국제곡물가격의 변동성 요인분석과 한국의 정책적 대응

지구상의 어느 국가든 식량곡물의 안정적 확보를 위해 우선적으로 국내 생산 및 공급을 중시한다. 따라서 국제곡물시장에서 거래되는 물량은 생산량 가운데 국내 소비를 제외하고 남은 일부로 국제곡물시장은 생산량 대비 교역량의 비중이 작은 전형적인 ‘엷은 시장(thin market)’이다. 또한 국제곡물시장은 상위 4~5개 수출국이 전체 수출물량의 70% 이상을 점유하는 반면 수입은 다수의 국가로 이루어져 있는 ‘공급자 과점시장’이다. 따라서 수출국 가운데 어느 한 국가의 수출에 차질이 생기면 곧바로 시장에 큰 충격을 주게 된다. 여기에 곡물 자체의 낮은 수급탄력성이 더해져 조그마한 수급변화에도 국제곡물가격은 크게 변하는 특성을 가지고 있다. 이러한 특징을 가지고 있는 곡물 가운데 식량안보에 중요한 쌀, 밀, 옥수수, 대두 등 4개 곡물을 선정해 ARIMA, GARCH/EGARCH 시계열모형을 설정하여 달러 표시 실질 국제가격의 변동성을 계측한 결과, 쌀은 분석대상 전 기간(1960~2011년)에 걸쳐 가격변동성의 증감이 반복되는 가운데 2008~ 09년의 변동성이 가장 큰 것으로 나타났다. 옥수수도 쌀 마찬가지로 변동성 증감이 반복되었지만 다른 곡물과 달리 1980년대 후반의 가격변동성이 지난 50년 동안 가장 큰 특징을 보였다. 대두와 밀은 서로 유사한 가격변동성 흐름을 보였다. 두 곡물 모두 1970년대 초반 가격변동성이 지난 50년간에 걸쳐 가장 큰 것으로 나타났으며, 이후 변동성이 감소하다가 2000년 이후 다시 증가하는 모습을 보였다. 한편 전기와 후기 변동성 계측치 평균의 상이성을 통계적으로 검증한 결과 옥수수를 제외한 쌀, 밀은 후기 변동성 계측치의 평균이 전기 변동성 계측치의 평균 보다 더 큰 것으로 검증되어 쌀과 밀은 전기에 비해 후기에 가격변동성이 더 커졌다고 할 수 있으며, 대두는 반대로 후기에 들어 변동성이 작아졌고, 옥수수는 전기와 후기의 변동성 평균값 차이가 통계적으로 유의하지 않아 후기의 변동성이 켜졌다고 보기 어려운 것으로 나타났다. 변동성 계측 및 전ㆍ후기 변동성 평균값의 검정결과 쌀과 밀의 경우 최근 들어 가격변동성이 커졌다고 할 수 있으며, 대두는 오히려 변동성이 감소했고, 옥수수는 변동성 증대 여부를 통계적으로 검증하기 어려운 것으로 나타났다. 국제곡물가격의 변동성 요인을 동태패널모형으로 분석한 결과 전기 자체 변동성이 현시점에서의 변동성에 가장 큰 영향을 주는 것으로 나타났다. 이는 국제곡물가격의 변동성이 확대되면 이후 그 영향은 점차 감소되지만 지속적인 영향을 준다는 것을 의미한다. 따라서 정책적으로 변동성이 증폭되기 전에 조기 완화의 필요성이 그 만큼 중요함을 의미한다. 한편 국제곡물가격의 변동성에 영향을 주는 요인으로 재고수준과 달러화 가치 및 국제유가의 변동성, 그리고 지수펀드 등의 곡물선물시장의 투기적 거래 증가 등이 통계적으로 의미 있는 변수로 나타났다. 재고증가는 가격변동성을 완화시키는 반면 달러화 가치 변동과 국제유가 변동성은 곡물가격의 변동성을 증폭시키는 것으로 나타났으며, 곡물선물시장의 투기적 거래증가도 곡물가격의 변동성을 확대시키는 것으로 나타났다. 개별 곡물의 가격변동성 요인을 분석하기 위한 연립방정식모형 추정결과 국제 쌀 가격의 변동성은 전기 자체가격 변동성과 밀의 국제가격 변동성, 그리고 달러화 가치 및 국제유가의 변동성에 비례하여 커졌다. 반면 쌀의 단수 변화와 쌀 가격의 변동성은 역관계이고, 국제유가 변동성과 투기적 거래 증가는 가격변동성과 정(+)관계로 나타났다. 밀의 국제가격 변동성은 전기 자체가격 변동성과 함께 쌀 및 대두 가격의 변동성에 가장 큰 영향을 받는 것으로 나타났다. 옥수수의 가격변동성에 영향을 주는 요인은 재고와 투기적 거래 이외 다른 요인들은 통계적으로 유의하지 않은 것으로 나타났다. 대두의 경우 자체 전기 가격변동성과 재고 수준이 변동성에 가장 큰 영향을 주는 것으로 나타났다. 국제곡물가격의 변동성 전이효과를 보기 위한 VAR 모형 추정 결과, 국내 수입쌀 가격의 변동성에 영향을 주는 요인은 대부분 통계적으로 유의하지 않았다. 이는 우리나라 쌀 수입구조의 특성 때문으로 보인다. 국내 옥수수 수입가격 변동성은 5개월 전 국제 밀 가격의 변동성과, 3개월과 4개월 전 국제 쌀 가격의 변동성, 그리고 4개월 및 5개월 전 국제 옥수수 및 대두가격의 변동성에 지속적으로 영향을 받는 것으로 나타났다. 국내 대두 수입가격 변동성은 5개월 전 국제 대두가격 변동성 및 국제 옥수수 가격의 변동성에 영향을 받는 것으로 나타났으며, 국내 밀 수입가격 변동성은 5개월 전 국제 밀 가격의 변동성과 4개월 전 국제 옥수수 가격의 변동성에 영향을 받는 것으로 나타났다. 한편 곡물별 예측오차의 분산분해 결과 쌀은 국제곡물가격의 변

International prices of major crops rose dramatically from late 2006 through mid 2008. Price collapsed dramatically in the second half of 2008 with the onset of the financial crisis. This episode is often referred to as the “2008 agflation”. It seems that such a price swing appears again. Between early June 2010 and February 2011, the price of grain increased sharply, surpassing the 2008 peaks that had spread anxiety among policymakers and low income consumers around the world. A number of studies have discussed the factors which lie behind the 2008 agflation. A large number of potential explanation is avaliable. Those given greatest prominence are i) rapid economic growth, particularly in China and other Asian economies, ii) decades of underdevelopment in agriculture, ⅲ) low inventory levels, iv) depreciation of the US dollar, v) speculative influences. However, there is still in debates of whether grain prices have become more variable. When looked at in the long term, there is little or no evidence that volatility in international agricultural commodity prices, as measured using standard statistical measures is increasing and this finding applies to both nominal and real prices. Volatility has, however, been higher during the decade since 2000 than during the previous two decades and this is also the case of wheat and rice prices in the most recent years (2006~2010) compared to the nineteen seventies. To answer a basic question has grain price volatility risen? this study sets up GARCH (Generalized Autoregressive Conditional Heteroscedasticity)-type models and measures exact volatilities for rice, wheat, corn, and soybeans, which are important for food security of net food importing countries. The GARCH model is now the standard procedure for modelling volatility in financial markets. GARCH specifies an ARMA (AutoRegressive Moving Average) process for the variance scedastic process followed by a time series to yield an estimate of the conditional variance of the process at each date in the sample. To summarize, this analysis has generated three conclusions; a) International rice and wheat price volatility was generally higher over the past two decades than in the nineteen seventies and eighties, the major exception being soybean. b) Although many grains exhibited high volatility over three year periods 2006-08, and this volatility persists to the present, these volatilities are generally in line within historical experience, except rice. c) There is weak evidence that volatility levels may be increasing relative to historical levels across the grains. However, we will need to wait for a few more years to now whether this is indeed the case There is also considerable empirical evidence that the volatility in agricultural prices has changed over the recent decade. It is not only the levels of prices which have had powerful effects, but also their volatilities. Increasing volatility is a concern for agricultural producers and for other agents along the food chain. Price volatility can have a long run impact on the incomes of many producers and the trading positions of countries, and can make planning production more difficult. Moreover, adequate mechanisms to reduce or manage risk to producers do not exist in many markets and/or countries. Therefore, an understanding the nature of volatility is required in order to mitigate its effects, particularly in developing countries. In order to examine the nature and determinants of volatility in food crops, this study sets up both the dynamic panel model and the system equation models. The dynamic panel regression approach is useful for catching a number of key variables which can explain grain volatility as a whole, while the system equation approach has advantages of considering the interrelation among each crop. The results of the analysis can be summarized as following. There is convincing evidence that many of the candidate variables have an impact on grain