êµ­ì œë¹„êµë¥¼ 통한 한․미 주식시장 동조화의 평가 - 한국금융연구원

64 金 融 硏 究 21권 1호이 바로 Johansen 방법의 핵심이다.Π 의 계수를 r이라고 할 때 이 행렬은 아래와 같이 쓸 수 있다.Π ='α β(3)α 와 β 는 모두 (3×r)행렬이며 이 행렬들의 계수는 r이다. 바로 r이 공적분벡터의수를 의미한다. β 는 공적분벡터로 이루어진 행렬이며 α 는 오차수정계수(factorloading)를 나타내는 벡터들로 이루어져 있다.Johansen은 공적분벡터를 검정하기 위한 방법을 2가지 제시하였는데 trace검정과maximum eigenvalue검정이다. 두 검정통계량은 아래와 같다.n∑* *2 ( L A− L0) = −Tlog( 1−ˆ λ )(4a)i=h+1i* *2 ( L A− L0) = − T log( 1−ˆ λi)(4b)*LA 와 L * 0 는 대립가설과 귀무가설 하에 구한 우도값(likelihood value)이고 T 는 표본의 수이며 λˆ i 는 고유치(eigenvalue)이다. 두 검정통계량이 다른 것은 가설의 설정이다르기 때문이다. trace검정의 귀무가설은 ‘h개의 공적분벡터’이며 대립가설은‘n(=3)개의 공적분벡터’이다. 한편, maximum eigenvalue검정의 귀무가설은 ‘h개의공적분벡터’이며 대립가설은 ‘h+1개의 공적분벡터’이다.이하의 검정결과에 따르면, 공적분벡터는 1개가 존재하는 것으로 나타났다. 또한,Schwartz Bayesian Information Criterion에 따르면, 시차변수는 1개까지 포함하는 것이 적절한 것으로 나타났기 때문에 이에 따라 식(2)를 풀어 쓰면 다음과 같다.⎛ ∆ e⎜⎜ ∆ k⎜⎝ ∆ dttt⎞ ⎛ µ1 ⎞ ⎛ α1 ⎞⎛ et−1⎞ ⎛ γ11γ12γ13 ⎞ ⎛ ∆ e ⎞ ⎛εt −11t⎞⎟ ⎜ ⎟ ⎜ ⎟⎜ ⎟ ⎜⎟ ⎜ ⎟ ⎜ ⎟⎟ = ⎜ µ2 ⎟+ ⎜α2 ⎟ ( β1 β2β3) ⎜ kt −1⎟ + ⎜γ21γ22γ23 ⎟ ⎜ ∆ kt −1⎟ + ⎜ε2t⎟ (5)⎟ ⎜ ⎟⎠ ⎝ µ ⎜ ⎟3 ⎠ ⎝α⎜ ⎟3 ⎠⎝ d ⎜⎟t −1⎠ ⎝γ31γ32γ ⎜ ⎟33 ⎠ ⎝ ∆ d ⎜ ⎟t −1⎠ ⎝ε3t⎠