< Previous김부권․최기홍․윤성민 •166• 일 필요가 있는데, 본 연구의 결과는 그러한 정책을 수립하는 데 기초정보를 제공할 수 있을 것이다. 예를 들면, 에너지를 생산하는 국가의 시장 혹은 정치 상황을 주시하여 에 너지 가격 상승에 대비하여 다양한 에너지원을 확보할 수 있는 정보의 기초를 마련할 수 있을 것이다. 또한 급격한 에너지 가격의 상승에 따라 확대될 수 있는 불확실성에 대비해 투자기회의 확대, 각종 부양책에 대한 기초적인 정보를 제공해줄 수 있을 것이다. 본 연구는 에너지 가격과 경제적 불확실성 관계에 대한 기존연구들의 연구방법이 갖 고 있는 선형관계와 같은 비현실적 가정으로부터 자유로운 copula 모형을 이용해 의존 구조를 분석하였다는 점에서 의의가 있다. 특히 의존구조 분석에서 극단적인 사건을 반 영하는 꼬리 의존성을 함께 분석할 수 있으므로 위험관리 측면에서 에너지 시장과 경제 적 불확실성 사이의 관계를 분석할 수 있었다. 그러나 본 연구에서 고려한 copula 모형은 정적 copula 모형(constant copula model)이어서 의존성 구조의 시간가변(time-varying) 특성을 분석할 수 없다는 한계가 있다. 또한 수요와 공급 요인에 따라 의존성 구조에 미 치는 효과가 다를 수 있으나, 본 연구에서는 이를 명시적으로 고려하지 못해 요인별 의존 성 구조를 충분히 분석하지 못하였다. 이러한 한계점을 고려해 후속 연구에서는 시간가 변 특성과 수요-공급 요인을 명시적으로 반영하여 연구를 수행하고자 한다. [References] 김부권, “Copula 모형을 이용한 에너지 가격과 경제적 불확실성 의존관계 분석”, 부산대학교 대학원 경제학과 석사학위논문, 2020. 김상배, “유가 불확실성과 주가지수 수익률: 비선형모형을 이용한 분석”, ｢에너지경제연구｣, 제17권 제2호, 2018, pp. 31~51. 노산하․김남현, “유가 불확실성이 국내 경제변수에 미치는 영향”, ｢국제경제연구｣, 제25권 제1호, 2019, pp. 1~38. 모수원, “뉴스충격과 유가변동성의 비대칭성”, ｢자원․환경경제연구｣, 제13권 제2호, 2004, pp. 175~196. 배성종․박상우, “유가 변동요인이 산업생산에 미치는 영향”, ｢한국은행 조사통계월보｣, 2012Copula 모형을 이용한 에너지 가격과 경제적 불확실성 사이의 의존관계 분석 •167• 년 7월호, pp. 16~65. 차경수, “한국경제에 미치는 유가충격의 시간-가변적 효과에 관한 연구”, ｢자원․환경경제연 구｣, 제27권 제3호, 2018, pp. 495~520. Aloui, R., R. Gupta, and S. M. Miller, “Uncertainty and crude oil returns,” Energy Economics, Vol. 55, 2016, pp. 92~100. Antonakakis, N., I. Chatziantoniou, and G. Filis, “Dynamic spillovers of oil price shocks and economic policy uncertainty,” Energy Economics, Vol. 44, 2014, pp. 433~447. Baker, S. R., N. Bloom, and S. J. Davis, “Measuring economic policy uncertainty,” Quarterly Journal of Economics, Vol. 131, 2016, pp. 1593~1636. Basher, S. A. and P. Sadorsky, “Hedging emerging market stock prices with oil, gold, VIX, and bonds: a comparison between DCC, ADCC and GO-GARCH,” Energy Economics, Vol. 54, 2016, pp. 235~247. Bernanke, B. S., “Irreversibility, uncertainty, and cyclical investuncertainty, and cyclical investment,” Quarterly Journal of Economics, Vol. 98, 1983, pp. 85~106. Brechmann E. and U. Schepsmeier. “Cdvine: Modeling dependence with c-and d-vine copulas in R.,” Journal of statistical software, Vol. 52, 2013, pp. 1~27. Brown, S. P. A. and M. K. Yucel, “What drives natural gas prices?,” Energy Journal, Vol. 29, 2008, pp. 45~60. Cech, C., “Copula-based top-down approaches in financial risk aggregation,” 2006, Available at SSRN 953888. Chang, C. L., M. McAleer, and R. Tansuchat, “Crude oil hedging strategies using dynamic multivariate GARCH,” Energy Economics, Vol. 33, 2011, pp. 912~923. Colombo, V., “Economic policy uncertainty in the US: does it matter for the Euro area?” Economics Letters, Vol. 121, 2013, pp. 39~42. Degiannakis, S., G. Filis, and V. Arora, “Oil prices and stock markets: a review of the theory and empirical evidence,” Energy Journal, Vol. 39, 2018, pp. 85~130. Elder, J. and A. Serletis, “Oil price uncertainty,” Journal of Money, Credit and Banking, Vol. 42, 2010, pp. 1137~1159. Ferderer, J. P., “Oil price volatility and the macroeconomy,” Journal of Macroeconomics, Vol. 18, 1996, pp. 1~26.김부권․최기홍․윤성민 •168• Filis, G., S. Degiannakis, and C. Floros, “Dynamic correlation between stock market and oil prices: the case of oil-importing and oil-exporting countries,” International Review of Financial Analysis, Vol. 20, 2011, pp. 152~164. Genest, C., B. Rémillard, and D. Beaudoin, “Goodness-of-fit tests for copulas: A review and a power study.” Insurance: Mathematics and economics, Vol. 44, 2009, pp. 199~213. Halvorsen, R., “Energy substitution in US manufacturing,” Review of Economics and Statistics, Vol. 59, 1977, pp. 381~388. Hamilton, J. D., “Oil and the macroeconomy since World War II,” Journal of Political Economy, Vol. 91, 1983, pp. 228~248. Herrera, A. M., L. G. Lagalo, and T. Wada, “Asymmetries in the response of economic activity to oil price increases and decreases?” Journal of International Money and Finance, Vol. 50, 2015, pp. 108~133. Hofert M., I. Kojadinovic, M. Mächler, and J. Yan, Elements of copula modeling with R., 2019, Springer. Jo, S., “The effects of oil price uncertainty on global real economic activity,” Journal of Money, Credit and Banking, Vol. 46, 2014, pp. 1113~1135. Joe, H., Multivariate Models and Multivariate Dependence Concepts, 1997, London: Chapman & Hall/CRC. Joo, Y. C. and S. Y. Park, “Oil prices and stock markets: does the effect of uncertainty change over time?” Energy Economics, Vol. 61, 2017, pp. 42~51. Knight, F. H., “Cost of production and price over long and short periods,” Journal of Political Economy, Vol. 29, 1921, pp. 304~335. Oberndorfer, U., “Energy prices, volatility, and the stock market: evidence from the Eurozone,” Energy Policy, Vol. 37, 2009, pp. 5787~5795. Pindyck, R. S., “Volatility and commodity price dynamics,” Journal of Futures Markets, Vol. 24, 2004, pp. 1029~1047. Scholtens, B. and C. Yurtsever, “Oil price shocks and European industries,” Energy Economics, Vol. 34, 2012, pp. 1187~1195. Silvennoinen, A. and S. Thorp, “Financialization, crisis and commodity correlation dynamics,” Journal of International Financial Markets, Institutions and Money, Vol. 24, 2013, pp. Copula 모형을 이용한 에너지 가격과 경제적 불확실성 사이의 의존관계 분석 •169• 42~65. Sklar, A., “Fonctions de Répartition à n Dimensions et Leurs Marges,” Publications de l’Institut Statistique de l’Université de Paris, Vol. 8, 1959, pp. 229~231. Trivedi, P. K. and D. M. Zimmer, Copula Modeling: An Introduction for Practitioners, 2007, Now Publishers Inc. Xiao, J., M. Zhou, F. Wen, and F. Wen, “Asymmetric impacts of oil price uncertainty on Chinese stock returns under different market conditions: evidence from oil volatility index,” Energy Economics, Vol. 74, 2018, pp. 777~786.김부권․최기홍․윤성민 •170• [부록] <부록 1> Cramer-von Mises 검정 결과 EPU-WTIEPU-GASEPU-COALEMU-WTIEMU-GASEMU-COAL Gaussian 0.0173 (0.527) 0.0117 (0.9126) 0.0164 (0.5989) 0.0184 (0.4530) 0.0139 (0.7767) 0.0248 (0.1683) Student’s t 0.0197 (0.3791) 0.0145 (0.7268) 0.0149 (0.6808) 0.0224 (0.2183) 0.0202 (0.3561) 0.0308* (0.0634) Clayton 0.0182 (0.4910) 0.0115 (0.9236) 0.0148 (0.7498) 0.0255 (0.1673) 0.1509 (0.7348) 0.0223 (0.2872) Rotated Clayton 0.0171 (0.5669) 0.0129 (0.8896) 0.0207 (0.3901) 0.0130 (0.8277) 0.0131 (0.8337) 0.0271 (0.1693) Gumbel 0.01646 (0.6399) 0.0119 (0.9076) 0.0173 (0.5450) 0.0151 (0.7298) 0.0134 (0.8427) 0.0245 (0.1743) Rotated Gumbel 0.0166 (0.5909) 0.0117 (0.9186) 0.0169 (0.5729) 0.0198 (0.3731) 0.0134 (0.8387) 0.0238 (0.2283) Joe 0.0162 (0.6858) 0.0121 (0.9326) 0.0185 (0.5240) 0.0135 (0.8636) 0.0131 (0.8916) 0.0259 (0.2043) BB1 0.0404 (0.7800) 0.0321 (0.8650) 0.0773 (0.3500) 0.0341 (0.7750) 0.1255 (0.1850) 0.1347* (0.0900) BB7 0.0383 (0.8600) 0.0361 (0.8850) 0.0750 (0.3450) 0.0279 (0.9850) 0.1269 (0.1150) 0.1263 (0.1150) 주: 1) 각 숫자는 CvM 통계값이고, 괄호 안의 수치는 p-값을 의미한다. 2) *, **, ***는 각각 10%, 5%, 1% 유의 수준에서 귀무가설이 기각된다는 것을 표시한다. 3) 굵은 글씨는 p-값이 가장 큰 경우를 나타낸다.•171• 경기변동에 따른 유가충격이 거시경제에 미치는 영향에 관한 연구 † 백인걸 * ‧김태환 ** 요 약 : 본 연구는 유가충격이 거시경제에 미치는 영향을 재고찰하고 이 영향이 경기변동에 따 라 어떻게 달라지는지 분석했다. 우선 로지스틱 확률분포를 통해 1980년 이후 한국의 경기침체 확률을 추정하고 이를 통계청에서 발표한 경기순환주기와 일치하도록 교정하였다. 본 연구에서 는 유가충격에 대한 거시경제변수의 반응을 경기확장국면과 경기침체국면에 따라 분석하기 위 해 비교적 최근 논의되고 있는 평활국면전환 백터자기회귀(STVAR)모형을 설정하였다. 분석 결 과, 불황기의 유가상승 충격은 국내총생산에 중장기적으로 음의 영향을 미치나, 호황기의 국내 총생산은 유가상승 충격에 통계적으로 유의미한 반응을 하지 않는 것으로 나타났다. 이러한 결 과는 호황기에 나타난 견고한 소비수요 증진과 경상수지 증가의 복합적인 요인 때문인 것으로 추측된다. 또한 유가충격이 물가에 미치는 영향은 물가상승의 지속성 측면에서 경기침체국면과 경기확장국면에 매우 상이하게 관찰되었다. 이러한 연구결과는 최근 에너지경제학에서 다양하 게 활용되고 있는 국면전환모형(regime switching model)이 갖는 중요성을 보여준다. 주제어 : 유가충격, 경기변동, 거시경제, STVAR모형 JEL 분류: C51, E32, Q43 접수일(2020년 5월 23일), 수정일(2020년 6월 11일), 게재확정일(2020년 6월 15일) † 유익하고 건설적인 심사평을 해주신 익명의 두 분 심사위원께 감사드립니다. 본 연구의 내용은 저자가 속한 기관의 공식 견해와는 무관함을 밝힙니다. 본 연구에 존재하는 오류는 저자들의 책임입니다. ** 한국주택금융공사 주택금융연구원, 부연구위원, 제1저자(e-mail: bigajou@gmail.com) ** 에너지경제연구원 에너지국제협력센터, 부연구위원, 교신저자(e-mail: tkim@keei.re.kr) 자원․환경경제연구 제29권 제2호 Environmental and Resource Economics Review Volume 29, Number 2, June 2020: pp. 171~194 DOI: https://doi.org/10.15266/KEREA.2020.29.2.171•172• Business Cycles and Impacts of Oil Shocks on the Korean Macroeconomy † Ingul Baek* and Taehwan Kim** ABSTRACT : We revisit the impact of oil shocks on the Korean economy and examine how this impact varies depending on a business cycle. First, we estimate the probability of a recession through a logistic probability distribution, and correct the probability to match business cycles announced by the Korea National Statistical Office. We set up a STVAR model to analyze the response of macroeconomic variables to oil shocks according to business cycles. We find that oil shocks during the recession have a negative effect on GDP in the mid- and long-term, but during the expansion, GDP does not show a statistically significant response to oil shocks. We presume that this finding is associated with the factors of both the increase in demand for consumption and the increase in current account during the economic boom. Also, we find that the impact of oil shocks on the price level was also observed differently in terms of the persistence of inflation by business cycle. These results highlight the importance of an application of a regime switching model, which has been widely used in energy economics in recent years. Keywords : Oil Shocks, Business Cycle, Macroeconomy, STVAR Model Received: May 23, 2020. Revised: June 11, 2020. Accepted: June 15, 2020. † We thank Donghun Kim (the Editor) and two anonymous referees for their constructive comments that improved this paper. The results of the paper do not represent the official view of Korea Housing Finance Corporation and Korea Energy Economic Institute. All remaining errors are our own. **Associate Research Fellow, Korea Housing Finance Corp., First Author(e-mail: bigajou@gmail.com) **Associate Research Fellow, Center for International Energy Cooperation, Korea Energy Economics Institute, Corresponding author(e-mail: tkim@keei.re.kr)경기변동에 따른 유가충격이 거시경제에 미치는 영향에 관한 연구 •173• I. 서 론 유가충격과 실물경제 사이에 관한 연구는 1970년대 2번에 걸친 글로벌 오일쇼크 이 후 본격적으로 시작되었다. 초기의 연구는 미국 등 글로벌 선진국 경제를 대상으로 수행 되었으며 이들은 유가와 거시경제 간에 역(-)의 관계가 성립함을 보였다(Darby, 1982; Gisser and Goodwin, 1986). 우리나라를 대상으로 한 유가와 거시경제 사이의 대한 분석 은 대체로 미국 등의 실증연구 결과를 그대로 전제하고 있는 듯 한 인상을 준다(김영덕, 2002). 한국은행에서 발표한 2017년 산업연관표를 보면 우리나라 정유산업의 국내총생 산 기여도는 2.10%로 반도체(3.27%)와 자동차(2.31%)에 이어 3위이고, 정유와 석유화 학산업을 합친 수출기여도는 12.59%로 반도체 산업의 수출기여도(10.71%)를 훌쩍 뛰 어넘는다. 이처럼 석유산업은 우리나라 중요한 산업인 만큼 유가와 거시경제 사이의 실 증연구는 비교적 다양한 각도에서 이루어지고 있다. 예컨대 차경수(2015)는 유가충격 이 산업에 미치는 영향에 대해 중점적으로 다뤘으며, 차경수(2018)은 유가충격의 시간- 가변적 효과에 대해 연구하였다. 이외에 이근영·정한영(2002), 김권식(2011), 지정구·배 병호(2016), 안성배·김기환·김수빈·이진희·한민수(2017) 등이 있다. 하지만 기존의 국 내문헌은 비교적 최근 거시경제학에서 적용되고 있는 국면전환모형(Regime Switching Model)이 보여주는 변수 간의 비선형적 혹은 비대칭적 관계의 중요성을 반영하지 않고 있는 것이 거의 대부분이다. 1) 이러한 맥락에서 본 연구는 1979년 2차 오일쇼크 이후의 한국 자료를 이용하여 유가 가 한국경제에 미치는 영향에 대해 재고찰한 후, 이 관계가 거시경제의 확장국면과 침체 국면에 따라 각각 어떤 다른 양상을 보이는지를 분석했다. 본 연구에서는 이러한 비대칭 적 영향을 분석하기 위한 모형으로 최근 유가충격 연구에 적용하기 시작한 평활국면전 환 백터자기회귀(Smooth-Transition Vector Autoregressive, 이하 STVAR)모형을 이용 하였다(Nguyen and Okimoto, 2019). 전 세계는 글로벌 기후변화에 대응하기 위해 자국 의 에너지 정책 변화를 꾀하고 있으며, 우리나라 역시 2010년 “저탄소 녹색성장 기본법” 1) 유가충격의 비대칭적 효과(상승충격 vs. 하락충격)를 연구한 국내문헌도 다수 있으나(예컨대 차경수 2008; 김진 웅·김종호 2009), 이들은 본고에서 다룬 경기의 국면(regime switching, 확장국면 vs. 침체국면)에 따른 유가충 격 효과를 분석한 것은 아니다.백인걸․김태환 •174• 제정의 근거로 에너지 기본 계획을 수립하여 화석에너지에 의존적인 구조를 탈피하려 는 노력을 도모하고 있다. 이러한 상황에서 본고는 가용한 가장 최근의 시점까지의 자료 를 활용하여 유가와 거시경제 사이의 관계를 재고찰하였으며, 나아가 유가와 거시경제 간의 관계를 분석하는 데에 있어 국내 문헌으로는 처음으로 경기국면(regime switching) 에 따른 유가충격 효과를 분석하였다는 점에서 기존의 연구와 차별성을 갖는다. 본 연구는 VAR모형과 STVAR모형을 이용하여 유가충격이 거시경제에 미치는 영향 을 분석하였으며, 그 핵심 결과는 두 가지로 요약된다. 첫째, 일반적인 선형 VAR모형의 충격반응함수 추정결과 유가충격은 국내총생산을 초기 소폭 상승시킨 후 그 상승폭이 점차 줄어드는 결과를 보였다. 이는 유가가 거시경제에 미치는 영향력이 과거에 비해 감 소하였음을 보이거나(Rasmussen and Roitman, 2011) 혹은(+)의 관계(Nguyen and Okimotob, 2019)를 보여준 해외 연구에 부합하는 결과로써, 주로 역(-)의 관계를 강조한 기존의 국내 문헌과는 다소 비교된다. 이러한 결과는 유가와 경제변수 간의 비선형적 관 계를 고려하지 않음과 통화정책의 정교화(Blanchard and Gali, 2007)를 반영하지 못한 것으로 풀이된다. 둘째, STVAR모형 추정결과 경기순환국면에 따라 유가와 거시경제 관계에 비대칭성 이 뚜렷하게 나타났다. 침체국면에서의 유가상승충격은 단기적으로는 거시경제에 긍정 적인 영향을 미치나 중장기적으로는 경기침체를 가속화시키는 것으로 나타났다. 반면 확장국면에의 국내총생산은 유가상승 충격에 통계적으로 유의미하게 반응하지 않았다. 이러한 비대칭성의 요인 분석은 본고의 탐구주제를 벗어나긴 하나, Rasmussen and Roitman(2011)의 연구 결과에 비추어볼 때, 경기확장국면에서 발생한 유가충격 효과는 견고한 국내수요 및 경상수지 확대로 인해 중장기적으로 점차 상쇄된 것으로 추측해 볼 수 있다. 본 연구는 주어진 시장환경에 따라 유가충격이 거시경제에 미치는 영향이 다르다는 점을 보인 기존의 문헌에 기여한다. 우선 우리의 분석결과는 유가충격의 크기가 개별 국 가와 시점에 따라 다르다는 점을 주장한 Baumerister at el.(2009)의 연구결과를 뒷받침 한다. Lippi and Nobili(2008)는 유가충격을 식별하는 방식에 따라 경제에 미치는 유가 상승 충격의 결과가 다르게 나타날 수 있음을 지적하고 있다. 즉 공급 교란에 의해 유가 상승 충격이 발생할 경우에는 과거와 같이 유가상승 충격의 부정적 효과가 존재하는 반경기변동에 따른 유가충격이 거시경제에 미치는 영향에 관한 연구 •175• 면 유가상승이 수요 교란에 의해 발생될 경우에는 이와 같은 부정적 효과가 크게 나타나 지 않는다는 것이다. 송승주(2008)는 유가충격이 경제성장률과 물가에 미치는 영향이 2000년을 전후로 감소하고 있다는 점을 보고하고 있으며, 차경수(2010) 역시 원유소비 의 비중 축소 및 에너지 효율 증대 등의 이유로 유가충격의 효과가 점차 감소할 수 있음 을 지적하였다. 우리의 연구는 유가와 거시경제 사이에 관계에 대해 분석한 다양한 형태의 국내 문헌 에도 기여한다. 손양훈(1999)은 1998년 유가자료와 연산일반균형모형(CGE)을 통해 유 가하락과 거시경제 상승의 (+)관계를 보였으며, 이 연구는 관련 주제에 대한 후속 국내 문헌에 크게 기여하였다. 송승주(2008)는 생산요소로써 에너지를 포함시킨 뉴케인즈언 DSGE모형을 이용하여 우리나라의 경우 유가상승은 비용 인상 인플레이션을 유발할 수 있음을 보였다. 비교적 최근의 연구로써 차경수(2018)는 TVP-BVAR모형을 통해 유가 충격은 여전히 국내 경기변동의 주요한 원동력임을 보였다. 본 연구의 구성은 다음과 같다. 제 II장에서 본 연구에 사용된 기준모형과 STVAR모 형에 대해 설명하고, 제 III장에서는 연구에 사용된 분석 자료에 대해 서술하였다. 제 IV 장은 유가충격이 거시경제에 미치는 영향에 대한 기준모형 분석 결과를 설명하고 이를 STVAR모형의 결과를 비교하였다. 이후 추정결과에 대한 강건성 검증결과에 대해 논하 고, 마지막으로 제V장에서는 결론 및 연구 시사점에 대해 논의한다. II. 실증분석 모형 본 장에서는 국제유가의 구조적 변화에 의한 국내 주요 거시변수인 국내총생산(GDP) 과 물가상승률(Inflation)의 동태적 반응을 살펴보기 위해 두 가지 형태의 벡터자기회귀 (Vector Autoregressive, 이하 VAR)모형을 소개한다. 우선 관심 변수 간의 선형적 관계 를 나타내는 일반적인 VAR모형을 기준모형으로 설정하고 유가충격의 식별방법을 논 한다. 다음으로 국내 경기순환국면전환에 대한 확률분포를 내재한 비선형 모형인 STVAR의 기본구조, 모수추정법, 그리고 확률분포의 적합성에 대해 논한다.Next >