When we estimate a model for a time series or forecast its future level based on the estimate model, frequent structural changes cause persistent and large estimation or forecast errors. If we solve such problems to reduce errors by considering structural changes, it will be great help to establish economic policies, corporate and business strategies. In particular, as Korea that has undergone various economic shocks including oil shock, foreign exchange crisis, and unstable credit market, it is necessary to identify the existence of structural change, to understand the significance of causal events and to perform a right forecast.
In order to solve such problems, statistics, distribution and adapting algorithm have been developed. However, statistics that have been developed so far in view of forecasting have only been on the measurement of the degree of errors caused by structural change and they are not supported by meaningful statistical distribution, there could be hypothesis test errors. Also, statistics that have been developed so far in view of estimation the focus has been only on a single aspect of unit root and structural change, therefore limiting a full assess to the given problems.
In this paper, various linear dynamic models are assumed, and based on a null hypothesis, statistics and distributions are derived through a simulation method. The simulation method has an advantage in solving complex problems considering the attributes of parameters, regressors, and type and numbers of structural changes. We apply these methodologies to a default rate, real interest rate, foreign exchange rate, and business cycle indexes, and confirm its practical application.
관심 대상 시계열에 대한 모형을 추정하거나 모형을 통해 예측하는 경우에, 시계열 구조의 변화가 존재한다면, 이로 인해 예상 보다 큰 추정 오차 혹은 예측 오차가 발생하게 된다. 이러한 구조 변화를 고려하여 오차들을 줄일 수 있는 문제를 해결하게 된다면, 이는 경제 정책, 기업 혹은 사업 전략을 수립하는데 있어서 큰 도움이 될 수 있다. 특별히, 유가 파동, 외환위기 및 대규모 신용불량 사태를 경험한 우리나라로서는 이러한 구조변화 인식체계를 수립하고 구조변화의 특성에 따라 긴밀하게 대응하는 것이 필요하다.
이러한 구조 변화를 해결하기 위해, 구조 변화를 인식하는 통계량과 분포, 그리고 이를 통해 예측 오차를 줄이기 위한 적응적 예측 알고리즘이 개발 되어 왔다. 하지만, 모형을 통한 예측 관점에서 연구되어 온 구조변화를 인식하기 위한 제반 통계량들은 하나의 기술적 통계량으로서, 분포를 통한 정교한 테스트가 개발 되지 않아, 중요한 시계열에서의 구조변화 인식에 있어서 오류가 발생할 수 있는 가능성을 내포하고 있었다. 또한, 모형 추정 관점에서도 구조 변화 인식의 경우, 단위근의 문제와 동시에 해결할 수 있는 가설 검정 절차가 개발 되지 않아, 시계열 구조 자체에 대한 인식에 있어서 문제가 되어 왔다.
이 논문에서는 다양한 선형 동적 모형을 가정하고, 구조변화가 없다는 귀무가설하에서 통계량과 분포를 시뮬레이션을 통해 유도하였다. 이러한 시뮬레이션 접근방법은 구조변화시점과 유형의 불확실성과 예측식의 복잡성을 다루는 데 있어서 장점이 존재한다. 모형을 통한 예측 관점에서는 이러한 인식 과정과 적응적 예측 과정을 결합하여 예측 오차를 줄일 수 있는 알고리즘을 개발하고, 모형 추정 관점에서는 단위근 검정과 구조변화 검정을 동시에 수행할 수 있는 통계량과 분포를 도출하였다. 또한, 선행 변수와 후행변수의 인과관계를 이용하여, 두 변수의 예측오차를 모두 낮출 수 있는 알고리즘을 개발하였다. 이러한 개발 방법론을 부도율, 이자율, 환율, 경기지수를 비롯한 거시경제 시계열에 적용하여 해당방법론의 실제 적용 가능성을 증명하였다.
