Structural Risks in the Lithium Supply Chain of South Korea : A Bayesian SVAR Approach = 한국 리튬 공급망의 구조적 위험 분석: Bayesian SVAR 기법을 중심으로

다국어 초록 (Multilingual Abstract)

This paper employs a Bayesian Structural Vector Autoregressive model with sign restrictions to investigate the structural risks in South Korea's lithium supply chain and battery value chain. South Korea sustains its leading position in the battery industry while relying on lithium imports that are highly import-dependent and concentrated among a limited set of supplier countries. To gain a better understanding behind this system, we build a mineral-specific model with lithium price, lithium import volume, battery production index, and battery export volume as endogenous variables, along with the Global Supply Chain Pressure Index as an exogenous factor. Results show that there exists a structurally ingrained demand-pull mechanism within the lithium supply chain for South Korea, indicating that lithium procurement is driven not only by price dynamics, but also by its battery production and export capacities. The mineral security strategy of South Korea should move beyond upstream diversification and consider downstream battery demand as an important structural driver of the lithium supply chain vulnerability.

국문 초록 (Abstract)

부호 제약을 활용한 Bayesian Structural Vector Autoregression (SVAR) 모형을 통해 한국의 리튬 공급망 및 배터리 가치사슬에 내재된 구조적 위험 요소들을 분석하였다. 한국은 세계적인 배터리 생산 선도국이지만, 핵심 원료인 광물의 수급을 전적으로 수입에 의존하고 있다. 이 연구는 리튬 단가, 수입 물량, 배터리 생산지수, 배터리 수출량을 내생 변수로 설정하고, 글로벌 공급망 압력 지수(Global Supply Chain Pressure Index)를 외생 변수로 포함하는 리튬 공급망 모형을 구축하였다. 분석 결과, 한국의 리튬 공급망에는 수요견인 메커니즘이 존재하는 것으로 확인되었다. 즉, 리튬 조달은 가격뿐만 아니라 생산 및 수출 사이클과도 밀접하게 연계되어 있음을 의미한다. 이러한 결과는 광물 안보 전략이 단순히 공급 다변화나 비축 확대에 그칠 것이 아니라, 배터리 생산 및 수출 확대와 관련된 다운스트림 요인까지 고려한 종합적인 리스크 관리 체계를 필요로 함을 시사한다.

목차 (Table of Contents)

• Chapter 1. Introduction 1
• 1.1. The Clean Energy Transition Relay 1
• 1.2. The Global Critical Mineral Supply Chain 1
• 1.3. Stakes and Challenges for South Korea 4
• 1.4. The Lithium Constraint 6
• Chapter 2. Literature Review 9
• Chapter 3. Data 13
• Chapter 4. Econometric Framework 16
• 4.1. Structural Vector Autoregressive Model 16
• Chapter 5. Identification Strategy 18
• 5.1. Bayesian SVAR Specifications 18
• 5.2. Sign-restrictions 19
• Chapter 6. Results 22
• 6.1. Impulse Response Functions 22
• 6.2. Forecast Error Variance Decomposition 26
• 6.3. Historical Decomposition 29
• 6.4. A Holistic Takeaway 32
• Chapter 7. Policy Implications 34
• 7.1. Current Policy Directions 34
• 7.2. Policy Reinforcement Suggestions 36
• Chapter 8. Conclusion 37
• Bibliography 38
• Abstract in Korean 43