시계열 자료에서 불변하는 인과성 탐색: 원-달러 환율 데이터에 적용

Invariant causal prediction for time series data: Application to won dollar exchange rate data

본 연구에서는 Pfister 등 (2019)에서 제시된 시계열 데이터에 대해서 시간이 지나도 불변하는 인과성(invariant causality)을 갖는 변수를 찾는 방법에 대해서 설명하고자 한다. 시계열에서 주로 이용되는 Granger causality 방법은 인과 관계를 찾기 보다는 선행한 사건과 추후에 일어나는 사건과의 연관성을 찾는 방법이며, 때로는 허위 연관성의 결과를 산출하기도 한다. Chow 검정은 고정된 모형에 대해서 특정 시점 전후의 차이를 검정하는데 이용된다. 기존 방법은 높은 설명을 갖는 모형을 찾는데 중점을 두었는데, 이러한 모형은 환경의 변화에 따라 같은 모형이 유지되지 않을 가능성이 있다. Pfister 등 (2019)에서 제시된 모형은 설명변수와 종속변수 간의 조건부 관계를 찾는데 중점을 두고 있기 때문에, 환경의 변화에도 불변하는 인과성을 찾는데 유용하게 이용될 수 있다. 특히, 거시 경제 데이터는 측정하기 어려운 많은 변수로 인해 설명력이 높은 모형을 찾는 것이 어렵기 때문에, 기존 방법을 이용하기 보다는 Pfister 등 (2019)의 모형을 적용하는 것이 의미가 있다. 본 연구에서는 Pfister 등 (2019)가 제시한 방법을 이용하여 원 달러 환율에 불변하는 인과성을 갖는 거시경제 변수를 찾고자 한다.

Evaluating or predicting the effectiveness of economic policies is an important issue, but it is difficult to find an economic variable which causes a significant result because there are numerous variables that cannot be taken into account. A randomized controlled experiment is the best way to investigate causality, but it is not realistically possible to control through randomization and intervention in time series data such as macroeconomic data. Although some analysis methods have been proposed to find causality, the methods such as Granger causality method and Chow test are insufficient to explain causality. Recently, Pfister et al. (2019) proposed invariant causal prediction methods which can be applicable in time series data. In this paper, we introduce the method of Pfister et al. (2019) and use the method to find macroeconomic variables invariantly affecting the won-dollar exchange rate.