1) 모형 및 사용된 자료
이 절에서는 앞서 분리되어 검토되었던 개별 국제 및 국내, 금융 및 실물변수들을 통합하여 동태적 특성을 살펴보고자 한 다. 대상이 될 수 있는 변수들은 많고, 어떤 변수들 간의 관계 에 초점을 맞출지 가능한 선택도 다양하다. 하지만 본고에서의 검토는 기본적으로 외부의 금융충격(external financial shocks)이 주 된 외생변수이고, 금융충격이 국내 실물경제에 어떻게 전이되는 가를 살피는 것에 국한한다.
이를 위해 네 변수 VAR 모형을 기본 틀로 사용하였다. 모형 에 포함된 변수를 설명하면 외부충격 원천변수로 VIX, 한국경제 의 외부여건을 대표하는 변수로 미국의 산업생산, 그리고 이러 한 외부충격이 국내 경제로 전이되는 경로로 생각할 수 있는 명 목달러 표시 한국의 수출이 모형에 고정적으로 포함되는 세 변 수이다.23) 마지막 네 번째 변수로는 세 가지 한국의 실물거시경
23) 외부 금융충격변수로 VIX 이외에도 앞에서 검토하였던 Ted spread를 사 용할 수도 있다. 하지만 각주 4)에서 설명하였듯이 두 변수 사이에 적지 않은 차이점이 존재하여서 동일한 대리변수로 보기 어려워 보인다. 따라 서 Ted spread를 사용한 모형을 예비적으로 검토한 결과는 VIX 포함 모 형에 비해 전체적으로 불안정한 결과가 목격되었다. 이런 차이점 자체가 향후 검토의 과제가 될 수 있을 것으로 보인다.
제 성과를 대표하는 산업생산, 고용(취업자 수), 그리고 투자(설비 투자 추계)를 각각 사용하여 보고자 하는 외부충격의 전파에 관 련된 특성을 살펴본다. 따라서 전체 세 가지의 네 변수 VAR모 형이 검토에 쓰인다. 2008년 위기 이후 경과된 시간이 제한적일 뿐만 아니라 2008년 금융시장 위기의 전파 속도가 상당히 빨랐 다는 점을 감안하여 가능한 한 관측빈도를 늘리고 시차를 줄이 기 위해 월별 자료를 사용하였다. 설비투자 추계를 제외한 모든 변수는 1990년 1월부터 2009년 9월까지의 자료를 사용하였고, 설비투자의 경우 첫 관측시점이 1995년 2월이다. 사전적 검토에 의하면 대부분 변수들이 뚜렷한 계절성을 보이고 있어서 계절 조정이 되지 않은 원자료에 계절 더미변수를 모형에 포함하여 계절성을 제거하였다.
자연대수를 취하였고(logged), 로그변수들이 비안정성(non-stationarity) 을 보였기 때문에 안정성(stationarity)을 유도하기 위해서 전월 대 비 차분된 변수를 사용하였다. 모든 변수의 경우 차분된 변수들 은 Dicky-Fuller 검사에서 매우 뚜렷하게 단위근(unit root)이 제 거된 결과를 보였다. 모형에 포함되는 시차(lag) 개수는 우도검 증(likelihood test)을 통해 적절한 것으로 보이는 12개월로 설정하 였다.24) 로그를 취한 원변수는 각각 lvix, lusip(미국 산업생산),
24) 이 우도검증은 Sims(1980)가 제시한 것으로 RATS 프로그램에서 시행방 법을 모듈화하고 있다. 12개월과 8개월 시차를 포함한 모형을 추정한 후 각각 잔차 행렬의 variance-covariance 행렬을 구한 후 각각 행렬식 (determinants)의 log값을 취하여 이를 바탕으로 만들어진 test statistic이 모형제약수의 자유도(degree of freedom)의 χ2 분포를 갖는다. 이 test statistic이 크면 8개월 시차 제약이 더 적절하다는 가설을 기각하고 12개 월 시차를 사용한다. 앞서 언급하였던 VAR모형의 계절조정 더미변수를
Ⅲ. 두 위기와 한국경제의 반응 95 lkorexp(한국 수출), lkorip(한국 산업생산), lkoremp(한국 취업자 수), lkorinv(한국 설비투자 추계)로 표시했고, 전기 차분변수에는 d를 변수명 앞에 붙였다. 일례로 dlkorexp는 한국 수출의 전월 대비 증감을 표시한다.
<표 3-1> 모형에 포함된 변수들의 기본 통계
변수명 관측치수 평균 표준편차 최저값 최대값
DLVIX 236 0 0.139 -0.334 0.705
DLUSIP 236 0.002 0.021 -0.049 0.055 DLKOREXP 236 0.009 0.105 -0.415 0.223 DLKORIP 236 0.007 0.062 -0.154 0.196 DLKOREMP 236 0.002 0.016 -0.059 0.068 LDKORINV 175 0.003 0.089 -0.279 0.282
이하에서는 시도된 실증검증의 대강을 소개하고, 이를 통해 몇 가지 견고성과 대표성이 있는 동태적 특성 결과와 기타 특이 점을 추가하여 언급하도록 하겠다. 먼저 모형추정의 대상기간을 세 가지로 나누어 보았다. 첫 번째는 1990년부터 2000년 말까지
(표본 1), 두 번째는 2007년 말까지(표본 2), 그리고 세 번째는 2009년 9월까지(표본 3)를 사용하였다. 이렇게 샘플을 나누어 본 것은 변수들 간의 동태적 특성이 각 표본기간 내에 있었던 주요 사건들에 영향을 받았을 것이라는 사전적 판단을 반영한 것이 다. 즉, 첫 번째 표본기간의 특성은 1997년 위기 때 각 변수(최 소한 한국변수)들의 변동성이 높아진 것의 영향을 받았을 것이다.
포함하는 것이 적절한가도 이런 검증절차를 거쳐 결정한다.
그리고 2007년 표본의 경우 2000년 이후 있었던 사건들을 반영 함과 동시에 2008년 위기 이전까지의 동태적 특성을 보여주는 의미가 있다. 마지막 기간은 전체 표본기간과 동시에 2008년에 발생했던 상황을 반영해 준다.25)
2) 검토결과: F-test와 분산분해
검토결과는 전체적으로 각 변수들의 외생성이 강한 것으로 나타났다. 각 개별 회귀식에서 포함된 변수들의 설명력으로 나 타내는 F-test 결과(혹은 Granger causality 결과)와 VAR을 이용한 예측오차의 분산분해(variance decomposition) 결과 모두 대체적으 로 이러한 특성을 띤다. 이하에서는 여러 경우를 대표하는 결과 를 표로 보이고 표와 다른 표본기간의 특성이 다른 경우 표에 소개된 결과와 비교하여 설명하도록 한다.
<표 3-2>은 dlvix-dlusip-dlkorexp에 dlkorip를 더한 네 변수의 VAR을 1990년부터 2009년까지 표본기간을 사용하여 추정한 결 과이다. 표의 상단은 F-test 결과를 보여준다. 주로 대각성분 칸 들이 1%의 유의성을 보이고 있는 것은 다른 변수들이 설명력 증진에 효과가 작음을 시사한다. 예외적으로 <표 3-3>과 <표
25) 하지만 표본기간이 1991년에 시작하기 때문에 표본 1에서 추정된 12개 월 시차 모형의 경우 자유도(degree of freedom)가 59에 그친다. 이에 비해 표본 3의 자유도는 164에 이른다. 따라서 추정 모형의 적정성을 판 단함에 있어 짧은 표본의 자유도 손실도 고려할 필요가 있다. 모형추정 의 자유도에 대한 고려 때문에 표본분할을 1991～2000, 2001～2007과 같이 중복이 없는 구간분할(non-overlapping sampling)을 하지 않았다.
Ⅲ. 두 위기와 한국경제의 반응 97 3-4>에서 보듯이 한국 수출변수에 VIX지수가 설명력을 갖는 경 우가 있는데 이는 한국 산업생산지수 대신, 고용 및 설비투자를 사용했을 때 역시 목격되었다. 아울러 표에서 볼 수 있듯이 오 히려 2000년까지의 짧은 표본에서 포함된 설명변수들이 유의미 한 F-test 결과를 보이는 경우가 더 많았다. 설비투자를 사용한 모형의 경우가 모형에 포함된 변수들 간의 설명력이 높아지는 것을 볼 수 있다(<표 3-4> 참조).
예측오차 분산분해 결과도 각 변수의 자기 설명력이 단연 높 은 결과를 보여주고 있다. 예외적인 경우가 한국 산업생산의 예 측오차를 산업생산뿐만 아니라 수출이 상당한 부분 설명을 한 다는 것이다(<표 3-2>). 이는 대외의존도가 높은 한국경제 상황 을 감안할 때 타당한 결과라 하겠다. <표 3-3>는 이와 대조적으 로 한국의 수출이 고용에 대한 예측력이 크게 떨어지는 결과를 보인다. 이는 특히 2000년대 이후 수출호조와 고용의 상대적 부 진이 동시에 진행되었던 한국경제의 현실을 잘 반영한다고 하 겠다. 수출과 산업생산활동과의 관계에 비해 수출과 고용은 매 우 느슨하게 연결되었음을 이 결과는 다시 확인시켜주고 있다. 설비투자를 포함한 모형은 분산분해에서도 흥미로운 결과를 보인다. <표 3-4> 상단의 F-test 결과와도 유사하게 분산분해에 서도 기본적으로 포함된 변수들의 상호 설명력이 높아지는 모 습을 보인다. 특히 미국의 산업생산, 한국의 수출과 설비투자, 세 변수들 사이의 상호 설명력이 한국의 산업생산과 고용을 사 용한 <표 3-2>과 <표 3-3>의 결과보다 눈에 띄게 늘어나는 것 을 알 수 있다. 심지어는 VIX의 예측오차에 대해서도 미국의 산
업생산과 한국의 설비투자 변수의 설명력이 앞의 모형들에 비 해 높아지는 것을 볼 수 있다. 기술적으로는 설비투자 변수 자 체의 변동성이 큰 것이 한 요인일 것이다. 하지만 경제적인 관 점에서도 설비투자와 금융시장 불안과는 연관성이 크기 때문에
<표 3-4>에서 볼 수 있는 한국 설비투자의 VIX에 대해 설명력 을 보이는 것이 터무니없는 결과가 아니다.
표본 2, 즉 2007년 말까지의 기간에 추정된 모형의 분산분해 결과는 <표 3-4>에서 보는 것보다 포함변수들의 설명력이 더 높게 나온다. 특히 VIX와 미국 산업생산이 한국 수출과 투자의 예측오차를 설명하는 비중이 더 높아진다.
Ⅲ. 두 위기와 한국경제의 반응 99
<표 3-2> VIX, 미국 산업생산, 한국 수출, 한국 산업생산 VAR:
(표본 1, 3)의 F-test 및 (표본 3)의 예측오차 분산분해 결과
종속변수
독립변수 DLVIX DLUSIP DLKOREXP DLKORIP
DLVIX ++ +
DLUSIP +++ ++, *** +
DLKOREXP * ***
DLKORIP ++, ***
DLVIX 예측오차 분산분해(variance decomposition)
6 개월 12개월 18개월 24개월
DLVIX 93.4 87.2 86.5 86.0
DLUSIP 4.5 6.8 7.4 7.4
DLKOREXP 1.4 3.6 3.6 3.9
DLKORIP 0.7 2.4 2.5 2.7
DLUSIP 예측오차 분산분해(variance decomposition)
DLVIX 6.2 9.0 10.4 10.2
DLUSIP 88.7 79.3 77.2 76.5
DLKOREXP 2.2 7.5 8.1 8.9
DLKORIP 2.8 4.2 4.3 4.4
DLKOREXP 예측오차 분산분해(variance decomposition)
DLVIX 6.6 6.3 7.1 7.3
DLUSIP 7.2 8.5 8.9 9.6
DLKOREXP 84.2 80.8 75.8 74.7
DLKORIP 2.1 4.4 8.2 8.4
DLKORIP 예측오차 분산분해(variance decomposition)
DLVIX 3.6 4.8 5.2 5.3
DLUSIP 6.3 6.9 8.4 8.7
DLKOREXP 36.7 36.9 35.4 35.3
DLKORIP 53.4 51.4 51.0 50.7
주: +(*), ++(**), +++(***)는 각각 1991. 2～2000. 12(1991. 2～2009. 9) 표본기간 모형에서 해당 설명변수가 10%, 5%, 그리고 1% 수준에 유의한 경우임.
<표 3-3> VIX, 미국 산업생산, 한국 수출, 한국 고용 VAR:
(표본 1, 3)의 F-test 및 (표본 3)의 예측오차 분산분해 결과
종속변수
독립변수 DLVIX DLUSIP DLKOREXP DLKOREMP DLVIX
DLUSIP + +++, *** **
DLKOREXP ** ++, ***
DLKOREMP ***
DLVIX 예측오차 분산분해(variance decomposition)
6 개월 12개월 18개월 24개월
DLVIX 92.2 85.8 85.3 85.1
DLUSIP 4.6 6.8 7.0 7.0
DLKOREXP 2.1 3.9 4.0 4.2
DLKOREMP 1.2 3.5 3.7 3.7
DLUSIP 예측오차 분산분해(variance decomposition)
DLVIX 6.5 9.6 10.7 10.5
DLUSIP 89.1 78.2 75.9 74.9
DLKOREXP 2.4 9.2 9.3 9.9
DLKOREMP 2.0 3.1 4.1 4.6
DLKOREXP 예측오차 분산분해(variance decomposition)
DLVIX 6.6 6.5 7.1 7.4
DLUSIP 9.2 10.3 10.9 11.3
DLKOREXP 81.0 77.7 75.2 73.3
DLKOREMP 3.3 5.5 6.8 8.0
DLKOREMP 예측오차 분산분해(variance decomposition)
DLVIX 3.5 4.3 4.5 4.5
DLUSIP 2.6 3.7 5.3 5.8
DLKOREXP 4.0 7.5 8.1 8.7
DLKOREMP 90.0 84.5 82.2 81.1
주: +(*), ++(**), +++(***)는 각각 1991. 2～2000. 12(1991. 2～2009. 9) 표본기간 모형에서 해당 설명변수가 10%, 5%, 그리고 1% 수준에 유의한 경우임.
Ⅲ. 두 위기와 한국경제의 반응 101
<표 3-4> VIX, 미국 산업생산, 한국 수출, 한국 설비투자 VAR:
(표본 2, 3)의 F-test 및 (표본 3)의 예측오차 분산분해 결과
종속변수
독립변수 DLVIX DLUSIP DLKOREXP DLKORINV DLVIX
DLUSIP ++, *** *
DLKOREXP +, * + +++, ***
DLKORINV ++, * ++, ** +, *
DLVIX 예측오차 분산분해(variance decomposition)
6 개월 12개월 18개월 24개월
DLVIX 87.2 77.1 74.6 71.7
DLUSIP 6.6 8.6 9.2 10.9
DLKOREXP 2.6 4.1 5.4 6.7
DLKORINV 3.5 10.1 10.8 10.7
DLUSIP 예측오차 분산분해(variance decomposition)
DLVIX 5.6 9.0 10.2 9.6
DLUSIP 87.8 73.3 69.0 68.0
DLKOREXP 4.5 13.1 15.0 16.8
DLKORINV 2.1 4.7 5.7 5.7
DLKOREXP 예측오차 분산분해(variance decomposition)
DLVIX 8.5 8.1 8.0 8.2
DLUSIP 9.6 12.3 12.1 12.5
DLKOREXP 79.2 74.8 71.7 70.8
DLKORINV 2.7 4.8 8.2 8.6
DLKORINV 오차 분산분해(variance decomposition)
DLVIX 6.6 6.1 6.7 7.2
DLUSIP 2.2 6.2 9.4 9.9
DLKOREXP 9.7 16.8 20.0 19.7
DLKORINV 81.5 70.9 63.9 63.1
주: +(*), ++(**), +++(***)는 각각 1991. 2～2007. 12(1991. 2～2009. 9) 표본기간 모형에서 해당 설명변수가 10%, 5%, 그리고 1% 수준에 유의한 경우임.
3) 검토결과: 충격반응
다음은 동태적 관계를 쉽게 볼 수 있는 충격반응(impulse response)을 살펴보고자 한다. 원칙적으로 포함된 모든 변수의 충격에 대해 다른 변수들이 반응하기 때문에 전체 상호반응을 살펴보는 것은 무리이다. 본고의 관심사는 국제금융시장 충격에 따른 효과에 초점이 맞추어져 있고, 이를 반영하여 변수들의 배 열순서(ordering)를 결정한 것이기 때문에, 시스템에서 가장 먼저 위치하는(즉, 가장 외생적인) VIX 충격에 따른 다른 변수들, 특히 우리나라 거시변수들의 반응을 살펴보고자 한다. 앞서 본 표들 과 유사하게 VIX-미국 산업생산-한국 수출의 세 변수 모형에 차 례로 한국의 산업생산, 고용, 그리고 설비투자를 추가한 네 변 수 모형에서 각각 도출된 충격반응을 보여주고 있다. 로그 차분 된 원자료의 충격반응이 빠르게 소멸되는 모습이기 때문에 해 석의 편의를 위해서 도출된 충격반응값을 누적한 단위로 나타 냈다. 즉, 원래 모형에서 충격반응을 dlkorexp로 구하여서 이를 누적하면 그 값이 lkorexp의 단위로 환산된다. 그림의 충격반응
은 dlvix 식의 잔차항의 표준편차 크기의 충격이 주어졌을 때
여타 변수들이 24개월까지 어떻게 반응하는가를 보여주고 있다. 그런데 충격반응의 경우 표본기간에 따라 반응의 모양이 달라 진다면 그 역시 흥미로운 결과이다. 즉, 본고의 주된 관심사는 각 표본기간에 있었던 주요 사건이 어떻게 변수들 간의 동태적 관계에 영향을 미치느냐 하는 것이다. 따라서 충격반응의 모습 이 표본의 변화에 따라 크게 달라지는 경우가 있다면 어떻게 달