자료 주기에 따른 벡터시계열모형 결과의 차이

How Data Frequency Affects Results of Vector Time-Series Model?: Case of Seoul Housing Market

주택시장 및 토지시장과 거시경제 간의 인과관계 및 장기균형 분석에 벡터시계열모형(VAR, VECM 등)을 적용한 연구들이 다수 있으며, 이 연구들은 부동산시장의 이해에 큰 도움을 주고 있다. 그런데 실증분석 결과 간에 차이가 큰 경우가 많지만, 분석대상 기간이 다르기 때문일 수 있다는 가능성 이상에 대해서는 탐구된 바가 없으며 단지 새로운 모형을 시도하는 연구들만이 있었다.우리는 선행연구들이 월별 자료들을 분기 자료로 축소할 때 발생하는 정보의 손실, 각 기관들이 발표하는 분기별 자료 생성 기준의 불일치, 벡터시계열모형의 변수투입 방법 등에서 개선이 여지가 있다고 파악한다. 이들 반영하여 서울시 주택시장 자료에 적용하였는데, 특히 벡터시계열모형의 데이터 요구량이 큰 것에 주목하여 최근에 제안된 월별 GDP 자료 구축방법을 활용하여 월별 자료를 구축하였다. 월별 자료와 분기별 자료를 이용한 분석 간의 비교를 통해 월별 자료를 분기 자료로 변환할 때 정보의 손실이 크다는 사실을 확인하였다. 특히 월별 자료를 쓸 때 분기별 자료가 설명하지 못하는 변수간의 동태적 관계를 분석할 수 있으며, 모형의 설명력도 높았다.

Many researchers have employed vector time-series models such as VAR, VECM to understand inner workings of real estate markets as well as interactions with macro-economic variables. Results of such studies are often incompatible, but the reason has not been systematically analyzed. We identify several methodological flaws in the current literature, including loss of informations in converting monthly data into quarterly data. Recent advances in macroeconomics allow us to generate monthly GDP estimates. Using monthly data, and comparing the results with those using quarterly data, we confirm that increasing data frequency greatly improves explanatory power of the vector time-series models.