고빈도 자료를 이용한 대구⋅경북지역 경기분석 및 예측 : MIDAS 모형을 중심으로

Abstract

지역 경제 분석에 있어 중요한 지표 중 하나로 여겨지는 지역내총생산(GRDP) 데이터는 연간 단위로 집계된다는 점과 1년 가량의 상당한 시차를 두고 공표된다는 점에서 그 유용성이 상당정도 제한적인 측면이 있다. 이 논문은 GRDP 자료와 관련된 이러한 문제를 보완하기 위해, 대구⋅경북 지역을 대상으로 혼합주기 자료의 분석에 유용한 MIDAS (Mixed Data Sampling) 모형을 다양한 월별 지표에 적용하여 다음과 같은 작업을 수행하였다: (1) 월별 GRDP 증가율의 추정, (2) 실제 GRDP 공표시점 이전에 GRDP 증가율을 추정하는 과거추정 및 (3) GRDP 증가율에 대한 단기 예측. 이러한 분석을 위해, 다양한 개별 월별 지표들 뿐 아니라, 이들로부터 추출한 동태적 요인을 이용한 모형, 개별 모형들을 바탕으로 한 다양한 모형 결합 등의 방법을 고려하였으며 이들 결과를 비교하였다.분석 결과, 대구⋅경북 지역의 GRDP 증가율의 분석에 유용한 (최선의) 월별 지표들이 식별되었으나, 이들을 이용한 결과보다는 절사 평균 등의 다양한 모형 결합을 이용한 결과가 상대적으로 더 나은 것으로 나타났으며, 이를 이용한 경우 전반적으로 좋은 적합도 및 예측력을 보이는 것으로 나타났다. 반면 동태적 모형을 이용한 결과는 모형 결합에 비해 상대적으로 열등한 것으로 나타났다. The Gross Regional Domestic Product (GRDP) data are often of limited use because of their availability only at low (annual) frequency and long publication lags. This study provides a flexible framework to complement the current GRDP data of Daegu-Kyuongbuk province by combining high frequency data available for this region. Specifically, we employ the MIDAS (Mixed Data Sampling) method, which is useful for analysis of mixed frequency data, and explore a range of empirical issues including the construction of high frequency GRDP estimates, nowcasting, and short-run forecasting. We explore several model combinations and dynamic factors models as well as various individual models and compare them in terms of in-sample fit and out-of-sample forecasts. It is shown that while model combinations such as trimmed means are useful both for nowcasting and short-run forecasting, the performance of model employing dynamic factors turns out to be rather poor.