후 두 모형의 적합도를 로그우도(log likelihood) 값을 기준으로 비교한다.
- 다섯째, GJR GARCH 모형과 EGARCH 모형의 적합도 검정을 위해 구조변화 전과 후 기간의 두 모형에 대해 로그우도 값을 비교해 보았다. 두 모형의 로그우도 값을 비교해 본 결과, 전과 후 모든 기간에서 GJR GARCH 모형의 로그우도 값이 EGARCH 모형보다 큰 것을 확인하여 신선 물오징어 소매가격 변화율의 비대칭성 검증에 있어 GJR GARCH 모형이 더 적합한 모형인 것으로 분석되었다.
- 두 모형에서 모두 ‘레버리지 효과’가 존재한다고 분석되었기 때문에 본 연구에서는 가격변동성의 비대칭성 검증에서 두 모형의 적합도를 검정하기 위해 로그우도 값을 이용하였다.
- 둘째, 로그차분자료의 구조변화 시점을 검정하기 위해 ARIMA 모형의 시차를 선정하였다. AIC, SC, HQ 3가지 정보요인에 의한 ARIMA 모형의 시차선정 결과, ARIMA(2,1,2) 모형이 선정되었으며 선정된 모형을 이용하여 구조변화 시점을 검정하였다.
- 추가적으로 구조변화 시점이 존재한다는 가정 하에 Zivot-Andrews 검정을 실시한다. 둘째, 표본 전체기간의 자료를 이용하여 AIC(Akaike Information Criterion), SC(Schwarz Criterion), HQ(Hannan-Quinn)의 정보기준에 따라 ARMA 또는 ARIMA 모형의 시차를 선정한다. 셋째, 이렇게 선정된 모형을 가지고 Quandt-Andrews 분석을 통해 구조변화 시점을 검정한다.
- 본 연구는 최근 선행 연구된 강 (2014) 연구의 이론적 접근을 확장하여 신선 물오징어 소매가격 변동성의 구조변화와 비대칭성을 검증한 후 추정된 GJR GARCH 모형과 EGARCH 모형의 적합도를 비교 분석하였다. 구체적으로 강 (2014)의 연구는 구조변화 시점을 알 수 없을 경우 사용하는 Quandt-Andrews 분석을 통해 구조변화 시점을 검정한 후, 구조변화 시점 전·후의 가격변동성의 비대칭성을 GJR GARCH 모형을 통해 분석하였는데, 본 연구의 분석에서는 기존의 선행연구를 확장하여 구조변화 시점을 고려한 단위근 검정인 Zivot and Andrews (1992) 검정을 추가적으로 실시하였으며, GJR GARCH 모형과 EGARCH 모형을 추정하여 물오징어 소매가격 변동성의 비대칭성 분석에 있어 두 모형의 적합도를 비교해 보았다는 점에서 차이가 있다.
- 본 연구의 구성은 2장은 신선 물오징어 소매가격 변동성의 구조변화 시점을 검정하고 구조변화 전·후 가격변동성의 비대칭성을 분석하기 위한 이론적 분석 방법과 이에 상응하는 추정모형을 제시한다.
- 분석에 앞서 시계열 자료의 안정성을 확보하기 위해 ADF 검정 등 총 4개의 단위근 검정을 실시하였다. ADF 검정과 PP 검정의 귀무가설은 ‘단위근이 존재한다.
- 셋째, 구조변화 전과 후의 ARIMA(2,1,2) 모형의 자기상관과 이분산 존재 여부를 검정하였다. 검정 결과, 자기상관은 존재하지 않는 것으로 분석되었으나, 이분산은 두 기간 모두 존재하여 ARCH류 모형으로 확장하여 분석을 실시하였다.
- 둘째, 표본 전체기간의 자료를 이용하여 AIC(Akaike Information Criterion), SC(Schwarz Criterion), HQ(Hannan-Quinn)의 정보기준에 따라 ARMA 또는 ARIMA 모형의 시차를 선정한다. 셋째, 이렇게 선정된 모형을 가지고 Quandt-Andrews 분석을 통해 구조변화 시점을 검정한다. 구조변화 시점 검정 후 구조변화가 존재하면 구조변화 시점 전과 후로 나누어 분석을 실시한다.
- 수준변수에서 ADF, PP, KPSS 검정 결과는 시계열 자료에 단위근이 존재하는 불안정한 시계열로 분석된 반면, 구조변화 시점을 고려한 Zivot-Andrews 검정에서는 단위근이 존재하지 않는 안정적인 시계열로 분석되었다. 이는 Perron(1989)의 결과와도 동일한 것으로 본 연구에서는 모든 단위근 검정에서 안정적인 시계열로 검정된 로그차분 자료를 이용하여 분석을 실시하였다. 로그차분자료는 가격변화율을 의미하며 가격변동성 분석에 더 용이할 것으로 판단된다.
- 구조변화 전·후 시점 모형의 시차는 표본 전체기간에서 선정된 시차를 적용한다. 이분산 검정 시 이분산이 존재하면 GJR GARCH 모형 및 EGARCH 모형으로 확장하여 분석을 실시한다. 다섯째, GJR GARCH 모형 및 EGARCH 모형을 추정하여 비대칭성의 존재 유무를 확인한 후 두 모형의 적합도를 로그우도(log likelihood) 값을 기준으로 비교한다.
- 이상의 분석을 통해 신선 물오징어 일일 소매가격 변화율의 구조변화 및 비대칭성을 검정하여 가격변화율의 변동성 증가가 가격변화율 감소의 영향인지 가격변화율 증가의 영향인지 확인하였다. 구조변화 전과 후 기간의 GJR GARCH 모형과 EGARCH 모형 추정 결과 ‘레버리지 효과’가 존재하여 신선 물오징어 소매가격 변화율의 감소가 변동성에 더 큰 영향을 미치는 것으로 분석되었다.
- 이에 본 연구에서는 2009년 6월 11일을 구조변화 시점으로 선정하여 구조변화 전·후 가격변동성의 비대칭성을 분석하였다.
- 구조변화 전 표본의 관측치는 1,420개, 구조변화 후 표본의 관측치는 1,645개로 나타났다. 자료의 분포모양을 확인하기 위해 자료의 치우친 정도를 나타내는 왜도(Skewness)와 자료의 분포모양이 뾰족한 정도를 나타내는 척도인 첨도(Kurtosis)를 확인한다. 일반적으로 정규분포의 왜도는 ‘0’, 첨도는 ‘3’으로 나타난다.
-
Quandt-Andrews 구조변화 시점 검정
정보요인에 의해 선정된 ARIMA(2,1,2) 모형을 추정하여 신선 물오징어 가격변화율의 구조변화 시점을 검정하였다. 구조변화 검정 시 표본의 상한 7.
- 표본을 2009년 6월 11일을 기점으로 구조변화 전과 후의 기간으로 나누어 가격변동성의 비대칭성을 분석하였다. Fig.
대상 데이터
- 본 연구의 분석에 사용된 자료는 한국농수산식품유통공사가 제공하는 신선 물오징어의 일일 소매가격 자료로 2004년 1월부터 2015년 9월까지 총 3,065개의 관측치 수를 지니고 있다. 상기 자료에 결측치가 존재하는 경우 1일 전 가격과 1일 후 가격을 산술평균하여 이용하였고, 통계청의 물오징어 소비자 물가지수(통계청 2015)를 이용하여 2010년의 가치로 환산하였다.
데이터처리
- 셋째, 구조변화 전과 후의 ARIMA(2,1,2) 모형의 자기상관과 이분산 존재 여부를 검정하였다. 검정 결과, 자기상관은 존재하지 않는 것으로 분석되었으나, 이분산은 두 기간 모두 존재하여 ARCH류 모형으로 확장하여 분석을 실시하였다.
- 구조변화 시점 검정 후 구조변화가 존재하면 구조변화 시점 전과 후로 나누어 분석을 실시한다. 넷째, 구조변화 시점 전과 후 모형을 대상으로 자기 상관 검정 및 이분산 검정을 실시한다. 구조변화 전·후 시점 모형의 시차는 표본 전체기간에서 선정된 시차를 적용한다.
- 하지만 위의 방법들은 표본의 시작부분인 t1과 표본의 끝 부분인 t2에 가까워질수록 분포가 퇴화되기 때문에 일반적으로 표본의 시작 부분과 끝부분을 절삭(trimming)하여 분석하기를 제안하고 있다(Schwert 2013). 이에 본 연구에서는 상한 7.5%, 하한 7.5%의 자료를 절삭하여 구조변화 시점을 검정하였고, 가설검정 기준으로는 Hansen (1997)의 점근적 P-값을 이용하였다.
- 본 연구의 분석과정은 다음과 같은 과정을 통해 실시한다. 첫째, 시계열 자료의 안정성을 확인하기 위해 ADF, PP, KPSS 단위근 검정(unit-root test)을 실시한다. 추가적으로 구조변화 시점이 존재한다는 가정 하에 Zivot-Andrews 검정을 실시한다.
이론/모형
- ARIMA(2,1,2) 모형을 EGARCH 모형의 평균방정식으로 이용하여 EGARCH 모형을 추정하였다. Table 10은 구조변화 전과 후의 EGARCH 모형 추정결과를 나타낸다.
- 한 번의 구조변화 시점을 고려한 단위근 검정으로는 Zivot and Andrews (1992) 검정이 있다. Zivot and Andrews (1992) 검정의 회귀식은 다음 식 (1)과 같은데, 본 연구에서는 상수항의 변화와 추세항의 변화를 모두 고려하는 모형을 선택하여 분석을 실시하였다.
- 가격변화율의 비대칭성을 알아보기 위해 이분산 검정 시 이분산이 존재한다고 분석된 구조변화 전과 후 ARIMA(2,1,2) 모형을 GJR GARCH 모형의 평균방정식으로 이용하여 GJR GARCH 모형을 추정하였다. Table 9는 구조변화 전과 후의 GJR GARCH 모형 추정 결과를 나타낸다.
- 구조변화 검정에 앞서 ARIMA 모형(Box and Jenkins 1976)의 적정 시차를 선정하였다. 시차 선정 기준은 AIC, SC, HQ 정보요인을 이용하였다.
- 구체적으로 강 (2014)의 연구는 구조변화 시점을 알 수 없을 경우 사용하는 Quandt-Andrews 분석을 통해 구조변화 시점을 검정한 후, 구조변화 시점 전·후의 가격변동성의 비대칭성을 GJR GARCH 모형을 통해 분석하였는데, 본 연구의 분석에서는 기존의 선행연구를 확장하여 구조변화 시점을 고려한 단위근 검정인 Zivot and Andrews (1992) 검정을 추가적으로 실시하였으며, GJR GARCH 모형과 EGARCH 모형을 추정하여 물오징어 소매가격 변동성의 비대칭성 분석에 있어 두 모형의 적합도를 비교해 보았다는 점에서 차이가 있다.
- 본 연구는 신선 물오징어 일일 소매가격을 이용하여 신선 물오징어 소매가격 변동성의 구조변화 시점을 검정하고, 구조변화 전과 후의 변동성의 비대칭성을 검정하였다. 이를 위해 우선 로그차분과 단위근 검정을 통해 시계열 자료의 안정성을 확보하였으며, ARIMA 모형의 시차를 선정하였다. 그리고 구조변화 시점 검정을 통해 구조변화 시점을 확인한 후, 구조변화 전과 후 ARIMA 모형의 이분산과 자기상관 여부를 검정하였다.
성능/효과
- 구조변화 전과 후의 ARIMA 모형 추정 시 통일성을 고려하기 위해 전체기간의 시차를 적용하여 ARIMA(2,1,2) 모형을 추정하였다(Appendix 1 참조). ARIMA(2,1,2) 모형 추정결과, 구조변화 전의 모형에서는 AR(1), MA(1) 계수만이 10%의 유의수준에서 유의하게 분석되었고, 구조변화 후의 모형에서는 상수항을 제외한 모든 계수가 1%의 유의수준에서 유의한 것으로 분석되었다. Table 7은 유의하다고 분석된 AR(1)과 MA(1) 계수 추정치를 비교·분석해 보았다.
- 그리고 구조변화 전과 후 모든 기간에서 비대칭성이 존재하여 레버리지 효과가 있는 것으로 분석되었다. EGARCH 모형 추정 결과에서도 구조변화 전과 후의 모든 기간에서 비대칭성이 존재하여 레버리지 효과가 있는 것으로 분석되었다.
- 구조변화 시점의 분석 결과, Wald F-통계량에 의해 2009년 6월 11일과 LR F-통계량에 의해 2013년 6월 6일이 구조변화 시점으로 분석되었다. Maximum, Exp, Ave Wald F-통계량에서 2009년 6월 11일은 1%의 유의수준에서 귀무가설을 기각하여 구조변화가 존재하는 것으로 분석되었으나, 2013년 6월 6일은 Maximum LR F-통계량을 제외한 Exp, LR과 Ave F-통계량에서 귀무가설을 채택하여 구조변화가 존재하지 않는 것으로 분석되었다. 이에 본 연구에서는 2009년 6월 11일을 구조변화 시점으로 선정하여 구조변화 전·후 가격변동성의 비대칭성을 분석하였다.
- 시차 선정 기준은 AIC, SC, HQ 정보요인을 이용하였다. 각 정보요인의 수치가 적을수록 모형의 적합도가 높다고 할 수 있는데, 시차선정 결과 AIC, SC, HQ의 모든 기준에서 ARIMA(2,1,2) 모형의 수치가 낮아 적합도가 높은 모형으로 선정되었다. Table 3은 각 정보요인의 수치를 나타낸다.
- 일반적으로 정규분포의 왜도는 ‘0’, 첨도는 ‘3’으로 나타난다. 구조변화 전 기간과 후 기간에서 왜도는 0.2237, 0.2047이었으며, 첨도는 6.2076, 12.1905로 나타나 자료의 분포가 정규분포에서 벗어난 것을 확인할 수 있다. Jarque-Bera 검정(Jarque and Bera 1980)에서도 통계치의 P-값이 0.
- 구조변화 전과 후 EGARCH 모형의 추정결과, 모든 추정계수들이 1%의 유의수준 하에서 유의한 것으로 분석되었다. 과거의 변동성이 현재의 변동성에 영향을 미치는 영향을 의미하는 β의 계수는 각 0.
- 구조변화 전과 후 기간의 GJR GARCH 모형과 EGARCH 모형 추정 결과 ‘레버리지 효과’가 존재하여 신선 물오징어 소매가격 변화율의 감소가 변동성에 더 큰 영향을 미치는 것으로 분석되었다.
- 일반적으로 로그우도 값이 클수록 모형의 적합도가 높음을 의미한다. 구조변화 전과 후 기간의 GJR GARCH 모형과 EGARCH 모형의 로그우도 값을 비교해 본 결과, 전과 후 모든 기간에서 GJR GARCH 모형의 로그우도 값이 EGARCH 모형보다 큰 것을 확인하였다. 이는 신선 물오징어 소매가격 변화율의 비대칭성 검증에 있어 EGARCH 모형보다 GJR GARCH 모형이 적합하다는 것을 의미한다.
- 구조변화 전과 후의 GJR GARCH 모형 추정결과, 구조변화 후 모형의 γ 계수는 10% 유의수준 하에서 유의한 것으로 나타났고 γ 계수를 제외한 모든 추정계수들이 1%의 유의수준 하에서 유의한 것으로 분석되었다.
- 구조변화 전과 후의 GJR GARCH 모형과 EGARCH 모형 추정결과, 모든 기간과 모든 모형에서 비대칭성이 존재하는 것으로 분석되었다. 두 모형에서 모두 ‘레버리지 효과’가 존재한다고 분석되었기 때문에 본 연구에서는 가격변동성의 비대칭성 검증에서 두 모형의 적합도를 검정하기 위해 로그우도 값을 이용하였다.
- 그러나 2000년대 이후 우리나라 연근해 오징어 어획량은 중국과 북한의 공동어로협약의 영향으로 북한 수역에서 상당수의 중국 저인망 어선의 싹쓸이 불법 조업과 함께 최근 동해 냉수대 출현 등의 기후변화로 인한 오징어 어장 형성 시기 변경 및 우리어선의 일본 EEZ내 조업 실적 저조 등에 따라 계속적으로 감소하고 있다. 그 결과, 우리나라 연근해 오징어의 2014년 어획량은 163,870톤으로 2000년 어획량인 226,309톤보다 62,439톤 줄어들어 오징어 판매가격을 큰 폭으로 상승시키고 있을 뿐만 아니라 국내 소비시장의 소비 위축에도 상당한 영향을 미치고 있다. 그러한 예로 최근 오징어 가격의 상승으로 인해 저렴한 오징어 회를 맛보기가 어려워져 다양한 매체에서 오징어를 “금징어”라 부르곤 함을 들 수 있다.
- 9613으로 추정되어 안정적인 모형이 추정되었음과 동시에 한 번 발생한 변동이 지속될 가능성도 높은 것으로 분석되었다. 그리고 구조변화 전과 후 모든 기간에서 비대칭성이 존재하여 레버리지 효과가 있는 것으로 분석되었다. EGARCH 모형 추정 결과에서도 구조변화 전과 후의 모든 기간에서 비대칭성이 존재하여 레버리지 효과가 있는 것으로 분석되었다.
- 넷째, 가격변화율의 비대칭성 여부를 확인하기 위해 GJR GARCH 모형과 EGARCH 모형을 추정하였다, GJR GARCH 모형 추정 결과, 구조변화 전과 후 모든 기간의 계수 추정치는 유의한 것으로 분석되었으며, 모형의 안정성과 변동의 지속성을 나타내는 λ의 값이 0.9563, 0.9613으로 추정되어 안정적인 모형이 추정되었음과 동시에 한 번 발생한 변동이 지속될 가능성도 높은 것으로 분석되었다.
- 다섯째, GJR GARCH 모형과 EGARCH 모형의 적합도 검정을 위해 구조변화 전과 후 기간의 두 모형에 대해 로그우도 값을 비교해 보았다. 두 모형의 로그우도 값을 비교해 본 결과, 전과 후 모든 기간에서 GJR GARCH 모형의 로그우도 값이 EGARCH 모형보다 큰 것을 확인하여 신선 물오징어 소매가격 변화율의 비대칭성 검증에 있어 GJR GARCH 모형이 더 적합한 모형인 것으로 분석되었다.
- 1286 만큼의 변동성 증가를 가져온다는 것을 의미한다. 따라서 구조변화 전 기간 보다 후 기간의 비대칭성이 가격변동성에 영향을 미치는 정도가 0.0464 만큼 더 높으며, 전기의 변동성이 현재의 변동성에 미치는 영향도 0.0584 만큼 더 높은 것으로 분석되었다.
- 고 (2007)는 정부비축사업 대상인 고등어, 갈치, 오징어, 명태 4가지 수산물을 대상으로 GARCH와 EGARCH 모형을 적용하여 변동성을 분석하였다. 분석 결과, 모든 수산물에서 변동성 군집(volatility clustering) 현상 및 가격변동성의 비대칭성이 존재하는 것으로 나타났다. 아울러 갈치를 제외한 고등어, 오징어, 명태에서는 이들 가격변동성에 레버리지 효과(leverage effect)가 존재하는 것으로 나타났다.
- F 1982) 검정 결과이다. 분석결과, 구조변화 전과 후 모형에서 자기상관은 존재하지 않는 것으로 분석되었다. 하지만 이분산 검정 결과 모든 기간에서 이분산이 존재하여 ARCH류 모형으로의 확장이 필요함을 알 수 있었다.
- 비교 분석 결과, AR(1) 계수의 경우 구조변화 전 보다 후 기간이 1.1367 크고, MA(1) 계수의 경우에는 구조변화 후 보다 전 기간이 1.1656 큰 것으로 분석되었다. 이는 구조변화 후 기간의 AR(1) 계수가 가격변화율에 미치는 양의 영향이 더 증가하였음을 의미하고, MA(1) 계수는 가격변화율에 미치는 음의 영향이 더 증가하였음을 의미한다.
- 비대칭성의 존재 유무를 판별하는 계수인 γ의 값은 구조변화 전과 후의 추정치가 0.0394, 0.0274로 양의 값을 지니고 통계적으로 유의하여 비대칭성이 존재하므로 레버리지 효과가 있음을 확인할 수 있었다.
- 비대칭성의 존재 유무를 판별하는 계수인 γ의 추정치는 구조변화 전 –0.0303, 구조변화 후 –0.0493으로 음의 값을 지니고 통계적으로 유의하여, 부정적인 소식이 좋은 소식보다 변동성의 증가에 더 큰 영향을 미친다는 비대칭성이 존재하여 레버리지 효과가 있는 것으로 분석되었다.
- Table 2는 단위근 검정 결과를 나타낸 표이다. 수준변수에서 ADF, PP, KPSS 검정 결과는 시계열 자료에 단위근이 존재하는 불안정한 시계열로 분석된 반면, 구조변화 시점을 고려한 Zivot-Andrews 검정에서는 단위근이 존재하지 않는 안정적인 시계열로 분석되었다. 이는 Perron(1989)의 결과와도 동일한 것으로 본 연구에서는 모든 단위근 검정에서 안정적인 시계열로 검정된 로그차분 자료를 이용하여 분석을 실시하였다.
- AIC, SC, HQ 3가지 정보요인에 의한 ARIMA 모형의 시차선정 결과, ARIMA(2,1,2) 모형이 선정되었으며 선정된 모형을 이용하여 구조변화 시점을 검정하였다. 신선 물오징어 소매가격 변화율의 구조변화 시점을 Quandt-Andrews 검정을 통해 실시하였으며 구조변화 시점으로 2009년 6월 11일이 선정되어 2009년 6월 11일을 기점으로 구조변화가 발생하였음을 확인하였다.
- 분석 결과, 모든 수산물에서 변동성 군집(volatility clustering) 현상 및 가격변동성의 비대칭성이 존재하는 것으로 나타났다. 아울러 갈치를 제외한 고등어, 오징어, 명태에서는 이들 가격변동성에 레버리지 효과(leverage effect)가 존재하는 것으로 나타났다. 또한 고 (2009)는 양식어류인 넙치와 조피볼락의 가격변동성과 요일 및 계절효과에 대한 분석을 실시하였고, GARCH 모형 분석 시 정규분포를 가정하는 모형과 t-분포를 가정하는 모형 간에 적합도를 분석하였다.
- 구조변화 전과 후 기간의 GJR GARCH 모형과 EGARCH 모형의 로그우도 값을 비교해 본 결과, 전과 후 모든 기간에서 GJR GARCH 모형의 로그우도 값이 EGARCH 모형보다 큰 것을 확인하였다. 이는 신선 물오징어 소매가격 변화율의 비대칭성 검증에 있어 EGARCH 모형보다 GJR GARCH 모형이 적합하다는 것을 의미한다.
- 본 연구에서 도출된 주요 분석 결과는 다음과 같다. 첫째, 수준변수의 단위근 검정 결과, ADF, PP, KPSS 검정 결과에서는 불안정한 시계열 자료로 분석되었지만, 구조변화를 고려한 Zivot-Andrews 검정에서는 수준변수가 안정적인 시계열로 분석되었다. 이에 본 연구에서는 모든 단위근 검정에서 안정적인 시계열로 분석된 로그차분자료를 이용하여 분석을 진행하였다.
- 평균이 중앙값보다 크기 때문에 자료가 오른쪽으로 치우친 분포를 가지는 것을 확인할 수 있다. 최댓값은 4,350원, 최솟값은 739원으로 자료의 범위(range)를 의미하는 최댓값과 최솟값의 가격 차이가 3,611원으로 자료의 범위가 크게 나타났다. 그리고 자료의 산포도를 의미하는 표준편차는 약 1,058로 크게 나타나 관측치가 평균으로부터 많이 떨어진 것을 확인할 수 있다.
- 추정된 모형에서, 모형의 안정성과 변동의 지속성을 나타내는 λ의 값이 0.9563, 0.9613으로 추정되어 안정적인 모형이 추정되었음을 확인할 수 있고, 한번 발생한 변동이 지속될 가능성도 높은 것으로 분석되었다.
- ’는 귀무가설을 기각하여 시계열 자료 간 자기상관이 존재하는 것을 확인하였다. 특히 Q2 통계량에서의 자기상관 존재여부는 조건부 이분산과 연관이 있으며, 각 기간의 자료를 이용한 ARCH류 모형 접근이 적절하다고 판단되었다.
- 분석결과, 구조변화 전과 후 모형에서 자기상관은 존재하지 않는 것으로 분석되었다. 하지만 이분산 검정 결과 모든 기간에서 이분산이 존재하여 ARCH류 모형으로의 확장이 필요함을 알 수 있었다.
후속연구
- 구조변화 전과 후 기간의 GJR GARCH 모형과 EGARCH 모형 추정 결과 ‘레버리지 효과’가 존재하여 신선 물오징어 소매가격 변화율의 감소가 변동성에 더 큰 영향을 미치는 것으로 분석되었다. 그리고 구조변화 전 보다 후 기간에서 가격변화율의 감소가 변동성에 미치는 영향이 더 큰 것으로 분석되어, 구조변화 후인 현재 물오징어 가격변화율의 감소로 인해 발생하는 가격변동성의 크기를 줄이기 위해서는 가격변화율의 감소가 우려될 시점에 적절한 물오징어 수매사업을 시행하는 것이 가격안정화 정책에 효과적일 것으로 판단된다.
- 본 연구는 대중어종인 오징어 가격에 대해 구조변화 시점을 검정하고, 가격변동성의 비대칭성 검증을 실시해 보았다는 점과 검증에 이용된 GJR GARCH 모형과 EGARCH 모형의 적합도를 검정해 보았다는 점에서 의의가 있다. 본 연구의 결과는 오징어 가격변동성에 대한 기초 자료를 제공함으로써 오징어 가격변동에 대한 정책적인 대응에 도움을 줄 수 있을 것으로 판단된다. 향후 연구에서는 오징어 외 고등어, 갈치 등 주요 대중어종의 가격변동성의 비대칭성 검증과 하나의 구조변화 시점뿐만 아니라 다수의 구조변화 시점을 검정하는 Bai-Perron (1998) 검정을 실시해 볼 필요가 있다고 사료된다.
- 본 연구의 결과는 오징어 가격변동성에 대한 기초 자료를 제공함으로써 오징어 가격변동에 대한 정책적인 대응에 도움을 줄 수 있을 것으로 판단된다. 향후 연구에서는 오징어 외 고등어, 갈치 등 주요 대중어종의 가격변동성의 비대칭성 검증과 하나의 구조변화 시점뿐만 아니라 다수의 구조변화 시점을 검정하는 Bai-Perron (1998) 검정을 실시해 볼 필요가 있다고 사료된다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.