Quasi-Bayesian Local Projection Instrumental-Variables Method: Application to Renewable Energy and Electricity Prices

기술적 요약: 준-베이지안 로컬 프로젝션 도구변수법

문제 제기
국소 프로젝션 (Local Projections, LP) 을 사용하여 동적 인과 효과를 추정하는 것은 응용 계량경제학에서 표준적인 접근법입니다. 처리 변수가 내생적일 때, 연구자들은 LP 를 도구변수 (IV) 와 결합하여 LP–IV 추정량을 구성합니다. 그러나 표준 LP–IV 의 중요한 한계는 서로 다른 시점 (horizons) 에서의 추정이 독립적으로 계산된다는 점입니다. 유한 표본, 특히 고빈도 데이터와 낮은 신호 - 잡음비 (signal-to-noise ratio) 의 경우, 이러한 독립성은 표본 잡음을 유발하여 불규칙하고 해석하기 어려운 충격 반응 함수 (IRFs) 를 만들어냅니다. 또한, 표준 추론은 종종 점별 신뢰구간에 의존하는데, 이는 반응 궤적에 내재된 시점 간 상관관계를 고려하지 못하여 동적 효과의 전체적인 형태에 대해 오해의 소지가 있는 결론을 초래할 수 있습니다.

방법론
본 논문은 IV 추정의 식별 속성을 유지하면서 시점에 따른 충격 반응을 정규화하는 준-베이지안 LP–IV 프레임워크를 제안합니다. 이 방법론은 세 가지 핵심 요소를 통합합니다:

1. 모멘트 기반 준-사후분포: Chernozhukov & Hong(2003) 에 따라, 이 접근법은 IV 모멘트 조건에서 유도된 일반화 모멘트법 (GMM) 목적 함수를 사용하여 준-사후분포를 구성합니다. 이는 완전한 가능도 (likelihood) 명세를 필요로 하지 않으므로, 가능도 오명시에 대한 IV 식별의 견고성을 유지합니다.

   • 준-사후분포는 다음과 같이 정의됩니다:
     $$\pi(\theta) \propto \exp\left\{ -\frac{T}{2} \bar{m}(\theta)^\top W \bar{m}(\theta) \right\} p(\theta)$$
     여기서 $\bar{m}(\theta)$는 표본 모멘트 조건을, $W$는 가중치 행렬을, $p(\theta)$는 사전분포를 나타냅니다.

2. 거칠기 페널티 사전분포: 시점별 추정치의 잡음 문제를 해결하기 위해, 본 논문은 거칠기 페널티를 가진 적절한 가우시안 마르코프 무작위장 (Gaussian Markov random field) 사전분포를 도입합니다.

   • 시점에 따른 계수 경로 $\theta_j$에 대해, 사전분포는 $\theta_j | \tau_j \sim N(0, \tau_j^2 Q^{-1})$입니다.
   • 정밀도 행렬 $Q = D^\top D + \frac{8}{\rho^2}I$는 1 차 차분 행렬 $D$를 통해 인접한 차이와 릿지 항 (ridge term) 을 통해 전체 수준을 페널티화합니다.
   • 척도 매개변수 $\tau_j$는 계층적 반-코시 (half-Cauchy) 사전분포를 따르며, 데이터가 축소 (shrinkage) 의 정도를 결정하도록 합니다. 이를 통해 추정량은 인접한 시점 간 정보를 공유하여 IRF 경로를 경직된 모수적 제한 없이 매끄럽게 만듭니다.

3. 추론 및 계산:

   • 계산: 준-사후분포는 깁스 샘플러를 사용하여 표본 추출됩니다. 척도 매개변수가 주어졌을 때 계수의 조건부 분포는 정밀도 행렬의 희소 구조를 활용하여 효율성을 높이는 가우시안 분포입니다. 척도 매개변수는 역감마 분포의 척도 혼합을 통해 업데이트됩니다.
   • 추론: 점 추정치는 준-사후분포의 평균에서 도출되지만, 불확실성 정량화는 빈도주의적입니다. 본 논문은 적층된 모멘트 조건에 기반한 샌드위치 공분산 행렬을 사용하여 점별 신뢰구간과 동시 신뢰대를 구성합니다. 이는 불확실성 측정이 매개변수에 대한 사후 불확실성이 아닌 모멘트 기반 추정량의 표본 변동성을 반영하도록 보장합니다.

주요 기여

1. 방법론적 통합: 본 논문은 LP–IV 를 위해 특별히 고안된 최초의 모멘트 기반 준-베이지안 형식을 도입합니다. 내러티브 제한이나 VAR 에 의존하는 기존 베이지안 LP 방법 (예: Tanaka, 2020; Ferreira 등, 2025) 과 달리, 이 접근법은 IV 모멘트 제한을 준-사후분포에 직접 통합합니다.
2. 가능도 없는 정규화: 완전한 구조적 가능도를 요구하지 않고 거칠기 페널티 사전분포를 사용하여 시점에 따른 충격 반응을 매끄럽게 만드는 방법을 제공합니다. 이는 LP–IV 프레임워크의 유연성과 식별 장점을 유지합니다.
3. 연합 추론: 계수 전체 시퀀스를 결합된 매개변수 벡터로 추정함으로써, 시점 간 의존성을 고려한 연합 추론 (동시 대역) 을 가능하게 하여 점별 추론의 알려진 한계를 해결합니다.
4. 점근적 동등성: 본 논문은 표준 정규성 조건 하에서 준-사후분포 평균이 표준 GMM 추정량과 점근적으로 동등함을 입증하여, 정규화가 IV 추정량의 대표본 속성을 훼손하지 않음을 보장합니다.

실증 결과
이 방법은 덴마크 도매 전력 시장 (DK1 및 DK2) 의 일일 데이터에 적용되어 풍력 및 태양광 발전이 전력 가격에 미치는 동적 인과 효과를 추정합니다.

• 도구변수화: 내생성 문제를 해결하기 위해 관측된 재생 가능 발전의 도구변수로 ERA5 재분석 데이터에서 유도된 기상 기반 재생 가능 잠재력이 사용됩니다.
• 결과:
  • 풍력: 풍력 발전이 1 표준편차 증가하면 도매 전력 가격이 즉각적으로 유의하게 하락합니다 (DK1 에서 약 8 유로/MWh, DK2 에서 4 유로/MWh). 이 효과는 3~4 일 동안 감소하며, 이는 merit-order 효과와 일치합니다.
  • 태양광: 태양광 발전의 효과는 일일 데이터에서 더 작고 덜 정확하게 추정되며, 신뢰구간이 종종 0 을 포함합니다.
  • 방법론적 성능: 거칠기 페널티 사전분포를 갖춘 준-베이지안 추정량은 제한 없는 GMM 추정량에 비해 더 매끄럽고 해석하기 쉬운 IRF 경로를 생성합니다. 시뮬레이션 연구는 이 정규화가 표본 잡음을 완화함으로써, 특히 중기 및 장기 시점에서 Root Mean Squared Error(RMSE) 를 감소시킨다는 것을 확인합니다.

의의 및 주장
본 논문은 비모수적 LP 의 유연성과 정규화의 안정성을 균형 있게 조화시키는 도구를 제공함으로써 충격 반응 추정 분야의 발전을 주도한다고 주장합니다.

• 계량경제학적 의의: 이는 스칼라 계수가 아닌 시점으로 인덱싱된 매개변수 (경로) 에 대해 준-베이지안 정규화가 효과적임을 보여줍니다. 이는 유한 표본 성능 (낮은 RMSE) 을 개선하고, IV 방법의 식별 보장을 희생하지 않으면서 연합 추론을 용이하게 합니다.
• 정책적 의의: 실증 적용은 재생 에너지 통합이 즉각적인 가격뿐만 아니라 단기 가격 동역학에도 영향을 미친다는 것을 강조합니다. 이러한 결과는 merit-order 효과가 단기 시점에서 가장 관련성이 높으며, 재생 에너지 비중이 높은 전력 시스템의 균형 시장, 저장 인센티브, 위험 관리 전략에 함의를 가진다고 시사합니다.

저자들은 식별이 IV 모멘트 조건에 의존하는 동안 이 방법이 점 추정을 위한 정규화 도구임을 명시하며 겸손한 입장을 유지합니다. 그들은 도구변수가 순수한 "기상 혁신" 도구가 아닌 "기상 상태" 도구변수로 기능하며, 결과가 조건부 배제 제한 하에서 해석됨을 인정합니다. 향후 연구 방향으로는 과식별 시스템으로의 프레임워크 확장 및 약한 도구변수에 대한 절차 개발이 제안됩니다.