가공데이터 · 도서자료 기계독해

금리 기간구조의 정의와 분석 목적 및 거시경제변수와의 관계 규명을 위한 시계열 모형(VAR, ARIMA)의 활용 doc_id PCY_201711220516240481_1

주제 (main_topic)
금리 기간구조의 정의와 분석 목적 및 거시경제변수와의 관계 규명을 위한 시계열 모형(VAR, ARIMA)의 활용
답변 불가 (is_impossible)
False
문맥 (context)
금리 기간구조는 동일 신용등급을 가진 기관이 발행하는 채권 수익률을 만기별로 제시하는 수익률곡선이다. 금리 기간구조 모형은 현재의 금리를 추정하거나 미래의 금리를 예측하여 미래 발생할 현금흐름을 평가하고 그 가치를 계산하는데 주목적이 있으며 파생금융상품의 가격결정 뿐만 아니라 정책금리 변화가 금리기간구조에 미치는 영향 등 통화정책의 유효성을 분석하는 데도 유용하게 사용될 수 있다. 금리기간구조는 일반적으로 수준(level), 기울기(slope), 곡률(curvature)를 나타내는 미관측요인으로 설명된다고 알려져 있다. 최근의 연구는 이러한 미관측요인과 더불어 거시경제변수가 금리기간구조에 미치는 영향을 규명하는 데 주안점을 두고 있다. 금리기간구조와 거시경제변수 간 관계분석에 대한 대표적인 선행연구 중 본 연구에서 주목하고 있는 연구는 다음과 같다. 먼저, Ang과 Piazzesi(2003, JME)는 기본적으로 채권금리와 거시경제변수를 벡터자기회귀(Vector AutoRegressive: VAR)모형을 이용하여 모형화하면서 재무이론의 무차익거래조건을 제약으로 두고 추정하였다. 먼저 VAR모형 이전에 단변량 시계열에 대한 ARIMA모형의 식별(identification) 방법을 설명한다. 식별은 ARMA모형의 자기회귀(AR) 및 이동평균(MA)의 최대 차수를 결정하는 작업이다. 일반적 ARIMA모형 식별은 해당 시계열이 불안정 시계열일 경우 차분을 통하여 안정화 시킨 후 진행한다. 차분된 금리수준과 로그차분된 주택가격지수의 자기상관함수(AutoCorrelation Function: ACF)와 편자기상관함수(Partial AutoCorrelation Function: PACF)를 나타내고 있다. ACF는 MA, PACF는 AR 차수와 관련이 있다. 보다 엄밀히 말하면, 이론적인 AR(p)모형의 ACF는 상관계수의 절대값이 시차가 증가할수록 지수적 감소(exponential decreasing) 형태를 나타내고 PACF는 p시차까지 0이 아닌 값을 갖고 그 이후 시차에서 0으로 나타난다. 이러한 특징을 각각 ‘tail-off’와 ‘cut-off’라 한다.
지시문 (instruction)
다음 문맥을 읽고 질문에 답하시오.
질문 (question)
ARIMA 모형의 식별 과정에서 ACF와 PACF가 각각 어떤 차수와 관련이 있으며, 이론적인 AR(p) 모형에서 나타나는 특징인 'tail-off'와 'cut-off'는 각각 무엇을 의미하는가?
추론 과정 (compact_reasoning)
  1. 1과제 해석task_interpretation

    ARIMA 모형 식별 시 ACF와 PACF의 역할 및 AR(p) 모형의 특징인 tail-off와 cut-off의 정의를 묻는 질문임을 파악한다.

  2. 2정보 추출information_extraction

    문맥에서 ACF, PACF의 관련 차수와 tail-off, cut-off에 대한 설명을 추출한다.

    • ACF는 MA, PACF는 AR 차수와 관련이 있다.
    • 이론적인 AR(p)모형의 ACF는 상관계수의 절대값이 시차가 증가할수록 지수적 감소(exponential decreasing) 형태를 나타내고 PACF는 p시차까지 0이 아닌 값을 갖고 그 이후 시차에서 0으로 나타난다.
    • 이러한 특징을 각각 ‘tail-off’와 ‘cut-off’라 한다.
  3. 3근거 선택evidence_selection

    질문에 답하기 위해 ACF/PACF의 관계와 tail-off/cut-off의 정의가 담긴 문장을 선택한다.

    • ACF는 MA, PACF는 AR 차수와 관련이 있다.
    • 이론적인 AR(p)모형의 ACF는 상관계수의 절대값이 시차가 증가할수록 지수적 감소(exponential decreasing) 형태를 나타내고 PACF는 p시차까지 0이 아닌 값을 갖고 그 이후 시차에서 0으로 나타난다.
    • 이러한 특징을 각각 ‘tail-off’와 ‘cut-off’라 한다.
  4. 4논리 통합logical_integration

    ACF는 MA 차수, PACF는 AR 차수와 관련됨을 연결하고, ACF의 지수적 감소를 tail-off로, PACF의 특정 시차 이후 0이 되는 현상을 cut-off로 매칭한다.

    • ACF는 MA, PACF는 AR 차수와 관련이 있다.
    • 이론적인 AR(p)모형의 ACF는 상관계수의 절대값이 시차가 증가할수록 지수적 감소(exponential decreasing) 형태를 나타내고 PACF는 p시차까지 0이 아닌 값을 갖고 그 이후 시차에서 0으로 나타난다.
    • 이러한 특징을 각각 ‘tail-off’와 ‘cut-off’라 한다.
  5. 5결론 도출conclusion_formulation

    ACF는 MA 차수와 관련이 있고 PACF는 AR 차수와 관련이 있으며, ACF의 지수적 감소 형태를 tail-off, PACF가 p시차 이후 0으로 나타나는 형태를 cut-off라고 정의한다.

  6. 6답변 생성answer_generation

    질문에 대한 최종 답변을 구성한다.

최종 답변 (final_answer)
ACF는 MA 차수와 관련이 있고, PACF는 AR 차수와 관련이 있다. 이론적인 AR(p) 모형에서 ACF의 상관계수 절대값이 시차가 증가함에 따라 지수적으로 감소하는 형태를 'tail-off'라 하며, PACF가 p시차까지 0이 아닌 값을 갖다가 그 이후 시차에서 0으로 나타나는 형태를 'cut-off'라고 한다.
핵심 해석 (core_interpretation)
ACF는 MA 차수와 관련이 있고 PACF는 AR 차수와 관련이 있으며, 이론적인 AR(p) 모형의 ACF는 상관계수의 절대값이 시차가 증가할수록 지수적으로 감소하는 'tail-off' 특징을, PACF는 p시차까지 0이 아닌 값을 갖고 그 이후 시차에서 0으로 나타나는 'cut-off' 특징을 갖는다.