외환 시장의 비대칭적 변동성 연결성: 나쁜 변동성 전이와 좋은 변동성 전이

목차

• 1. 서론
• 2. 방법론
  • 2.1 변동성 연결성 측정
  • 2.2 비대칭적 반분산 프레임워크
  • 2.3 데이터 및 표본
• 3. 실증 결과
  • 3.1 총 연결성 동태
  • 3.2 비대칭적 전이 패턴
  • 3.3 순 전이 분석
• 4. 주요 통찰
• 5. 기술적 세부 사항 및 수학적 공식화
• 6. 실험 결과 및 그림
• 7. 분석 프레임워크 예시
• 8. 적용 전망 및 향후 방향
• 9. 원본 분석
• 10. 참고문헌
• 11. 전문가 논평: 핵심 통찰, 논리적 흐름, 강점 및 약점, 실행 가능한 통찰

1. 서론

비대칭적 변동성 현상(AVP)은 잘 문서화된 경험적 사실입니다: 금융 시장의 변동성은 시장 하락 후에 더 높고 상승 후에는 더 낮습니다. 그러나 AVP가 집중적으로 연구되어 온 반면, 변동성 전이의 비대칭성, 즉 나쁜 변동성과 좋은 변동성이 자산 간에 어떻게 전파되는지는 훨씬 덜 주목받았습니다. Baruník, Kočenda, Vácha (2016)의 이 논문은 2007년부터 2015년까지 가장 활발하게 거래된 통화에 대한 고빈도 일중 데이터를 사용하여 외환 시장의 비대칭적 변동성 연결성을 조사함으로써 이러한 격차를 해소합니다.

저자들은 특히 유럽 국가 부채 위기 기간 동안 음(-)의 (나쁜) 변동성 전이가 양(+)의 (좋은) 변동성 전이를 지배한다는 점을 문서화합니다. 양의 전이는 서브프라임 위기, 중앙은행 간의 통화 정책 차별화, 그리고 상품 시장 발전과 상관관계가 있습니다. 이 연구는 재정 요인이 순 음의 전이와 연결되는 반면, 통화 및 실물 경제 사건의 조합이 순 양의 비대칭성을 유발한다는 새로운 증거를 제공합니다.

2. 방법론

2.1 변동성 연결성 측정

저자들은 Diebold and Yilmaz (2015)의 연결성 프레임워크를 사용하며, 이는 벡터 자기회귀(VAR)의 분산 분해를 이용하여 전이 효과를 정량화합니다. 총 연결성 지수는 교차 자산 충격에 의해 설명되는 예측 오차 분산의 비율을 측정합니다. 방향성 전이(타인에게, 타인으로부터)와 순 전이는 변동성의 전송자와 수신자를 식별하기 위해 계산됩니다.

2.2 비대칭적 반분산 프레임워크

비대칭성을 포착하기 위해 저자들은 Barndorff-Nielsen, Kinnebrock, and Shephard (2010)에 기초하여 실현 변동성을 하방(나쁨) 및 상방(좋음) 반분산으로 분해합니다. 나쁜 변동성은 음의 수익률과, 좋은 변동성은 양의 수익률과 연관됩니다. 그런 다음 연결성 측정치는 나쁜 변동성과 좋은 변동성 구성 요소에 대해 별도로 계산되어 비대칭적 전이 동태의 식별을 가능하게 합니다.

2.3 데이터 및 표본

데이터 세트는 6가지 주요 통화 쌍(EUR/USD, GBP/USD, USD/JPY, USD/CHF, AUD/USD, USD/CAD)에 대한 5분 단위 일중 데이터로 2007~2015년을 포괄합니다. 표본 기간에는 글로벌 금융 위기, 유럽 국가 부채 위기, 그리고 이후의 정책 차별화가 포함됩니다. 실현 변동성과 반분산은 일중 수익률로부터 일별로 계산됩니다.

3. 실증 결과

3.1 총 연결성 동태

총 연결성 지수는 시간에 따라 변동하며 위기 기간 동안 정점에 도달합니다. 평균 총 연결성은 약 60%로, 통화 간의 상당한 상호 의존성을 나타냅니다. 정점은 2008년 금융 위기와 2011~2012년 유럽 부채 위기 동안 발생하며, 연결성은 80% 이상에 도달합니다.

3.2 비대칭적 전이 패턴

나쁜 변동성 전이는 지속적으로 좋은 변동성 전이보다 큽니다. 평균 나쁜 연결성은 약 65%인 반면, 좋은 연결성은 약 55%입니다. 비대칭성은 나쁜 전이가 지배하는 유럽 국가 부채 위기 동안 가장 두드러집니다. 양의 전이는 서브프라임 위기와 통화 정책 차별화 기간 동안 더 두드러집니다.

3.3 순 전이 분석

순 전이 분석은 유럽 부채 위기 동안 EUR/USD가 나쁜 변동성의 순 전송자 역할을 하는 반면, USD/JPY는 순 수신자 역할을 함을 보여줍니다. AUD/USD는 상품 붐 기간 동안 순 양의 전이를 보여줍니다. 순 비대칭성(나쁨에서 좋음을 뺀 값)은 위기 기간 동안 대부분의 통화에 대해 양수이며, 이는 나쁜 변동성이 더 강하게 전파됨을 확인시켜 줍니다.

4. 주요 통찰

• 나쁜 변동성의 지배: 특히 위기 기간 동안 음의 전이가 지속적으로 양의 전이보다 큽니다.
• 사건 기반 비대칭성: 재정 사건(국가 부채)은 순 음의 전이를 유도하고, 통화 및 실물 경제 사건은 순 양의 전이를 유도합니다.
• 통화 이질성: 서로 다른 통화는 나쁜/좋은 변동성의 전송자 또는 수신자로서 뚜렷한 역할을 나타냅니다.
• 포트폴리오 시사점: 비대칭적 전이는 헤징 및 분산 투자 전략에 직접적인 영향을 미칩니다.

5. 기술적 세부 사항 및 수학적 공식화

실현 변동성은 하방 및 상방 반분산으로 분해됩니다:

$RV_t = \sum_{i=1}^{N} r_{t,i}^2$

$RS^-_t = \sum_{i=1}^{N} r_{t,i}^2 \cdot I(r_{t,i} < 0)$

$RS^+_t = \sum_{i=1}^{N} r_{t,i}^2 \cdot I(r_{t,i} > 0)$

여기서 $r_{t,i}$는 일중 수익률이고, $I(\cdot)$는 지시 함수입니다. 연결성 측정치는 차수 $p$의 VAR 모델에 기반합니다:

$\mathbf{x}_t = \sum_{k=1}^{p} \mathbf{\Phi}_k \mathbf{x}_{t-k} + \mathbf{\epsilon}_t$

$H$-단계 전방 예측 오차 분산 분해는 전이 행렬 $\mathbf{D}$를 산출하며, 여기서 $d_{ij}$는 변수 $j$가 변수 $i$의 예측 오차 분산에 기여하는 정도입니다. 총 연결성 지수는 다음과 같습니다:

$C = \frac{\sum_{i \neq j} d_{ij}}{\sum_{i,j} d_{ij}} \times 100$

방향성 전이(타인으로부터, 타인에게)와 순 전이는 나쁜 반분산과 좋은 반분산에 대해 각각 유사하게 계산됩니다.

6. 실험 결과 및 그림

그림 1: 시간에 따른 총 연결성 지수 (2007~2015). 지수는 2008년 금융 위기와 2011~2012년 유럽 부채 위기 동안 80% 이상으로 정점을 찍으며, 기준선은 약 60%입니다.

그림 2: 나쁜 변동성 대 좋은 변동성 연결성. 나쁜 연결성 지수(실선)는 지속적으로 좋은 연결성 지수(점선) 위에 있으며, 평균 격차는 10% 포인트입니다.

그림 3: 각 통화에 대한 순 비대칭적 전이(나쁨에서 좋음을 뺀 값). EUR/USD는 2011~2012년 동안 큰 양의 순 비대칭성을 보이는 반면, USD/JPY는 같은 기간 동안 음의 순 비대칭성을 보입니다.

표 1: 평균 방향성 전이 (2007~2015). EUR/USD는 분산의 25%를 타인에게 전송하고(나쁜 변동성), 좋은 변동성의 경우 18%를 전송합니다. USD/JPY는 타인으로부터 30%를 수신하고(나쁜), 좋은 변동성의 경우 22%를 수신합니다.

7. 분석 프레임워크 예시

사례 연구: 유럽 국가 부채 위기 (2011~2012)

이 기간 동안 EUR/USD에서 다른 통화로의 나쁜 변동성 전이가 급격히 증가했습니다. EUR/USD의 순 비대칭성은 +15% 포인트에 도달하여, 나쁜 변동성이 좋은 변동성보다 훨씬 더 많이 전송되었음을 의미합니다. USD/JPY의 경우 순 비대칭성은 -10 포인트로, 나쁜 변동성의 순 수신자였음을 나타냅니다. 이러한 비대칭성은 유로존의 재정 우려에 기인하며, 이는 위험 회피 심리를 촉발하고 JPY 및 USD와 같은 안전 자산 통화로의 자금 이동을 초래했습니다.

실용적 적용: EUR/USD 및 USD/JPY 포지션을 보유한 포트폴리오 매니저는 위기 기간 동안 헤징 비율을 조정해야 합니다. 나쁜 변동성 전이가 상관관계를 증폭시키고 분산 투자 이점을 감소시키기 때문입니다. 비대칭적 연결성 프레임워크를 사용하여 매니저는 어떤 통화가 나쁜 변동성의 순 전송자인지 식별하고 그에 따라 헤지를 늘릴 수 있습니다.

8. 적용 전망 및 향후 방향

비대칭적 변동성 연결성 프레임워크는 외환 시장을 넘어 광범위한 응용 가능성을 가지고 있습니다. 향후 연구는 분석을 다음으로 확장할 수 있습니다:

• 암호화폐 시장: 극심한 변동성과 잠재적 비대칭성을 나타내는 비트코인 및 기타 디지털 자산에 프레임워크 적용.
• 교차 자산 전이: 주식, 채권, 상품 및 통화 간의 비대칭성을 동시에 조사.
• 실시간 모니터링: 시스템적 위험 축적을 감지하기 위한 비대칭적 전이 지수 기반 조기 경보 시스템 개발.
• 정책 분석: 중앙은행 개입이 비대칭적 변동성 전파에 미치는 영향 평가.
• 머신러닝 통합: 신경망을 사용하여 비대칭적 전이를 예측하고 동적 헤징 전략을 최적화.

9. 원본 분석

이 논문은 이전 연구에서 대부분 무시되었던 차원인 비대칭성을 통합함으로써 변동성 연결성 문헌에 중요한 기여를 합니다. 고빈도 데이터와 반분산 분해의 사용은 방법론적으로 건전하며 세분화된 통찰을 제공합니다. 재정 위기 동안 나쁜 변동성이 지배적이고 좋은 변동성이 통화 정책 차별화와 연결된다는 발견은 경제학적으로 직관적이며 레버리지 효과 문헌(Black, 1976)과 일치합니다.

그러나 이 연구에는 한계가 있습니다. 표본이 6개의 주요 통화 쌍으로 제한되어 있어 다른 비대칭 패턴을 보일 수 있는 신흥 시장 통화를 제외합니다. VAR 기반 연결성 측정치는 선형성을 가정하지만, 이는 극단적인 사건 동안 비선형 의존성을 포착하지 못할 수 있습니다. 또한, 인과 요인(재정 대 통화)의 식별은 공식적인 인과 검정보다는 서술적 상관관계에 기반합니다.

미국 주식에 대한 Baruník et al. (2016)과 비교할 때, 외환 시장은 더 높은 전반적 연결성을 보이지만 유사한 비대칭 패턴을 보여줍니다. 이는 변동성 전이의 비대칭성이 자산별 이상 현상이 아니라 금융 시장의 보편적 특징임을 시사합니다. 결과는 또한 Diebold and Yilmaz (2015)의 연구에 연결성 분석의 새로운 차원을 추가함으로써 이를 보완합니다.

실용적 관점에서, 이 발견은 위험 관리에 직접적인 영향을 미칩니다. 포트폴리오 매니저는 헤지를 구성할 때 비대칭적 전이를 고려해야 합니다. 하락기 동안 상관관계가 상승기보다 더 많이 증가하기 때문입니다. 규제 당국은 비대칭적 연결성을 시스템적 위험을 모니터링하기 위한 거시건전성 도구로 사용할 수 있습니다. 나쁜 전이의 급증이 종종 위기에 선행하기 때문입니다.

10. 참고문헌

• Baruník, J., Kočenda, E., & Vácha, L. (2016). Asymmetric volatility connectedness on forex markets. arXiv:1607.08214.
• Baruník, J., Kočenda, E., & Vácha, L. (2015). Asymmetric volatility connectedness: A new approach and evidence from oil commodities. Energy Economics, 52, 220-235.
• Barndorff-Nielsen, O. E., Kinnebrock, S., & Shephard, N. (2010). Measuring downside risk: Realised semivariance. In Volatility and Time Series Econometrics (pp. 117-136). Oxford University Press.
• Black, F. (1976). Studies of stock price volatility changes. Proceedings of the 1976 Meetings of the American Statistical Association, 171-181.
• Diebold, F. X., & Yilmaz, K. (2015). Financial and Macroeconomic Connectedness: A Network Approach to Measurement and Monitoring. Oxford University Press.
• Kitamura, Y. (2010). Testing for intraday interdependence and volatility spillover among the euro, the pound and the Swiss franc. Journal of International Money and Finance, 29(5), 943-960.
• BIS (2013). Triennial Central Bank Survey: Foreign exchange turnover in April 2013. Bank for International Settlements.

11. 전문가 논평: 핵심 통찰, 논리적 흐름, 강점 및 약점, 실행 가능한 통찰

핵심 통찰: 이 논문은 단순히 변동성 전이를 측정하는 것을 넘어, 통화 시장에서 나쁜 소식이 좋은 소식보다 더 빠르고 멀리 퍼진다는 것을 증명합니다. 비대칭성은 통계적 인공물이 아닙니다. 이는 뚜렷한 경제 체제에 의해 주도되는 구조적 특징입니다: 재정 위기는 나쁜 전이를 증폭시키는 반면, 통화 정책 차별화는 좋은 전이를 유도합니다. 이는 외환 상관관계가 대칭적이라고 생각했던 모든 사람에게 판도를 바꾸는 발견입니다.

논리적 흐름: 저자들은 명확한 격차에서 시작합니다: 모든 사람이 변동성이 비대칭적이라는 것을 알고 있지만, 전이 자체가 비대칭적인지 테스트한 사람은 아무도 없었습니다. 그들은 실현 변동성을 나쁜 반분산과 좋은 반분산으로 분해한 다음 이를 Diebold-Yilmaz 연결성 프레임워크에 적용함으로써 엄격한 방법론을 구축합니다. 실증 섹션은 잘 구조화되어 있습니다: 먼저 총 연결성, 그 다음 비대칭성, 순 전이, 그리고 마지막으로 경제적 해석입니다. 흐름은 논리적이고 따라가기 쉽지만, 인과 관계 주장(재정 대 통화)은 증명되었다기보다는 암시적입니다.

강점 및 약점: 가장 큰 강점은 참신성입니다. 이는 외환 시장에서 비대칭적 변동성 연결성을 문서화한 최초의 논문입니다. 고빈도 데이터(5분)의 사용은 일일 데이터로는 놓칠 수 있는 일중 동태를 포착한다는 점에서 큰 장점입니다. 반분산 분해는 우아하고 이론적으로 뒷받침됩니다. 그러나 표본이 6개의 주요 통화 쌍으로 제한되어 있어 다르게 행동할 수 있는 신흥 시장 통화를 무시합니다. VAR 모델은 선형성을 가정하지만, 비선형성이 지배하는 위기 기간 동안에는 무리가 있습니다. 또한, 전이 동인을 재정 대 통화 사건으로 귀속시키는 것은 공식적인 가설 검정이 아닌 시계열의 육안 검사에 기반합니다. 이는 인과 관계 서사를 약화시킵니다.

실행 가능한 통찰: 포트폴리오 매니저를 위해: 대칭적 상관관계를 가정하는 것을 중단하십시오. 위기 기간 동안 나쁜 전이가 하방 위험을 증폭시키기 때문에 헤지 비율을 20-30% 증가시켜야 합니다. 중앙은행을 위해: 비대칭적 연결성은 조기 경보 지표 역할을 할 수 있습니다. EUR/USD에서 다른 통화로의 나쁜 전이 급증은 시스템적 스트레스를 신호합니다. 연구자를 위해: 이 프레임워크를 극심한 비대칭성을 나타내는 암호화폐와 교차 자산 전이(예: 외환에서 주식)로 확장하십시오. 이 방법론은 머신러닝 개선에 적합합니다. LSTM 네트워크를 사용하여 실시간으로 비대칭적 전이를 예측하십시오. 마지막으로, 규제 당국은 비대칭적 연결성을 거시건전성 도구로 고려해야 합니다. 이 논문은 나쁜 전이가 주요 위기 전에 정점에 도달하여 잠재적 선행 지표를 제공함을 보여줍니다.