변동환율제 하에서 USD/UAH 환율 동태 진단

1. 서론 및 개요

본 연구는 2014년 우크라이나가 변동환율제 및 인플레이션 타기팅 정책으로 전환한 이후 USD/UAH(우크라이나 흐리브냐) 환율 동태에 대한 포괄적인 실증 분석을 수행한다. 2014년 1월부터 2020년 5월까지의 기간을 검토하며, 이 기간은 거시경제 불균형, 사회정치적 긴장, 그리고 2019년 12월 23.46 UAH/USD의 저점을 포함한 상당한 통화 변동성을 특징으로 한다. 본 연구는 환율 변동이 무작위적 또는 영구적 추세를 따르는지 진단하고, 계절적 패턴을 식별하며, 외부 거시경제 충격에 대한 민감도를 평가하여 우크라이나 외환 시장의 효율성과 안정성을 평가하는 것을 목표로 한다.

2. 방법론 및 데이터

실증 분석은 USD/UAH 환율 과정의 성격에 관한 세 가지 핵심 가설을 검증하기 위해 강력한 시계열 계량경제학 기법들을 사용한다.

2.1 연구 가설

본 연구는 다음과 같은 가설들을 검증한다: (H1) USD/UAH 환율은 결정론적 추세보다는 확률적(랜덤 워크) 과정을 따른다. (H2) 동태는 통계적으로 유의미한 계절적 패턴을 보인다. (H3) 환율은 외부 거시경제 충격에 민감하지만, 반응이 단기적이고 평균회귀적이라면 우크라이나 외환 시장은 상대적 효율성의 징후를 보인다.

2.2 분석 프레임워크

다중 방법론 접근법이 활용된다:

단위근 검정: 정상성과 확률적 추세의 존재 여부를 판단하기 위한 확장된 Dickey-Fuller (ADF) 및 Phillips-Perron 검정.
자기상관 분석: 시계열 내 패턴과 지속성을 식별하기 위함.
그랜저 인과관계 검정: 환율과 주요 거시경제 변수 간 선행-후행 관계를 탐구하기 위함.
단변량 모형: 추세-계절 분해를 위한 ARMA (자기회귀이동평균) 모델링.
다변량 모형: 다양한 거시경제 지표의 충격이 환율에 미치는 동태적 영향을 분석하기 위한 벡터자기회귀 (VAR) 모형 및 충격반응함수 (IRF).

2.3 데이터 기간 및 출처

2014년 1월부터 2020년 5월까지의 월별 데이터가 사용된다. 주요 변수는 USD/UAH 환율이다. 다변량 분석을 위해, 다른 거시경제 지표로는 인플레이션율, 금리, 외환보유고, 무역수지 수치, 그리고 유가나 USD 지수와 같은 글로벌 요인이 포함될 가능성이 있으며, 이는 우크라이나 중앙은행 (NBU) 및 기타 공식 통계 기관에서 수집되었다.

3. 실증 결과 및 분석

3.1 추세 분석 및 랜덤 워크

ADF 및 Phillips-Perron 검정 결과는 표본 기간 내 USD/UAH 시계열에 대한 단위근 귀무가설을 기각하지 못함을 나타낸다. 이는 H1에 대한 강력한 증거를 제공하며, 환율 변동이 랜덤 워크 성분을 가진 확률적 과정임을 시사한다. 추세는 영구적이지 않으며 무작위적 요소를 포함하여 시간이 지남에 따라 급격하고 예측 불가능한 변화를 초래한다. 이는 우크라이나 외환 시장에 대한 약형 효율적 시장 가설 (EMH)과 일치하며, 과거 가격 변동이 미래 변화를 신뢰성 있게 예측할 수 없음을 의미한다.

3.2 계절성 탐지

분석은 H2를 확인하며, USD/UAH 변동에서 명확한 계절적 패턴을 드러낸다. 흐리브냐는 연중 1분기와 2분기 (Q1 & Q2) 동안 USD 대비 약세를 보이는 경향이 있으며, 3분기와 4분기 (Q3 & Q4)에는 강세를 보인다. 이 패턴은 농산물 수출 흐름, 법인세 납부 일정, 또는 외화에 대한 계절적 수요와 같은 순환적 요인과 연관될 수 있다.

3.3 외부 충격에 대한 민감도

VAR 모형 및 충격반응함수는 USD/UAH 환율이 특정 거시경제 지표의 충격에 반응하며, 그 반응이 긍정적(약세) 또는 부정적(강세)일 수 있음을 보여준다. 결정적으로, 본 연구는 이러한 반응이 단기적이며, 규모 면에서 통계적으로 유의미하지 않고, 시간이 지남에 따라 사라지는 경향이 있음을 발견한다. 이는 H3를 지지하며, 시장이 뉴스에 반응하지만(상대적 효율성을 나타냄), 충격이 지속적이고 불안정한 이탈을 초래하지 않기 때문에 안정적이기도 함을 시사한다.

4. 주요 연구 결과 및 시사점

확률적 및 예측 불가능한 추세: USD/UAH 환율은 랜덤 워크를 따르므로, 선형 모형으로 정확한 중단기 예측이 극히 어렵다.
뚜렷한 계절성: 정책 입안자와 기업들은 분기별 압력 지점을 예상할 수 있으나, 랜덤 워크 성분으로 인해 정확한 예측은 제한된다.
효율적이지만 얕은 시장: 충격에 대한 빠르고 사라지는 반응은 정보를 신속히 반영하는 시장을 나타내지만, 단일 충격으로부터 크고 장기적인 움직임을 지속시킬 만한 깊이가 부족할 수 있음을 시사한다.
다요인 의존성: 환율은 여러 국내 및 잠재적 글로벌 거시경제 요인에 의해 영향을 받으며, 이는 표준 국제 금융 이론과 일치한다.
정책적 도전: 우크라이나 중앙은행에게는, 고도로 변동적이고 확률적인 환율 하에서 변동환율제를 유지하며 인플레이션을 관리하는 것이 상당한 도전 과제이다.

5. 기술적 세부사항 및 수학적 프레임워크

핵심 모형은 다음과 같이 명시된다:

확장된 Dickey-Fuller (ADF) 검정:
$\Delta y_t = \alpha + \beta t + \gamma y_{t-1} + \sum_{i=1}^{p} \delta_i \Delta y_{t-i} + \epsilon_t$
귀무가설 $H_0: \gamma = 0$ (단위근 존재). 본 연구의 결과는 수준 시계열에 대해 $H_0$를 기각하지 못했을 가능성이 높다.

벡터자기회귀 (VAR) 모형:
$\mathbf{Y}_t = \mathbf{A}_0 + \mathbf{A}_1\mathbf{Y}_{t-1} + ... + \mathbf{A}_p\mathbf{Y}_{t-p} + \mathbf{U}_t$
여기서 $\mathbf{Y}_t$는 USD/UAH 환율 및 기타 거시경제 변수들(예: 인플레이션, 금리)을 포함하는 벡터이며, $\mathbf{A}_i$는 계수 행렬, $\mathbf{U}_t$는 백색잡음 혁신 벡터이다.

충격반응함수 (IRF):
VAR 시스템 내 한 변수(예: 인플레이션 서프라이즈)에 대한 1 표준편차 충격이 모든 변수, 특히 USD/UAH 환율의 현재 및 미래 값에 미치는 영향을 추적한다: $h=0,1,2,...$에 대해 $\frac{\partial Y_{t+h}}{\partial u_{j,t}}$

6. 실험 결과 및 차트 설명

그림 1 (시계열 도표): 2014-2020년 명목 USD/UAH 환율을 보여주며, 2014-2015년의 급격한 약세, 2016-2018년의 상대적 안정성, 그리고 2019년 12월 고점을 포함한 2019-2020년의 새로운 변동성을 강조할 것이다.

그림 2 (ACF/PACF 상관도): ARMA 모형 차수($p$, $q$)를 식별하고 지속성을 시각적으로 평가하기 위해 사용된 자기상관 및 부분자기상관 함수 도표(느리게 감소하는 ACF는 비정상성을 시사함).

그림 3 (계절성 분해): 시계열을 추세, 계절성, 잔차 성분으로 분해하는 도표로, Q1-Q2 약세 / Q3-Q4 강세 패턴을 시각적으로 확인시켜 준다.

그림 4-7 (충격반응함수): VAR 내 다른 변수들(예: NBU 정책금리, 인플레이션, 무역수지)로부터의 직교화된 충격에 대한 USD/UAH 환율의 반응을 보여주는 일련의 차트. 주요 관찰점은 반응 경로가 0 주변을 맴돌며, 신뢰구간이 0을 포함한다는 것으로, 통계적으로 유의미하지 않고 일시적인 효과임을 나타낸다.

표 1-11: 기술 통계량, 단위근 검정 결과(ADF/PP 통계량 및 p-값), ARMA 모형 추정 결과, 그랜저 인과관계 검정 결과(F-통계량 및 p-값), VAR 모형 추정 행렬을 제시한다.

7. 분석 프레임워크: 실무 사례

시나리오: 우크라이나 농산물 수출업체가 2024년 6월에 예정된 수익에 대한 외환 위험을 평가하려 한다.

프레임워크 적용:

추세 성분 (확률적): 분석가는 랜덤 워크 성질을 인지한다. ARMA 모형의 점 예측치는 매우 불확실하다. 대신, 가능한 결과의 분포 예측에 초점을 맞춘다(예: 기하 브라운 운동 시뮬레이션 사용: $dS_t = \mu S_t dt + \sigma S_t dW_t$, 여기서 $S_t$는 환율).
계절성 조정: 역사적 데이터는 6월(Q2)이 일반적으로 흐리브냐 약세 기간임을 보여준다. 분석가는 위험 모델에 계절적 약세 편향을 반영할 것이며, 아마도 지난 10년간의 6월 평균 수익률을 분석함으로써 이를 수행할 것이다.
충격 분석: 본 논문의 VAR 프레임워크를 단순화하여, 분석가는 선행 지표들(예: 월간 인플레이션 발표, NBU 논평, 글로벌 USD 강세)을 모니터링한다. IRF 논리는 시장이 효율적이라면 "나쁜" 인플레이션 수치조차도 영구적 변화를 초래하지 않아야 하지만, 단기 변동성을 유발할 수 있음을 알려준다.
헤징 결정: 높은 변동성(확률적 추세)과 계절적 역풍을 고려하여, 분석가는 순진한 예측에 기반해 무헤지 상태로 두기보다는 선물 계약이나 옵션을 통해 예상 6월 수익의 상당 부분을 헤징할 것을 권고한다.

8. 향후 적용 및 연구 방향

비선형 및 머신러닝 모형: 랜덤 워크 예측에서 선형 모형(ARMA, VAR)의 한계를 고려할 때, 향후 연구는 변동성 군집을 위한 GARCH와 같은 비선형 모형, 또는 복잡한 비선형 의존성을 포착하여 위험 관리에 향상된 예측력을 제공할 수 있는 머신러닝 기법(LSTM 네트워크, 랜덤 포레스트)을 사용해야 한다(예: LSTM과 어텐션 메커니즘을 결합한 실험과 같은 고급 외환 예측 연구에서 보듯이).
고빈도 데이터 분석: 일중 또는 틱 데이터를 사용하여 시장 미시구조 및 뉴스에 대한 조정 속도를 검정하여 시장 효율성에 대한 더 날카로운 검정을 제공한다.
글로벌 위험 요인 통합: ICE 미국 달러 지수 (DXY), VIX(변동성 지수), 또는 원자재 가격과 같은 글로벌 변수들을 VAR 모형에 명시적으로 통합하여 국내 요인과 글로벌 요인을 분리한다.
정책 평가: 확립된 프레임워크를 반사실적 분석 도구로 사용하여 2020년 이후 특정 NBU 개입 또는 정책 변화의 영향을 평가한다.
암호화폐-법정화폐 페어 적용: 이 방법론은 탈중앙화 금융(DeFi)에서 관심이 높아지는 분야인 신흥 시장 통화 대 암호화폐의 동태를 분석하도록 적용될 수 있다.

9. 참고문헌

Ignatyuk, A., Osetskyi, V., Makarenko, M., & Artemenko, A. (2020). Ukrainian hryvnia under the floating exchange rate regime: diagnostics of the USD/UAH exchange rate dynamics. Banks and Bank Systems, 15(3), 129-146.
Dickey, D. A., & Fuller, W. A. (1979). Distribution of the estimators for autoregressive time series with a unit root. Journal of the American Statistical Association, 74(366), 427-431.
Phillips, P. C., & Perron, P. (1988). Testing for a unit root in time series regression. Biometrika, 75(2), 335-346.
Granger, C. W. (1969). Investigating causal relations by econometric models and cross-spectral methods. Econometrica, 37(3), 424-438.
Sims, C. A. (1980). Macroeconomics and reality. Econometrica, 48(1), 1-48.
Fama, E. F. (1970). Efficient capital markets: A review of theory and empirical work. The Journal of Finance, 25(2), 383-417.
Bollerslev, T. (1986). Generalized autoregressive conditional heteroskedasticity. Journal of Econometrics, 31(3), 307-327.
Hochreiter, S., & Schmidhuber, J. (1997). Long short-term memory. Neural Computation, 9(8), 1735-1780.
National Bank of Ukraine. (2024). Official statistics and reports. Retrieved from [NBU Website].
International Monetary Fund. (2023). Annual Report on Exchange Arrangements and Exchange Restrictions (AREAER).

10. 애널리스트 관점: 핵심 통찰, 논리적 흐름, 강점 및 한계, 실행 가능한 통찰

핵심 통찰: 이 논문은 흐리브냐에 베팅하는 모든 이들에게 냉정하고 가혹한 진실을 전달한다: 그 핵심 추세는 근본적으로 예측 불가능하다. 저자들은 USD/UAH 환율이 고전적인 랜덤 워크임을 설득력 있게 입증하여, 신뢰할 수 있는 선형 예측 모형에 대한 희망을 묻어버린다. 진짜 중요한 점은 이러한 혼돈과 명확한 계절적 패턴, 그리고 뉴스를 효율적이지만 짧게 소화하는 시장이 공존한다는 것이다. 이는 기계적으로 효율적이지만 근본적으로 불안정한 시장의 그림을 그리며, 장기 투자자에게는 위험한 조합이지만, 전술적이고 계절성을 인지한 트레이더에게는 잠재적인 놀이터가 될 수 있다.

논리적 흐름: 논증은 체계적이고 강력하다. 명확한 가설(랜덤 워크)로 시작하여, 이를 확인하기 위해 업계 표준 검정(ADF, PP)을 사용한 다음, 랜덤 워크가 배제하지 않는 계절적 변칙을 식별함으로써 복잡성을 층층이 쌓아간다. 마지막으로, VAR 모형을 사용하여 시장의 회복력을 스트레스 테스트하여 충격을 빠르게 흡수함을 발견하는데, 이는 합리적으로 효율적이지만 깊이가 깊지는 않은 시장의 특징이다. 단변량 분석에서 다변량 분석으로의 흐름은 교과서적이며 효과적이다.

강점 및 한계: 강점은 포괄적인 방법론적 도구 모음과 명확하고 데이터 주도적인 결론에 있다. 저자들은 지나치게 주장하지 않는다. 그러나 주요 한계는 현대적 맥락에서의 누락에 있다: 비선형 또는 머신러닝 접근법의 완전한 부재. 변동성이 큰 신흥 시장 통화를 분석하기 위해 2020년에 ARMA/VAR에만 의존하는 것은 허리케인 속에서 지도를 사용하는 것과 같다. 외환에 LSTM을 적용한 연구(예: Sezer et al., 2020)는 랜덤 워크가 가릴 수 있는 복잡한 패턴을 포착하는 데 상당한 이점이 있음을 보여준다. 더욱이, "외부 충격"은 너무 국내 중심적일 가능성이 높아, 우크라이나와 같은 달러화 경제에 미치는 미국 연방준비제도의 정책과 글로벌 달러 사이클의 압도적 영향이라는 핵심 요소를 놓치고 있다.

실행 가능한 통찰:

기업 및 은행을 위해: 운영 계획을 위한 점 예측을 포기하라. 즉시 확률적 시나리오 분석 및 스트레스 테스트로 전환하라. 확인된 Q1/Q2 계절성을 연간 헤징 일정의 체계적 요인으로 사용하라—이러한 기간 동안 더 많은 보호 장치를 단계적으로 도입하는 것을 고려하라.
NBU를 위해: 연구 결과는 변동적이고 랜덤 워크 성향의 통화 하에서 인플레이션 타기팅의 극도의 어려움을 입증한다. 커뮤니케이션 전략은 수준을 조종하려는 시도보다 기대 관리와 변동성 관리에 중점을 두어야 한다. 대중의 이해를 고정시키기 위해 인플레이션 보고서에 "계절적 요인" 부록을 발간하는 것을 고려하라.
연구자를 위해: 이 논문은 완벽한 기준선이다. 다음 단계는 본 연구가 암시하는 비선형성을 다룰 수 있는 모형으로 이를 대체하는 것이다. 데이터 과학 팀과 협력하여 동일한 데이터 세트에 그래디언트 부스팅이나 신경망을 적용하라; 결과 비교는 매우 출판 가능성이 높을 것이다.
투자자를 위해: 우크라이나를 고변동성, 전술적 배분 대상으로 취급하라. 계절적 패턴(상반기 약세, 하반기 강세)은 잠재적이지만 위험한 체계적 경향을 제공한다. 장기 포지션은 통화 예측이 아닌, 변동성의 근본적 원인을 개선하는 구조적 개혁에 기초해야 한다.