In this thesis, we develope a statistical method to predict the turning points in business cycle. The essence of predicting the turning points in business cycle is that under the assumption of leading composite index's causal priority to business cycle, if we could detect the changes in leading composite index, then we would predict imminent changes in business cycle.
We analyzed the underlying process of leading composite index with the dynamic linear model with random level and random slope where the random slope is distorted by random shock at the turning points. The posterior probability of a significant random shock in the slope component was calculated by Bayesian approach. If this posterior probability would exceed some subjective value, we could predict an imminent turning in business cycle.
By the presented model in this thesis the asymmetric behavior of leading composite index over the turning points is well described with the random shock in slope, and the intensity of change is quantified with the estimate of this random shock.
In the empirical application to the U.S. leading composite index, we could predict two peaks and three troughs with no false signal and one no signal for three peaks and three troughs after the peak in Nov. 1970. This result was comparable to the best result by the previous studies by Neftci, Chaffin and Talley, and Zarnowitz and Moore.
본 연구는 경기변동곡선상의 경기전환점을 예측하는 통계적 모형을 개발하여 개별 경제 주체및 정부의 의사결정을 돕고자 한다. 경기전환점 예측문제의 요체는, 경기선행종합지수의 동행지수에 대한 인과적 선행성을 가정하고, 경기선행종합지수상의 정점 또는 저점을 사후적으로 발견하여, 경기변동의 정점 또는 저점이 곧 나타날 것임을 예측한다.
이에 관한 기존의 연구로는 Neftci(1982), Chaffin & Talley(1989), Zarnowitz & Moore(1982) 등의 연구가 있다.
이중 Neftci의 연구는 경기선행종합지수의 1차차분이 안정적임을 가정하고, 현재 선행지수의 1차차분이 과거에 경기상승국면에 있었을 빈도와 경기침체국면에 있었을 빈도에 따른 우도비를 이용한 정점을 지났을 사후 확율을 계산하여, 이 값이 일정한 값(예 0.9)을 넘는 경우에 정점을 예측한다. 이 방법은 Bayesian방식의 비모수적인 접근방법으로 경기전환점이 지났을 사후 확률에 대한 순환식을 제시하였으며, 경기확장기와 수축기를 비대칭적으로 표현하고 있으나, 시계열이 지니는 underlying process를 고려하지 않고 있고, 시계열의 1차차분이 non-stationary인 경우 적용할 수 없으며, 과거의 빈도를 구하는 데 상당한 양의 sample이 요구되는 단점이 있다.
Chaffin & Talley의 방법은 다수의 개별 경기선행지표를 이용하여, 두 비교시점 동안 시계열의 진행방향(상승 또는 하락)이 바뀐 지표들 중 상승에서 하락으로 바뀐 시계열의 수와 하락에서 상승으로 바뀐 시계열의 수의 상대적 크기를 고려하여 정점 또는 저점을 예측한다. 이 방법은 다수의 선행지표를 동시에 고려하여 보다 많은 정보를 이용하고 있고, 이항분포를 이용한 쉬운 통계량을 제시하고 있으나, 다수의 선행지표를 동시에 관찰함에 따라 속보성을 유지하기 어렵고, 정보수집에 필요한 비용이 커지는 단점이 있고, 비교시점의 선정이 주관적이다.
Zarnowitz & Moore의 방법은 선행지수와 동행지수의 증가율을 동시에 관찰하면서 이 둘의 크기에 따라, 정점 또는 저점에 대한 3단계의 순차적 신호를 발표한다. 이 방법은 선행지수와 동행지수를 동시에 고려하고, 순차적 신호를 통해 거짓신호를 줄이고 있으나, 'Ad-hoc'적인 방법으로 통계적인 근거가 약하고, 순차적 신호중 언제가 의미있는 신호인지를 밝히지 않고 있다.
이에 본 연구에서는 선행지수의 underlying process를 random level과 random slope을 지니고 있는 선형동적모형(dynamic linear model)을 이용하여 추정한다. 선행지수의 정점 또는 저점을 지날 때, 내재된 slope에 임의의 충격(random shock)이 가해져 선행지수는 그 진행방향을 바꾸게 된다.
본 연구는 지난번의 저점 또는 정점 이후에 이러한 random shock이 내재된 slope에 가해졌을 사후확률을 계산하여 이 값이 일정한 값을 넘을 때 정점 또는 저점을 예측한다.
본 연구는 random shock이 slope에 가해짐을 통하여 선행지수가 경기변동의 모든 국면에서 비대칭적으로 나타나는 형태를 모형화하고 있으며, random shock에 대한 추정치로부터 경기변동의 강도(완만한 경기후퇴인지, 심각한 경기침체인지의)를 추정할 수 있다.
본 연구에서 제시한 방법을 미국의 선행지수에 적용한 결과, 1970년 11월의 저점이후에 나타난 3개의 정점과 3개의 저점 중 1973년 11월의 정점을 제외한 모든 경기전환점을 거짓신호 없이 예측할 수 있었다. 이러한 결과는 기존의 Neftci, Chaffin and Talley, Zarnowitz and Moore 등의 결과보다 우수한 것으로 보여진다.
본 연구에서 제시한 모형을 개별 경제 지표에 적용할 경우 계절변동 요소를 모형에 포함시켜야 한다.
앞으로의 연구과제로는 본 연구에서와 같은 통계적인 방법과 경기변동론의 제이론에 입각한 경제모형과의 통합에 대한 연구가 요구된다.