VECM과 ARIMA를 이용한 북경 인플레이션 예측력에 관한 비교연구 = A Comparison of the Forecasting Power of Beijing Inflation Model based on VECM and ARIMA

국문 초록 (Abstract)

중국의 물가수준은 2011년에 겪은 마지막 인플레이션 이후 연속 몇 년 동안 안정된 추세를 보였으나 2011년 인플레이션 유발 요인은 여전히 남아 있고 지금까지도 중국 경제에 영향을 미치고 있다. 최근 몇 년 중국의 물가수준은 그 요인들의 영향을 받아 급격하게 상승하고 있다. 이러한 현상이 지속되면 인플레이션율이 합리적인 구간을 벗어나게 되고 중국은 또 다시 인플레이션을 겪을 수 있게 된다. 북경은 중국의 경제 문화 중심인 동시에 중국 경제 정책 실시의 첫 시범 대상 지역이므로 북경지역 인플레이션을 예측하는 것은 중국 물가 안정정책의 수립에 큰 의의가 있다. 본 연구에서는 중국 인플레이션 발생을 미리 예측하기 위해 2006년 1월부터 2016년 4월까지의 북경지역 소비자 물가지수 및 각 거시 경제 변수를 이용하여 벡터오차모형 및 ARIMA모형을 추정하였고 두 모형의 예측력을 비교하여 VECM모형을 최적 예측모형으로 선택하였다.
벡터오차수정 모형의 실증분석에서 각 변수들의 안정성을 검정하기 위해 단위근 검정을 하여 모든 변수가 I(1)과정의 변수임을 알았고 각 변수들의 장기적 관계를 확인하기 위해 공적분 검정을 하여 각 변수들 사이에 1개의 공적분이 존재한다는 것을 확인하였다. 소비자 물가지수와 거시경제변수들에 대해 인과관계 검정을 한 결과 통화 공급량(M2)과 외화보유액(FER)은 소비자물가지수(CPI)에 Granger 인과 하는 것으로 나타났다. VECM모형 추정 결과 각 변수들은 소비자 물가지수와 정(+)의 관계를 가지며 충격반응함수 및 예측오차 분산분해 결과로부터 소비자 물가지수(CPI)는 통화 공급량(M2), 구매자물가지수(PPIRM), 외화보유액(FER)의 충격에 개선되는 반응을 보이고 12기에 구매자 물가지수, 외화보유액, 통화 공급량의 순서로 소비자 물가지수에 영향을 미치는 것을 알 수 있었다.
결과적으로 북경의 인플레이션은 구매자물가지수, 외화보유액, 통화 공급량의 증가에 따라 증가하는 것으로 나타나고 본 연구에서 선택된 거시경제변수들은 인플레이션 발생에 중요한 요인으로 작용하므로 북경 인플레이션을 개선하기 위해 통화 공급량을 줄이고 외화보유액을 감소시키며 원자재의 생산 가격을 하락시키는 것이 필요할 것으로 예상된다.

다국어 초록 (Multilingual Abstract)

China's price level has remained steady for several consecutive years since its last inflation in 2011, but the inflation-triggered factor in 2011 has not been completely eliminated and continues to influence China’s economic situation. In recent years, the price level of China has been rapidly increasing due to the influence of those factors. If this phenomenon continues and goes beyond a reasonable inflation interval, China can afford to suffer inflation again. Since Beijing is the economic and cultural center of China and the first pilot area of China's economic policy implementation, and predicting inflation in Beijing is of great significance in determining China's price stability policy. This study estimated the vector error model and the ARIMA model using the Beijing CPI and macroeconomic variables from January 2006 to April 2016 in order to forecast the inflation of China in advance. And the VECM model was selected as the optimal prediction model.
In the empirical analysis of the vector error correction model, the unit root test was performed to test the stability of each variable, and it was found that all the variables were I(1) process variables and the co-integration test was performed to confirm the long-term relationship of each variable. As a result of causality test on the CPI and macro variables, the Broad Money(M2) and the Foreign Exchange Reserve(FER) are attributed to the Consumer Price Index (CPI). VECM results show that each variable has a positive relationship with the CPI. In addition, from the results of impact function and forecasting error decomposition, the CPI showed an improvement in the impact of the Broad Money (M2), purchasing price index of raw material (PPIRM), and Foreign Exchange Reserve(FER). In the 12th period, the purchasing price index of raw material, the foreign currency reserves, and the broad money were influenced by the consumer price index.
As a result, inflation in Beijing is seen to increase with the increase of purchasing price index of raw material, foreign currency reserves and broad money, and it is an important factor in inflation. Therefore, in order to improve Beijing inflation rate, it is necessary to decrease broad money and foreign exchange reserve, improve production cost by reducing the production cost.

목차 (Table of Contents)

• 제1장 서 론 1
• 제1절 연구의 배경 및 목적 1
• 제2절 연구의 범위 및 방법 4
• 제3절 선행 연구의 검토 5
• 1. 인플레이션의 측정 지표에 관한 연구 5
• 2. 인플레이션에의 선행 지표에 관한 연구 6
• 3. 인플레이션 예측 모형에 관한 연구 8
• 4. 기존 논문과의 차별성 10
• 제2장 이론적 배경 12
• 제1절 인플레이션의 정의 12
• 제2절 인플레이션의 측정지표 12
• 제3절 인플레이션의 발생원인 14
• 제4절 북경지역의 인플레이션 발생원인 검토 16
• 1. 1994년 인플레이션 발생원인 17
• 2. 2008년부터 2011년 인플레이션 발생원인 18
• 제3장 북경 인플레이션에 관한 실증분석 21
• 제1절 자료의 선정 21
• 1. 변수의 선택 21
• 2. 데이터 설명 22
• 제2절 VECM모형에 대한 실증분석 23
• 1. 기초통계량 분석 23
• 2. 시계열 그림 24
• 3. ADF 단위근 검정 24
• 4. Johansen 공적분 검정 26
• 5. Granger 인과관계 검정 27
• 6. 벡터오차수정모형의 추정 29
• 7. 충격반응함수와 예측오차 분산분해 분석 32
• 8. VECM 모형의 예측력 검정 35
• 제3절 ARIMA 모형에 대한 실증분석 37
• 1. ARIMA 모형의 추정 및 검정 37
• 2. ARIMA 모형의 예측력 검정 39
• 3. ARIMA모형과 VECM모형의 예측력 비교 40
• 제4장 요약 및 결론 41
• 참고문헌 43
• ABSTRACT 47