상세정보

인플레이션 불확실성의 많은 함의에도 불구하고 미래 인플레이션 불확실성 팩터에 대한 연구는 부족한 실정이다. 본 연구는 이를 분석하기 위해 여러 인플레이션 예측 모형에 확률적 변동성을 추가로 가정한다. 특히 변동성이 기타 외생변수에 의해 선형적으로 영향을 받도록 설정함으로써 불확실성 팩터를 검출할 수 있도록 하였다. 팩터의 검출과정에서 본 연구는 Dirac spike-and-slab 사전분포를 도입한다. 분석 결과 기존 연구 결과와 달리 인플레이션 수준과 기타 불확실성 지수는 중요한 변수가 통제된 상황에서 인플레이션 불확실성의 예측 팩터로 검출되지 않았다. 오히려 서베이 인플레이션 기대치와 제조업 공장 가동률이 미래 인플레이션 불확실성을 잘 예측하는 것으로 드러났다. 해당 결과는 인플레이션 예측 식과 예측기간(forecast horizon)을 변경해도 강건하게 도출된다. 추가적으로 초과 국채 수익률에 대한 인플레이션 불확실성 팩터의 예측회귀분석(predictive regression)을 실시한 결과 불확실성 팩터가 거시경제 주성분(principal component)을 넘어선 예측력이 있음을 확인하였다.

Despite many implications of inflation uncertainty, factors possessing information on future inflation uncertainty are not extensively studied. We employ a number of inflation prediction models popularly used in the literature, but allowing for a stochastic volatility with exogenous explanatory variables in the volatility equation. Dirac spike-and-slab prior is applied on the volatility-explaining variables to detect relevant macroeconomic determinants of the unobserved volatility, or uncertainty, process. Contrary to the previous literature suggesting inflation level as essentially a unique factor explaining inflation uncertainty, we find survey inflation expectations and capacity utilization rate significantly more relevant. The finding is robust to different models of inflation and horizons of future uncertainty. Additionally, predictive regressions of excess bond returns show that the detected variables have additional predictive power beyond macro principal components.

Abstract i
국문초록 ii
Table of Contents ii
List of Tables vi
List of Figures vii
1 Introduction 1
2 Inflation Model 8
2.1 Inflation forecast model under stochastic time-varying uncertainty . . . . 8
3 Estimation Procedure 11
3.1 General procedure . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
3.2 Sampling uncertainty equation parameters under Dirac spike-and-slab prior 12
4 Empirical Analysis 14
4.1 Possible factors . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
4.2 Data . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
4.3 Detection of inflation uncertainty factors . . . . . . . . . . . . . . . . . . . 17
5 Bond Risk Premia 26
5.1 In-sample results . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27
6 Conclusion 29
Reference 32
Appendix 33
A Marginal densities and δ, σ2 sampling 33
B MCMC Sampling Procedure 37
B.1 Sampling μ, φ, β . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37
B.2 Sampling p . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37
B.3 Sampling {S} . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 38
B.4 Sampling {η} . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 38
B.5 Sampling {η}: Kalman filter . . . . . . . . . . . . . . . . . . . . . . 39
B.6 Sampling ξ, ρ . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 41
B.7 Sampling λ . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 41
C Simulation Study 42
D Factor detection criteria: a breakdown 46
E Estimation Results Under Various Specifications 49