국면전환 모형에서의 새로운 쟁점들: 내생성, ARMA 국면전환, 그리고 거시경제학 및 재무경제학에서의 응용들

국문 초록 (Abstract)

본 연구의 주된 목적은 기존의 국면전환모형을 다음의 세가지 경우로 확장하고, 이들 확장된 모형이 거시경제학 및 재무경제학에 어떻게 응용될 수 있는가를 보여주는 것이다: 1) 설명변수에 내생성이 존재하는 경우; 2) 비관측 상태변수에 내생성이 존재하는 경우; 3) 비관측 상태변수가 일반적인 ARMA-switching 과정을 따르는 경우. 본 연구는 향후 5년 동안 다음의 다섯 가지 연구 세부절차(research agenda)를 통하여 실행된 것이다.

<<Research Agenda 1: 연구자의 최근 연구결과 및 관련문헌 소개논문 집필>> 국면전환 모형(regime switching model), 가변계수 모형(time-varying parameter model) 및 내생성에 대한 연구자의 최근 연구는 학계에서 많은 관심을 받아왔다. 그 결과, 연구자는 최근 새로이 발간되고 있는 reference journal 인 Foundation and Trends in Econometrics의 editor인 William Greene으로부터 연구자의 최근 연구결과 및 관련 문헌을 소개하는 논문을 집필해 달라는 부탁을 받은 바 있다. 저널의 한 호 전체에 한 논문만 발표되는 형식을 따라 한 권의 책으로 발간될 본 논문의 집필이 연구자의 첫 번 째 research agenda 가 될 것이며, 이 논문의 제목은 “Dealing with Endogeneity in Regression Models with Dynamic Coefficients and Their Applications”이다.

<<Research Agenda 2: 내생성을 가지는 설명변수의 경우>> 설명변수에 내생성이 존재하는 경우의 기본적인 국면전환 모형에 대한 해결책은 연구자의 2004년도 Journal of Econometrics 게재 논문에서 처음으로 제시된 바 있다. 본 연구는 연구자의 기존 논문을 일반화시키는 것이다. 특히, joint estimation이 가지는 ‘curse of dimensionality’를 해결하는 현실적인 방안으로 이단계 추정법이 유도될 것이며, 이단계 추정법과 관련하여 추정치들의 표준오차 교정(standard error correction)이 국면전환 모형에서 어떻게 적용될 수 있는지 등이 연구의 중심이 될 것이다. 국면전환이 있는 경우의 New Keynesian Phillips curve, Forward-looking monetary policy rule 추정 등에 대한 새로운 응용이 그 중심이 될 것이다.

<<Research Agenda 3: 내생성을 가지는 비관측 상태변수의 경우>> 경제 주체들이 눈에 보이지 않는 어떤 Markov-switching을 하는 어떤 이산적인 상태변수에 반응하여 의사결정을 한다고 하자. 이러한 상황에서 상태변수가 모형의 설명변수로 포함되는 경우, 계량 경제학자가 접하는 정보와 경제주체가 실제로 접하는 정보 사이에 불일치가 발생한다면 모형에 포함된 상태변수에 대한 errors-in-variable 문제가 발생하게 되며, 이것이 바로 내생성의 근원이 되는 것이다. 이러한 상황은 많은 거시경제 상황 및 재무경제 상황에서 발생할 수 있으며 이러한 문제점은 지금까지 완전히 무시되어 왔다. 본 연구에서는 이러한 문제점의 계량적인 해결책을 찾고자 하는 것이다. 본 연구는 미시계량 분야의 기본 아이디어(Maddala and Nelson (1975))가 어떻게 거시계량/시계열분석과 접목되어 어떻게 확장/응용 될 수 있는가 하는 것을 보여주는 의미 있는 연구라 하겠다.

<<Research Agenda 4: 비관측 상태변수가 ARMA(p,q) switching을 가지는 경우>> Hamilton (1989) 이후 지금까지의 모든 국면전환 모형은 비관측 상태변수에 대해서 제약적은first-order Markov switching을 가정했었다. 본 연구에서는 비관측 상태변수가 일반적인 ARMA(p,q) 과정을 따르는 경우의 국면전환 모형의 추정방법 및 그 응용을 제시하고자 한다. 추정에 대한 유일한 해결책은 베이지안 방법론(Bayesian approach)에 있으며, 본 연구에서는 Markov-Chain Monte Carlo 방법을 적용하기 위한 full conditional distribution이 유도 가능하다는 것을 보일 것이다. 이 모형은 특히 High-frequency data 에서의 regime-switching volatility 등을 추정하는데 유용할 것이다.