V. 배출권 시장의 동시적 인과관계 분석
3. 실증분석
Ⅴ. 배출권 시장의 동시적 인과관계 분석 147
0 4 8 1 2 1 6 2 0 2 4 2 8 3 2
1 0 0 2 0 0 3 0 0 4 0 0
N O R D 0 N O R D 0 7 P N E X T
E E X E C X 0 7 E X A A
[그림 Ⅴ-3] 주요 시장별 CO2 배출권 가격의 동향 (2005.9.15~2007.7.25) 터를 분석하였다. 아래 그림은 이들 여섯 개 시계열 자료의 추세를 보여주는데, 시장별 배출권의 가격동향이 매우 유사하여 공적분의 가능성이 높은 것을 알 수 있는데, 이 부분에 관해서는 이후 통계적 으로 검정하도록 한다.
위 그림에서 배출권 가격의 폭락으로 인해 시계열 상 구조변환이 확실하게 발생한 것을 알 수 있다. Foster(1996)가 언급한 바와 같이 어떤 유형의 가격발견 과정은 항시적인 것이 아니라 여러 가지 요인 에 의해 변할 수 있으므로, 구조적 전환의 발생 전후로 가격발견 과 정이 어떻게 변하였는지를 살펴보는 것은 추정모형의 결과를 명확히 해석하는 데 도움이 된다(Engle, Hendry and Richard, 1983).
하지만, 2006년 4월에 경험한 배출권 가격 폭락은 NAP 정책의 실
0 20 40 60 80 100
0 5 10 15 20 25 30
Series: NORD0 Sample 57 477 Observations 410 Mean 11.91837 Median 12.52500 Maximum 29.85000 Minimum 0.100000 Std. Dev. 9.467008 Skewness 0.193479 Kurtosis 1.737556 Jarque-Bera 29.78483 Probability 0.000000 [그림 Ⅴ-4] NORD0의 통계적 성질
패로 인한 결과로서 그 원인이 너무나 분명하기 때문에 본 연구에서 는 굳이 구조변환에 대한 통계적 분석은 수행하지 않는다. 대신 전 기간에 걸쳐서 시계열 간의 공적분 관계를 검정한 후 그래프 분석을 수행하도록 한다.
선정된 변수의 주요 통계적 성질은 다음의 표에 제시되어 있다.
NORD0, NORD07, PNEXT, EXAA, ECX07, EEX간에 공적분 가능 성이 존재하기 때문에 VAR 모형보다는 VECM이 적합할 것으로 판 단된다. 따라서 시계열의 비정상성 여부를 우선 판별하기 위해
Ⅴ. 배출권 시장의 동시적 인과관계 분석 149
0 20 40 60 80 100
0 5 10 15 20 25 30
Series: EEX Sample 1 477 Observations 461 Mean 13.09805 Median 14.95000 Maximum 29.78000 Minimum 0.080000 Std. Dev. 9.479951 Skewness -0.055369 Kurtosis 1.628610 Jarque-Bera 36.36086 Probability 0.000000 [그림 Ⅴ-6] EEX의 통계적 성질
0 10 20 30 40 50 60 70 80 90
0 5 10 15 20 25 30
Series: NORD07 Sample 1 477 Observations 463 Mean 13.62125 Median 15.85000 Maximum 31.60000 Minimum 0.110000 Std. Dev. 9.907408 Skewness -0.031957 Kurtosis 1.666755 Jarque-Bera 34.37056 Probability 0.000000 [그림 Ⅴ-5] NORD07의 통계적 성질
0 10 20 30 40 50 60 70 80 90
0 5 10 15 20 25 30
Series: ECX07 Sample 1 477 Observations 461 Mean 13.60597 Median 15.75000 Maximum 31.50000 Minimum 0.110000 Std. Dev. 9.934833 Skewness -0.024287 Kurtosis 1.661707 Jarque-Bera 34.44800 Probability 0.000000 [그림 Ⅴ-7] ECX07의 통계적 성질
0 20 40 60 80 100
0 5 10 15 20 25 30
Series: EXAA Sample 1 477 Observations 463 Mean 13.20546 Median 15.60000 Maximum 29.81000 Minimum 0.100000 Std. Dev. 9.491371 Skewness -0.071066 Kurtosis 1.620475 Jarque-Bera 37.10348 Probability 0.000000 [그림 Ⅴ-8] EXAA의 통계적 성질
Ⅴ. 배출권 시장의 동시적 인과관계 분석 151
NORD0 NORD07 PNEXT ECX07 EEX EXAA
수준변수 -0.9239 (0.7802)
-0.6150 (0.8642)
-0.9914 (0.7575)
-0.6044 (0.8665)
-0.5842 (0.8710)
0.9179 (0.9957) 차분변수 -13.3144
(0.0000)
-14.5760 (0.0000)
-23.3555 (0.0000)
-14.9002 (0.0000)
-15.1761 (0.0000)
-20.8434 (0.0000) ( )은 MacKinnon (1996) 일측검정을 위한 p-값이며, 적정시차는 Schwartz
Information Criterion에 의해 결정되었음. 임계치는 -3.4473(1%), -2.8689(5%), -2.5708(10%)임.
<표 Ⅴ-1> ADF 검정결과
0 20 40 60 80 100
0 5 10 15 20 25 30
Series: PNEXT Sample 1 477 Observations 461
Mean 13.13371 Median 14.95000 Maximum 29.75000 Minimum 0.090000 Std. Dev. 9.485911 Skewness -0.059624 Kurtosis 1.627854
Jarque-Bera 36.43830 Probability 0.000000
[그림 Ⅴ-9] PNEXT의 통계적 성질
의 식을 추정하여
에 관한 ADF (Augmented Dickey-Fuller) 검정을 실시하였다. 그 결과가 다 음의 표에 제시되어 있다. ADF 검정 결과 유의수준 5% 하에서 비 정상성의 귀무가설을 기각할 수 없어 모든 시계열들이 단위근을 가 진 것으로 나타났다.다음 단계로 공적분 관계를 식별하기 위해 공적분 계수(rank)에 대한 검정을 실시한다. <표 Ⅴ-2>은 Johansen 공적분 검정을 실시하 여 얻은 결과를 보여준다. Trace테스트를 통해 유의수준 5%에서 r=3, 유의수준 1%에서 r=4인 것으로 나타났으며, 한편, 최대고유근을 이용한 Max-Eigen테스트에서는 유의수준 1%, 5% 모두 r=4인 것으 로 나타났다. 따라서 공적분 계수를 4로 설정한 다음 시계열
와 공 적분식이 선형추세를 따르는 추정식을 모형으로 선정하였다. 여기서 최적시차 길이는 Schwarz-loss Criterion에 의해 결정하였다.Johansen and Juselius(1990)의 방법을 따라 VECM을 추정하였는데, 그 결과는 <표 Ⅴ-3>와 같다.
가정 Trace 5 % 1 %
No. of CE(s) Eigenvalue 통계량 임계값 임계값
None ** 0.288213 299.3376 82.49 90.45 At most 1 ** 0.184685 184.0854 59.46 66.52 At most 2 ** 0.166744 114.8681 39.89 45.58 At most 3 ** 0.11923 53.02963 24.31 29.75 At most 4 0.021944 9.99051 12.53 16.31 At most 5 0.007255 2.468573 3.84 6.51
가정 Max-Eigen 5 % 1 %
No. of CE(s) Eigenvalue 통계량 임계값 임계값
None ** 0.288213 115.2522 36.36 41
At most 1 ** 0.184685 69.21727 30.04 35.17 At most 2 ** 0.166744 61.83846 23.8 28.82 At most 3 ** 0.11923 43.03912 17.89 22.99 At most 4 0.021944 7.521937 11.44 15.69 At most 5 0.007255 2.468573 3.84 6.51
<표 Ⅴ-2> 비제약 공적분 rank 테스트
Ⅴ. 배출권 시장의 동시적 인과관계 분석 153
공적분에 관한 위 결과를 바탕으로 VECM을 추정한 결과는 <표
Ⅴ-3>에 제시되어 있으며, VECM에서 구한 변수의 공분산 행렬은
<표 Ⅴ-4>에 나와 있다.
154 CointegratingEq: CointEq1CointEq2CointEq3CointEq4 NORD0(-1)1000 NORD07(-1)0100 PNEXT(-1)0010 ECX07(-1)0001 EEX(-1) -0.99816 (-0.0634) [-15.7451]
-0.05993 (-0.0914) [-0.65569]
-1.20369 (-0.06406) [-18.7886]
-0.2715 (-0.08309) [-3.26756] EXAA(-1)
-0.00398 (-0.06357) [-0.06267]
-0.99687 (-0.09165) [-10.8764]
0.205645 (-0.06424) [ 3.20107]
-0.78505 (-0.08332) [-9.42225] C-0.001390.146343-0.076010.142396 VECM 추정D(NORD0)D(NORD07)D(PNEXT)D(ECX07)D(EEX)D(E CointEq1-0.95721-0.011770.0246610.0191180.038096-0.00 [-8.16916][-0.13929][ 0.20701][ 0.17764][ 0.40277][-0.0 CointEq2-0.85852-1.32797-0.86778-0.67144-0.881440.6 [-3.01211][-6.45884][-2.99465][-2.56479][-3.83111][ 4.7
< 표 Ⅴ -3> V E CM 추 정결과
Ⅴ. 배출권 시장의 동시적 인과관계 분석 155 CointEq3-0.01306-0.00667-1.03221-0.04216-0.021180.072098 [-0.11342][-0.08032][-8.81698][-0.39857][-0.22790][ 1.23259] CointEq41.1711071.7763261.0686621.0251931.308279-0.34191 [ 3.44432][ 7.24228][ 3.09144][ 3.28273][ 4.76671][-1.97962] D(NORD0(-1))0.0093410.0536860.0373950.037150.0191490.019428 [ 0.09609][ 0.76561][ 0.37839][ 0.41609][ 0.24403][ 0.39345] D(NORD0(-2))0.0045290.0200950.000530.00064-0.0071-0.01043 [ 0.06566][ 0.40390][ 0.00755][ 0.01011][-0.12746][-0.29775] D(NORD07(-1))0.4385210.0654850.3443060.1433350.306193-0.47391 [ 1.69411][ 0.35071][ 1.30831][ 0.60287][ 1.46541][-3.60418] D(NORD07(-2))0.3014830.0507670.1678630.198520.306888-0.25493 [ 1.44826][ 0.33807][ 0.79314][ 1.03827][ 1.82632][-2.41085] D(PNEXT(-1))0.0507670.0075110.0165580.036450.015139-0.06877 [-0.00024][ 0.11085][ 0.17340][ 0.42250][ 0.19967][-1.44139] D(PNEXT(-2))-0.01371-0.006270.0007650.0120320.004683-0.01861 [-0.20515][-0.13005][ 0.01126][ 0.19608][ 0.08684][-0.54847]
156 D(ECX07(-1))0.036441-0.102860.267075-0.270150.1153790.1 [ 0.09946][-0.38919][ 0.71698][-0.80277][ 0.39012][ 0.7 D(ECX07(-2))0.4640340.4229710.6179740.4576660.613005-0.427 [ 1.43132][ 1.80860][ 1.87487][ 1.53694][ 2.34241][-2.5 D(EEX(-1))-0.428760.080345-0.795950.023243-0.537940.3 [-1.21667][ 0.31606][-2.22157][ 0.07181][-1.89106][ 1.9 D(EEX(-2))-0.89246-0.61684-1.04154-0.94565-1.154430.3 [-2.72715][-2.61300][-3.13046][-3.14608][-4.37015][ 2.3 D(EXAA(-1))0.0855030.0881090.1843780.258590.1847080.111 [ 0.88072][ 1.25813][ 1.86801][ 2.89995][ 2.35697][ 2.2 D(EXAA(-2))-0.034030.0026910.0326650.017322-0.015170.0 [-0.36308][ 0.03980][ 0.34281][ 0.20122][-0.20047][ 1.3 C-0.05964-0.05709-0.06782-0.06178-0.06404-0.030 [-1.55335][-2.06148][-1.73745][-1.75179][-2.06643][-1.5 R-squared0.511560.5320290.5196190.1821040.2946240.3 Adj. R-squared0.4891030.5105130.4975320.1444990.2621930.3 Sum sq. resids181.95894.68446188.0803153.5061118.562446.952
Ⅴ. 배출권 시장의 동시적 인과관계 분석 157 S.E. equation0.7230960.5216150.735160.6641610.5836920.367314 F-statistic22.7795224.727223.526524.8426099.0846212.61286 Log likelihood-390.87-271.657-396.91-359.839-312.699-143.647 Akaike AIC2.2349061.581682.2679992.0648711.806570.880258 Schwarz SC2.4165451.7633192.4496382.246511.9882091.061897 Mean dependent-0.06214-0.06189-0.06153-0.05715-0.0586-0.01712 S.D. dependent1.0116480.7455541.0371170.7180640.6795360.451431 Log Likelihood -783.815 Log Likelihood (d.f. adjusted) -836.041 Akaike Information Criteria 5.271459 Schwarz Criteria 6.617725 ( )안은 표준오차, [ ]은 t-값을 나타냄.
NORD0 NORD07 ECX07 EEX EXAA PNEXT NORTD0
NORD07 ECX07 EEX EXAA PNEXT
0.52287 0.23687 0.27567 0.25470 0.03843 0.20259
0.27208 0.30754 0.28244 0.04076 0.23272
0.44111 0.37709 0.03418 0.27992
0.34070 0.03041 0.25835
0.13492
0.02079 0.54046
<표 Ⅴ-4> 분산-공분산 행렬
가. DAG에 의한 동시 가격발견과정
<표 Ⅴ-4>에서 주어진 분산-공분산 행렬정보를 그래프 분석을 위 해 개발된 TETRAD 프로그램에 입력한다. DAG의 PC 알고리즘과 GEC 알고리즘은 우선 방향지시가 하나도 존재하지 않는 그래프 (completely undirected graph)부터 분석을 출발하여 인과성이 없는 연결선을 하나씩 제거함으로서 변수간의 연계성을 찾는다. 이 때 변 수간의 연계여부에 대한 기준으로 상관계수를 사용한다. ‘상관계수가 0이다’는 귀무가설에 대한 기각여부는 각각의 유의수준에서 부분상 관계수를 이용하여 결정된다. 귀무가설을 기각하기 위한 통계량으로 는 Fizher z 통계량을 사용한다.
[그림 Ⅴ-10]은 PC 알고리즘을 이용한 동시적 인과관계를 보여준 다. DAG에서 보여주는 인과관계는 동시적 인과관계로서 시차를 두 고 발생하는 Granger 인과관계와는 구별된다는 점은 이미 앞에서도 언급되었다.
[그림 Ⅴ-1]을 보면 6개의 배출권 현물과 선도시장이 모두 어떠한
Ⅴ. 배출권 시장의 동시적 인과관계 분석 159
경로를 통해서든 연결되어 있음을 알 수 있다. 특히 Nordpool의 2007년 선도가격은 Nordpool 자신의 현물가격 외에도 Powernext, EXAA, EEX, ECX의 가격정보를 모두 받아들이는 정보의 흡수원 (information sink)으로 기능하는 것으로 나왔다. Nordpool 2007년 선도을 제외하면 EEX의 연결선 개수가 무방향 연결선까지 포함해서 총 3개로 가장 많으며, 그 외는 하나 내지 두 개로 작았다. 즉, 어느 시장도 완전히 고립되어 있지는 않지만, 시장 전반적으로 연계가 활 발하다고 보기에는 부족하였다. 오스트리아 소재의 신흥 배출권 시 장이 EXAA의 규모는 전체 거래 규모의 2%에도 못 미치기 때문에 예상했던 대로 다른 시장과의 연계가 약한 것으로 나왔다.
하지만, Nordpool 시장이 유럽의 CO2 배출권 가격의 형성과정에 서 매우 중요한 정보의 흡수역할을 하는 것이 확인되어 향후 이 지 역 시장의 동향을 예의주시할 필요가 있을 것으로 판단된다. 아울러 프랑스에 소재한 Powernext는 PC 알고리즘의 결과에서 EEX의 가격 정보를 Nordpool 선도가격에 전달하는 채널역할을 하는 것으로 나 왔다. 이는 Nordpool의 CO2 배출권 거래 플랫폼이 Powernext에 기 반으로 하였다는 점에서 직관적으로 설명가능한 부분이다.
다음 단계로 그래프 분석에서 PC 알고리즘을 대신하여 GES 알고 리즘을 사용하여 동시적 인과관계를 살펴본다. [그림 Ⅴ-11]은 이 결 과를 보여주는데, 전체적인 연결선의 형태는 PC 알고리즘에서와 유 사하지만, 방향은 몇 개 시장에서 반대의 결과를 보여주었다.
Nordpool 현물이 PC 알고리즘에서는 Nordpool 선도에 영향을 주는 것으로 나왔지만, GES 알고리즘에서는 그 반대로 Nordpool 선도가 격정보가 현물가격에 영향을 주었다. Powernext의 경우도 동일한 결
[그림 Ⅴ-10] 그래프 분석결과 (PC 알고리즘)
과가 나왔다. Powernext와 Nordpool의 관계에서 PC 알고리즘과 GES 알고리즘의 방향지시가 상반되지만, 한 가지 주목할 수 있는 것은 이들 시장 간에 연계가 매우 긴밀하다는 점이다.
한편 PC 알고리즘보다 공격적인 GES 알고리즘에서도 EXAA와 Powernext의 동시적 영향(contemporaneous influence)은 통계적으로 유의미하지 않은 것으로 확인되었다. 반면, PC 알고리즘에서 방향성 을 확인할 수 없었던 EEX와 Powernext의 관계는 EEX의 가격정보를 Powernext가 받는 것으로 통계적으로 확인되었다.
Ⅴ. 배출권 시장의 동시적 인과관계 분석 161
[그림 Ⅴ-11] 그래프 분석결과 (GES 알고리즘)
지금까지의 논의는 동일 시간대(하루)를 기준으로 보는 동시적 인 과관계에 국한된 것으로, 시장에서의 확률충격(innovation)으로 인한 단기, 장기 반응이라는 동태적인 가격발견 과정을 살펴보기 위해서 는 충격-반응분석이나 예측오차 분산분해(forecast error variance decomposition)를 사용해야 한다. 즉, 그래프의 인과성이 동시적 인 과성인데 반해 예측오차분산분해 및 충격반응은 시차를 두고 인과성 을 살펴보는 것으로서, DAG에서 얻은 인과관계를 사용하여 변수를 Bernanke 방식으로 순위를 매겨 구한다. 본 분석에서는 위의 PC 및
GES 알고리즘 결과를 바탕으로 Bernanke 순위를 부여도록 한다. 적 정 유의수준은 5%를 기준으로 선정했다.18)
예측오차분산분해는 시간에 걸쳐 어떤 변수가 타 변수와 비교하여 통계적으로 외생적 또는 내생적인가를 식별하는데 유용한 정보를 준 다. 어떤 변수의 예측오차 분산의 대부분이 그 변수 자체의 확률오 차에 의해 설명되면 그 변수는 통계적으로 내생적인 것으로 볼 수 있다. 극단적인 경우를 예로 들면, 완벽한 내생적인 변수는 예측오차 분산의 100% 가 모든 시간대에 걸쳐서 자기변수에 의해 설명되는 경우다. 예측오차분산분해를 위해, 본 연구에서는 총 10일간의 시폭 (window)을 허용하였다. [그림 Ⅴ-12]는 주요 시장별 CO2 배출권 가 격의 충격-반응함수 분석결과를 보여준다. 아울러 <표 Ⅴ-5>은 예측 오차분산분해 결과를 보여준다.
<표 Ⅴ-5>을 해석하는 방법은 다음과 같다. 첫 번째 열은 지나간 날의 숫자를 나타내며, 두 번째 열은 해당 변수의 변이(variation)를 나타낸다. 이 변이를 여섯 개의 시장이 각각 얼마나 설명하는가가 나머지 열에 나와 있는데, 예를 들어, Nordpool 현물의 경우 확률충 격의 100%가 Nordpool 현물 자기 시장에 의해 설명된다.
18) 본 연구의 분석결과 제거되는 연결선의 개수는 유의수준에 민감하지 않은 것 으로 나타났기 때문에 어떤 유의수준을 채택해도 이후의 충격-반응분석에 큰 차이는 없다. 한편 유사 연구의 대부분이 5% 및 10%의 유의수준을 채택한다.
Spirtes, Glymour and Scheines (2000)는 몬테카를로 시뮬레이션을 통해, 표본 의 수가 100보다 작을 경우에는 유의수준 20%, 표본수가 100 이상이면 5% 내 지 10%가 바람직하다는 사실을 보여주었다. 박호정(2006)을 참조하기 바란다.
Ⅴ. 배출권 시장의 동시적 인과관계 분석 163
-3 -2 -1 0 1 2 3 4 5
12345678910
Response of NORD0 to Shock1
-3 -2 -1 0 1 2 3 4 5
12345678910
Response of NORD0 to Shock2
-3 -2 -1 0 1 2 3 4 5
12345678910
Response of NORD0 to Shock3
-3 -2 -1 0 1 2 3 4 5
12345678910
Response of NORD0 to Shock4
-3 -2 -1 0 1 2 3 4 5
12345678910
Response of NORD0 to Shock5
-3 -2 -1 0 1 2 3 4 5
12345678910
Response of NORD0 to Shock6
-4 -3 -2 -1 0 1 2 3 4 5
12345678910
Response of NORD07 to Shock1
-4 -3 -2 -1 0 1 2 3 4 5
12345678910
Response of NORD07 to Shock2
-4 -3 -2 -1 0 1 2 3 4 5
12345678910
Response of NORD07 to Shock3
-4 -3 -2 -1 0 1 2 3 4 5
12345678910
Response of NORD07 to Shock4
-4 -3 -2 -1 0 1 2 3 4 5
12345678910
Response of NORD07 to Shock5
-4 -3 -2 -1 0 1 2 3 4 5
12345678910
Response of NORD07 to Shock6
-4 -3 -2 -1 0 1 2 3 4 5
12345678910
Response of ECX07 to Shock1
-4 -3 -2 -1 0 1 2 3 4 5
12345678910
Response of ECX07 to Shock2
-4 -3 -2 -1 0 1 2 3 4 5
12345678910
Response of ECX07 to Shock3
-4 -3 -2 -1 0 1 2 3 4 5
12345678910
Response of ECX07 to Shock4
-4 -3 -2 -1 0 1 2 3 4 5
12345678910
Response of ECX07 to Shock5
-4 -3 -2 -1 0 1 2 3 4 5
12345678910
Response of ECX07 to Shock6
-3 -2 -1 0 1 2 3 4 5
12345678910
Response of EEX to Shock1
-3 -2 -1 0 1 2 3 4 5
12345678910
Response of EEX to Shock2
-3 -2 -1 0 1 2 3 4 5
12345678910
Response of EEX to Shock3
-3 -2 -1 0 1 2 3 4 5
12345678910
Response of EEX to Shock4
-3 -2 -1 0 1 2 3 4 5
12345678910
Response of EEX to Shock5
-3 -2 -1 0 1 2 3 4 5
12345678910
Response of EEX to Shock6
-3 -2 -1 0 1 2 3 4
12345678910
Response of EXAA to Shock1
-3 -2 -1 0 1 2 3 4
12345678910
Response of EXAA to Shock2
-3 -2 -1 0 1 2 3 4
12345678910
Response of EXAA to Shock3
-3 -2 -1 0 1 2 3 4
12345678910
Response of EXAA to Shock4
-3 -2 -1 0 1 2 3 4
12345678910
Response of EXAA to Shock5
-3 -2 -1 0 1 2 3 4
12345678910
Response of EXAA to Shock6
-3 -2 -1 0 1 2 3 4 5
12345678910
Response of PNEXT to Shock1
-3 -2 -1 0 1 2 3 4 5
12345678910
Response of PNEXT to Shock2
-3 -2 -1 0 1 2 3 4 5
12345678910
Response of PNEXT to Shock3
-3 -2 -1 0 1 2 3 4 5
12345678910
Response of PNEXT to Shock4
-3 -2 -1 0 1 2 3 4 5
12345678910
Response of PNEXT to Shock5
-3 -2 -1 0 1 2 3 4 5
12345678910
Response of PNEXT to Shock6 Response to User Specified Innovations
[그림 Ⅴ-12] 시장별 CO2 배출권 가격의 충격-반응 함수
Variance Decomposition of NORD0:
Period S.E. NORD0 NORD07 ECX07 EEX EXAA PNEXT
1 0.7231 100.0000 0.0000 0.0000 0.0000 0.0000 0.0000 2 1.0678 64.0281 20.4781 15.4133 0.0690 0.0064 0.0050 3 1.3937 48.5585 23.6887 27.5205 0.2064 0.0139 0.0120 4 1.6553 41.2753 24.9759 33.5102 0.2116 0.0119 0.0151 5 1.9054 37.0775 25.8247 36.7438 0.1841 0.1182 0.0518 6 2.1836 33.9373 26.3722 39.0721 0.1800 0.3538 0.0846 7 2.4960 31.4469 26.5018 41.1767 0.1952 0.5676 0.1117 8 2.8246 29.4432 26.3037 43.1761 0.2242 0.7129 0.1399 9 3.1513 27.8697 25.9874 44.8825 0.2583 0.8323 0.1697 10 3.4722 26.6501 25.6660 46.2442 0.2865 0.9545 0.1986 Variance Decomposition of NORD07:
Period S.E. NORD0 NORD07 ECX07 EEX EXAA PNEXT
1 0.5216 39.4384 60.5616 0.0000 0.0000 0.0000 0.0000 2 0.9899 34.1525 44.7479 20.9830 0.1133 0.0033 0.0000 3 1.3714 29.8723 37.8636 31.4925 0.6860 0.0767 0.0088 4 1.6539 27.7462 35.6780 35.5495 0.9503 0.0531 0.0230 5 1.9269 26.6202 34.2461 38.0293 0.9232 0.1221 0.0593 6 2.2302 25.8004 33.0328 39.8781 0.9088 0.2877 0.0922 7 2.5621 25.0445 31.8510 41.6018 0.9385 0.4460 0.1182 8 2.9059 24.3211 30.7010 43.3088 0.9641 0.5594 0.1457 9 3.2463 23.6671 29.7156 44.7949 0.9903 0.6571 0.1751 10 3.5797 23.1189 28.9161 45.9863 1.0128 0.7629 0.2032 Variance Decomposition of ECX07:
Period S.E. NORD0 NORD07 ECX07 EEX EXAA PNEXT
1 0.6642 32.9491 45.9038 21.1471 0.0000 0.0000 0.0000 2 1.0826 31.7945 39.0017 29.0086 0.0533 0.1410 0.0009 3 1.4195 28.6419 34.9338 35.5389 0.7783 0.0874 0.0198 4 1.7044 27.2503 33.5982 38.2568 0.7618 0.0906 0.0421 5 2.0054 26.2994 32.4429 40.2624 0.7064 0.2114 0.0774 6 2.3307 25.4636 31.4409 41.8618 0.7389 0.3876 0.1072 7 2.6734 24.7243 30.4232 43.4256 0.7622 0.5318 0.1330
<표 Ⅴ-5> 예측오차분산분해 결과