시변 프로빗 모형을 이용한 불황 예측

국문 초록 (Abstract)

본 연구는 1954년 1월부터 2015년 12월까지의 미국 월별
데이터를 이용할 예정이며, 고려할 불황 예측 변수들은 다음과
같다:

- 수익률 스프레드 (10년 만기 국채 수익률 – 3개월 만기
국채 수익률)
- 주가 지수 (SP500 지수)
- TED 스프레드 (10년 만기 국채 수익률 – 3개월 LIBOR
수익률)
- 주택가격 (Case-Shiller 주택가격 지수)
- 신규 민간주택 허가
- 신규 실업수당 청구건수
- 비군수용 신규 자본재 주문
- ISM 신규 주문
- 주당 평균 근로시간
- 소비자 심리 지수 (Michigan대 소비자 심리 지수)

본 연구는 이러한 예측 변수를 대상으로 하여, 경제 여건의 변화에 따라 예측 모형의 속성이 매기 탄력적으로 변하는 예측 방법을 도입하기로 한다. 구체적으로 이 연구에서 사용되는 불황 예측 모형에서는 사용되는 예측 변수와 그에 해당하는 모수가 매기 변화하는 경우를 고려하며, 이를 위해 Raftery et al.(2010)이 제안한 알고리즘을 이용하기로 한다. (구체적인 내용은 아래의 ‘연구내용 부분의 2.2절’ 참조)
또한 모형 설정에 있어서는 설명 변수로 예측 변수의 과거 값만을 고려한 정태적(static) probit 모형 뿐 아니라, 추가적인 설명 변수로 불황 확률 추정치의 래그값을 포함한 자기회귀 probit 모형 및 불황 지표의 래그값을 포함하는 동태적(dynamic) probit 모형 등도 고려하기로 한다. 이와 같이 확장된 probit 모형들은 정태적 probit 모형에 비해, 모형 적합도 및 예측력이 상당정도 개선되는 것으로 알려져 있다.
모형의 적절한 평가를 위해서는 표본내 적합도(in-sample fit) 뿐 아니라 실제 예측력에 대한 분석 또한 중요하다. 따라서 이용하는 전체 표본 기간의 후반부를 대상으로 한 표본외 (pseudo out-of-sample) 예측도 실시하고 그 결과를 여러 다양한 경쟁 모형의 결과와 비교하기로 한다.
한편 개별 변수(모형)의 예측력은 예측 시계(forecast horizon)에 따라 달라질 가능성이 높으므로 (1, 3, 6, 9, 12 및 18개월 등) 다양한 예측 시계를 고려하여 시계별로 개별 예측 변수의 예측력이 어떻게 변화하는 지 살펴보기로 한다. 마지막으로 예측력의 평가를 위해서는 (log) predictive likelihood 및 평균제곱예측오차(mean squared forecast error) 등의 통계량을 이용한다.