변동성이나 변이계수의 크기와 미치는 효과의 크기가 반드시 비례하는 것은 아니다. 그것은 변동성을 유발하는 요인이나 변동성의 특성에 차이가 있을 수 있기 때문이다. 그런데 광양항의 수출액과 수출량은 밀접한 선형관계를 가지나 두 변수의 변동률은 낮은 상관관계를 보인다. 이것은 두 변수의 변동성의 특성이 다르다는 것을 의미한다. 이에 물동량과 수출액의 예측하지 못한 요인의 밀도함수가 정규분포 형태를 보이지 않을 뿐만 아니라 부호편의검정, 규모편의검정, 결합검정, Ljung-Box Q 통계량 등이 GARCH와 같은 변동성 모형을 이용하여 분석을 실시하는 것이 합리적임을 보인다. 물동량 변동성에서는 대칭적 GARCH모형이 아닌 비대칭 GARCH모형이 적합한데 비해 수출액 변동성에서는 GARCH모형이 적합함을 보인다. 뉴스충격곡선을 도출하여 물동량의 경우 GJR모형이 EGARCH모형에 비해 나쁜 뉴스에 대한 분산을 과대평가하나 좋은 뉴스에 대한 분산을 과소평가하는 경향이 있음을 밝힌다.
변동성이나 변이계수의 크기와 미치는 효과의 크기가 반드시 비례하는 것은 아니다. 그것은 변동성을 유발하는 요인이나 변동성의 특성에 차이가 있을 수 있기 때문이다. 그런데 광양항의 수출액과 수출량은 밀접한 선형관계를 가지나 두 변수의 변동률은 낮은 상관관계를 보인다. 이것은 두 변수의 변동성의 특성이 다르다는 것을 의미한다. 이에 물동량과 수출액의 예측하지 못한 요인의 밀도함수가 정규분포 형태를 보이지 않을 뿐만 아니라 부호편의검정, 규모편의검정, 결합검정, Ljung-Box Q 통계량 등이 GARCH와 같은 변동성 모형을 이용하여 분석을 실시하는 것이 합리적임을 보인다. 물동량 변동성에서는 대칭적 GARCH모형이 아닌 비대칭 GARCH모형이 적합한데 비해 수출액 변동성에서는 GARCH모형이 적합함을 보인다. 뉴스충격곡선을 도출하여 물동량의 경우 GJR모형이 EGARCH모형에 비해 나쁜 뉴스에 대한 분산을 과대평가하나 좋은 뉴스에 대한 분산을 과소평가하는 경향이 있음을 밝힌다.
The standard GARCH model imposing symmetry on the conditional variance, tends to fail in capturing some important features of the data. This paper, hence, introduces the models capturing asymmetric effect. They are the EGARCH model and the GJR model. We provide the systematic comparison of volatilit...
The standard GARCH model imposing symmetry on the conditional variance, tends to fail in capturing some important features of the data. This paper, hence, introduces the models capturing asymmetric effect. They are the EGARCH model and the GJR model. We provide the systematic comparison of volatility models focusing on the asymmetric effect of news on volatility. Specifically, three diagnostic tests are provided: the sign bias test, the negative size bias test, and the positive size bias test. This paper shows that there is significant evidence of GARCH-type process in the data, as shown by the test for the Ljung-Box Q statistic on the squared residual data. The estimated unconditional density function for squared residual is clearly skewed to the left and markedly leptokurtic when compared with the standard normal distribution. The observation of volatility clustering is also clearly reinforced by the plot of the squared value of residuals of export volume and values. The unconditional variance of both export volumes and export value indicates that large shocks of either sign tend to be followed by large shocks, and small shocks of either sign tend to follow small shocks. The estimated export volume news impact curve for the GARCH also suggests that $h_t$ is overestimated for large negative and positive shocks. The conditional variance equation of the GARCH model for export volumes contains two parameters ${\alpha}$ and ${\beta}$ that are insignificant, indicating that the GARCH model is a poor characterization of the conditional variance of export volumes. The conditional variance equation of the EGARCH model for export value, however, shows a positive sign of parameter ${\delta}$, which is contrary to our expectation, while the GJR model exhibits that parameters ${\alpha}$ and ${\beta}$ are insignificant, and ${\delta}$ is marginally significant. That indicates that the asymmetric volatility models are poor characterization of the conditional variance of export value. It is concluded that the asymmetric EGARCH and GJR model are appropriate in explaining the volatility of export volume, while the symmetric standard GARCH model is good for capturing the volatility.
The standard GARCH model imposing symmetry on the conditional variance, tends to fail in capturing some important features of the data. This paper, hence, introduces the models capturing asymmetric effect. They are the EGARCH model and the GJR model. We provide the systematic comparison of volatility models focusing on the asymmetric effect of news on volatility. Specifically, three diagnostic tests are provided: the sign bias test, the negative size bias test, and the positive size bias test. This paper shows that there is significant evidence of GARCH-type process in the data, as shown by the test for the Ljung-Box Q statistic on the squared residual data. The estimated unconditional density function for squared residual is clearly skewed to the left and markedly leptokurtic when compared with the standard normal distribution. The observation of volatility clustering is also clearly reinforced by the plot of the squared value of residuals of export volume and values. The unconditional variance of both export volumes and export value indicates that large shocks of either sign tend to be followed by large shocks, and small shocks of either sign tend to follow small shocks. The estimated export volume news impact curve for the GARCH also suggests that $h_t$ is overestimated for large negative and positive shocks. The conditional variance equation of the GARCH model for export volumes contains two parameters ${\alpha}$ and ${\beta}$ that are insignificant, indicating that the GARCH model is a poor characterization of the conditional variance of export volumes. The conditional variance equation of the EGARCH model for export value, however, shows a positive sign of parameter ${\delta}$, which is contrary to our expectation, while the GJR model exhibits that parameters ${\alpha}$ and ${\beta}$ are insignificant, and ${\delta}$ is marginally significant. That indicates that the asymmetric volatility models are poor characterization of the conditional variance of export value. It is concluded that the asymmetric EGARCH and GJR model are appropriate in explaining the volatility of export volume, while the symmetric standard GARCH model is good for capturing the volatility.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
이러한 결과를 보다 명확히 밝히기 위하여 나쁜 뉴스와 좋은 뉴스를 대입하여 뉴스에 대한 변동성의 반응을 도출한 을 통해 살펴본다.
이제 광양항 수출물동량과 수출액의 예측불가능 부분을 도출한다. 이를 위해서 식 (10)-(11)과 같은 물동량(vol)과 수출액(val)에 대한 평균방정식을 도출한 후 3가지 변동성 모형의 분산방정식과 결합하여 추정한다.
가설 설정
이며, ( )안은 유의수준임.
음의 규모편의검정 결과 음의 쇼크(negative shock) 크기에 따라 변동성 크기가 다르지 않다는가설이 기각되어 음의 쇼크 크기에 따라 변동성이 다르다. 양의 규모편의검정 결과 역시 양의 쇼크 (positive shock) 크기가 변동성 크기에 미치는 효과가 다르지 않다는 가설을 기각하여 양의 쇼크 크기에 따라 변동성이 다르다. 부호편의와 규모편의를 결합한 결합검정도 쇼크의 크기에 따라서 그리고 좋은 뉴스인가 또는 나쁜 뉴스인가에 따라 변동성에 미치는 효과가 다르다는 것을 보여주고 있다.
부호편의검정 결과 양의 쇼크와 음의 쇼크가 예측하지 못한 물동량에 미치는 효과가 다르지 않다는 가설이 기각되어 음의쇼크와 양의 쇼크가 변동성에 미치는 효과가 다르다. 음의 규모편의검정 결과 음의 쇼크(negative shock) 크기에 따라 변동성 크기가 다르지 않다는가설이 기각되어 음의 쇼크 크기에 따라 변동성이 다르다. 양의 규모편의검정 결과 역시 양의 쇼크 (positive shock) 크기가 변동성 크기에 미치는 효과가 다르지 않다는 가설을 기각하여 양의 쇼크 크기에 따라 변동성이 다르다.
제안 방법
드물게 환율의 변동성이 컨테이너 물동량에 미치는 영향을 분석한 최봉호(2007), 운임의 변동성 성격을 규명한 모수원⋅이광배(2014), 그리고 환위험과 경기의 변동성이 수입물동량에 미치는 효과를 보인 김창범(2010)의 연구가 있으나 이들의 연구는 모두 대칭효과를 전제로 하는 GARCH모형을 이용하고 있다. 이에 본고는 2000년 1월부터 2014년 4월까지 광양항 수출의 변동성을 비대칭모형을 이용하여 분석한다. 본고는 다음과 같이 전개된다.
이제 앞에서 밝힌 바와 같이 뉴스충격곡선을 통해 적합한 변동성 모형을 선택하기로 한다. 일반적인 GARCH모형은 조건부분산이 뉴스충격에 εt-1= 0 을 중심으로 대칭이기 때문에 동일규모의 예상하지 못한 좋은 뉴스충격과 나쁜 뉴스충격은 동일규모의 변동성을 야기한다.
이론/모형
시계열자료의 조건부분산인 변동성이 시간가변적일 경우 이러한 변동성을 분석할 수 있는 모형이 Engle(1982)에 의해 도입되고 Engle et al.(1987)에 의해 확대된 ARCH(Autoregressive Conditional Heteroscedasticity)모형이며 식 (1)과 같은 분산방정식으로 나타낼 수 있다. ARCH모형은 Bollerslev(1986)에 의하여 GARCH모형으로 발전되었다.
(1987)에 의해 확대된 ARCH(Autoregressive Conditional Heteroscedasticity)모형이며 식 (1)과 같은 분산방정식으로 나타낼 수 있다. ARCH모형은 Bollerslev(1986)에 의하여 GARCH모형으로 발전되었다. GARCH(p, q)모형은 ARCH모형을 연장한 것으로 조건부 분산의 시차를 추가로 포함함으로써, 좀 더 신축적인 시차구조를 허용할 수 있다는 장점을 가지고 있으며, 식 (2)와 같이 표현할 수 있다.
규모편의검정 결과 역시 쇼크 크기에 따라 변동성 크기가 다르다는 것을 알 수 있었다. 이에 따라 GARCH모형과 비대칭 GARCH 모형을 이용하여 변동성 분석을 실시하였다.
성능/효과
먼저 물동량과 수출액의 예측하지 못한 요소(εt)를 조사하여 변동성이 집중현상을 보일 뿐만 아니라 밀도함수가 정규분포를 하지 않아 GARCH과정을 따르고 있으며, 부호편의검정 결과 음의 쇼크와 양의 쇼크가 변동성에 미치는 효과가 다른 것으로 나타났다. 규모편의검정 결과 역시 쇼크 크기에 따라 변동성 크기가 다르다는 것을 알 수 있었다. 이에 따라 GARCH모형과 비대칭 GARCH 모형을 이용하여 변동성 분석을 실시하였다.
먼저 물동량과 수출액의 예측하지 못한 요소(εt)를 조사하여 변동성이 집중현상을 보일 뿐만 아니라 밀도함수가 정규분포를 하지 않아 GARCH과정을 따르고 있으며, 부호편의검정 결과 음의 쇼크와 양의 쇼크가 변동성에 미치는 효과가 다른 것으로 나타났다.
물동량의 변동성에서 GARCH모형의 계수가 유의하지 않아 변동성 추정모형으로 적합하지 않은데 비해 비대칭 GARCH모형의 계수가 모두 유의하고 부호가 일치하여 EGARCH모형과 GJR모형이 적합한 것으로 나타났다. 이와는 반대로 수출액의 변동성에서는 EGARCH모형과 GJR모형의 계수가 유의하지 않거나 부호가 반대로 나타난데 비해 GARCH모형의 계수가 모두 유의하여 GARCH모형만이 적합하다는 것을 알 수 있었다.
이에 따라 뉴스충격곡선을 도출하여 물동량의 경우 GJR모형이 EGARCH모형에 비해 나쁜 뉴스에 대한 분산을 과대평가하나 좋은 뉴스에 대한 분산을 과소평가하는 경향이 있다는 것을 알 수 있었다. 수출액에서는 두개의 비대칭모형이 GARCH모형에 비해 나쁜 뉴스에 대한 분산은 과대평가하나 좋은 뉴스에 대한 분산은 과소평가하는 경향이 있음을 밝힐 수 있었다.
또한 변동성모형의 편의검정 결과 3개 변동성모형 모두에서 변동성의 효과를 도출하는 데 문제가 없었다. 이에 따라 뉴스충격곡선을 도출하여 물동량의 경우 GJR모형이 EGARCH모형에 비해 나쁜 뉴스에 대한 분산을 과대평가하나 좋은 뉴스에 대한 분산을 과소평가하는 경향이 있다는 것을 알 수 있었다. 수출액에서는 두개의 비대칭모형이 GARCH모형에 비해 나쁜 뉴스에 대한 분산은 과대평가하나 좋은 뉴스에 대한 분산은 과소평가하는 경향이 있음을 밝힐 수 있었다.
물동량의 변동성에서 GARCH모형의 계수가 유의하지 않아 변동성 추정모형으로 적합하지 않은데 비해 비대칭 GARCH모형의 계수가 모두 유의하고 부호가 일치하여 EGARCH모형과 GJR모형이 적합한 것으로 나타났다. 이와는 반대로 수출액의 변동성에서는 EGARCH모형과 GJR모형의 계수가 유의하지 않거나 부호가 반대로 나타난데 비해 GARCH모형의 계수가 모두 유의하여 GARCH모형만이 적합하다는 것을 알 수 있었다. 또한 변동성모형의 편의검정 결과 3개 변동성모형 모두에서 변동성의 효과를 도출하는 데 문제가 없었다.
질의응답
핵심어
질문
논문에서 추출한 답변
광양항의 수출액과 수출량은 어떤 관계를 가지는가?
그것은 변동성을 유발하는 요인이나 변동성의 특성에 차이가 있을 수 있기 때문이다. 그런데 광양항의 수출액과 수출량은 밀접한 선형관계를 가지나 두 변수의 변동률은 낮은 상관관계를 보인다. 이것은 두 변수의 변동성의 특성이 다르다는 것을 의미한다.
광양항의 수출액과 수출물동량은 어떤 추세인가?
광양항의 수출액과 수출물동량은 꾸준히 증가하고 있다. 수출액은 2000년 49억 달러에서 2013년 270억 달러로 증가하였고 물동량도 772만 톤에서 1923만 톤으로 늘었다.
변이계수의 크기와 미치는 효과의 크기가 반드시 비례하는 것은 아닌 이유는?
변동성이나 변이계수의 크기와 미치는 효과의 크기가 반드시 비례하는 것은 아니다. 그것은 변동성을 유발하는 요인이나 변동성의 특성에 차이가 있을 수 있기 때문이다. 그런데 광양항의 수출액과 수출량은 밀접한 선형관계를 가지나 두 변수의 변동률은 낮은 상관관계를 보인다.
Andrew, M. and Meen, G.(2003), House Price Appre ciation, Transaction and Structural Change in the British Housing Market: A Macroeconomic Perspective, Real Estate Economics, 31(1), 99-116.
Berg, L. and J. Lyhagen(1998), Short and Long-Run Dependency in Swedish Stock Returns, Applied Financial Economics, 18, 435-443.
Black, F.(1976), Studies in Stock Price Volatility Changes, Proceedings of the 1976 Business Meeting of the Business and Economics Statistics Section, American Statistical Association, 177-181.
Bollerslev, T., R. Chou, and K. Kroner(1986), ARCH Modeling in Finance: A Review of the Theory and Empirical Evidence, Journal of Econometrics, 52, 5-59.
Campbell, J. and L. Hentschel(1992), No News is Good News: An Asymmetric Model of Changing Volatility in Stock Returns, Journal of Financial Economics, 31, 381-318.
Christie, A.(1982), The Stochastic Behavior of Common Stock Variance: Value, Leverage and Interest Rate Effects, Journal of Financial Economics, 10, 407-432.
Engle, R.F.(1993), Autoregressive Conditional Heteroskedasticity with Estimates of the Variance of U.K. Inflation, Econometrica, 50, 987-1008.
Engle, R.F., Lilien, D.M., and Robinson, R.P.(1987), Estimating Time Varying Risk Premia in the Term Structure: the ARCH-M Model, Econometrica, 55, 391-407.
Engle, R.(1984), Wald Likelihood Ratio, and Lagrange Multiplier Tests in Econometrics, in: Z. Grrliches and M.D. Intrigator, eds.: Handbook of Econometrics, 2, North Holland, Amsterdam.
Engle, R., and D. Kraft(1983), Multiperiod Forecast Error Variances of Inflation Estimated from ARCH Models, in A. Zellner, ed.: Applied Time Series Analysis of Economic Data, Bureau of the Census, Washington, D.C., 293-302.
Engle, R.F. and V.K. Ng(1993), Measuring and Testing the Impact of News on Volatility, Journal of Finance, 48, 1749-1778.
Glosten, L., R. Jaganathan, and D. Runkle(1993), On the Relation Between the Expected Value and Volatility of The Nominal Excess Return on Stocks, Journal of Finance, 48, 1779-1801.
Rivera, G., T-H. Lee, and S. Mishra(2004), Forecasting Volatility: A Reality Check Based on Option Pricing, Utility Function, Value-at-Risk, and Predictive Likelihood, International Journal of Forecasting, 20, 629-645.
Lin, A.Y.(2006), Has the Asian Crisis Changed the Role of Foreign Investor in Emerging Equity Markets: Taiwan's Experience, International Review of Economics and Finance, 15, 364-382.
Mikosch, T. and C. Starica(2004), Non-stati onarities in Financial Time Series, the Long-Range Dependence, and the IGARCH Effects, Review of Economics and Statistics, 86, 378-390.
Miyakoshi, T.(2003), Spillovers of Stock Return Volatility to Asian Equity Markets from Japan the US, Journal of International Financial Markets, Institutions and Money, 13, 383-399.
Mougoue, M. and Aggarwal, R.(2011), Trading Volume and Exchange Rate Volatility: Evidence for the Sequential Arrival of Information Hypothesis, Journal of Banking & Finance, 35(10), 2690-2703.
Naoui, K., Liouane, N. and Brahim, S.(2010), A Dynamic Conditional Correlation Analysis of Financial Contagion: The Case of the Subprime Credit Crisis, International Journal of Economics and Finance, 2(3), 85-96.
Nelson, D.(1990), Stationarity and Persistence in the GARCH (1,1) Model, Econometric Theory, 6, 318-334.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.