ì ìí ì´ìì¨ íê°ì´ë¡ ê²ì ì ìí ì°ììê°ì ì¤ëª¨ ... - íêµê²½ì íí
ì ìí ì´ìì¨ íê°ì´ë¡ ê²ì ì ìí ì°ììê°ì ì¤ëª¨ ... - íêµê²½ì íí
ì ìí ì´ìì¨ íê°ì´ë¡ ê²ì ì ìí ì°ììê°ì ì¤ëª¨ ... - íêµê²½ì íí
You also want an ePaper? Increase the reach of your titles
YUMPU automatically turns print PDFs into web optimized ePapers that Google loves.
68經 濟 學 硏 究 제 60 집제3 호자세히 설명할 것이다.3. 위험프리미엄의 식별(Specification of Risk Premium)우리의 UIP의 연속시간모형에서 위험프리미엄은 사실상 관측되지 않는 변수이다. 따라서 이를 추정하기 위해서 우선 위험프리미엄에 대한 가정이 필요하다. 첫번째로, 위험프리미엄을 상수, 즉 ≡로 가정할 경우, 우리의 모형은 다음과 같다. (8) . 따라서 위험프리미엄이 상수라는 가정에서 우리의 모형은 오직 회귀모형의 조건부 평균이 모수적인 형태만을 갖게 된다. 여기서, 위험프리미엄이 상수라는 가정하에서 도출된 설명변수 는 시간변화를 적용할 경우 변동성시간의 간격이 된다. 따라서 일반적인 상수항과는 다르다. 앞서 설명한 바와 같이, 두 설명변수와 오차항의 직교 조건은 일반적으로 성립하기 어렵다. 따라서 설명변수와 오차항간에 존재하는 상관관계로부터 발생하는 문제를 해결하는 방법으로 도구변수추정방법을 생각해볼 수 있다. 도구변수들로 자연스럽게 고려할 수 있는 것이 외생변수들의 과거 값이다. 즉, 회귀모형 (8)은 다음의 시차설명변수(lagged regressor)들을 도구변수로 하는 도구변수추정방법을 사용하여 추정될 수있다. 제시된 두 변수들은 회귀모형의 오차항인 와 직교조건을 만족하며설명변수들과는 아주 강한 계열상관관계를 갖는다. 특히 이자율의 경우 지속성을가진다는 사실은 명백히 알려져 있다. 다음으로 시가변적 위험프리미엄을 고려할경우, 위험프리미엄을 시간에 대한 평활함수(smooth function) 18) 라고 간주한다.