GDP와 환율간의 연관성 분석

안녕하세요. 오늘은 한국/미국, 일본/미국의 GDP비율을 기반으로 환율간에 상관관계를 분석해보았습니다.

 

결론은 한국은 GDP비율과 환율이 양의 상관관계가 높으나, 일본은 상관관계가 낮았습니다.

 

1. 한국의 GDP 비율과 환율간의 상관관계 분석

 

 - Correlation이 0.73으로 상관관계가 높습니다. 

일본이랑 다르게 양의 상관관계를 가지는 이유를 고민해보면, 한국은 GDP대비 수출입비율이 102(2022년 기준, 출처 : https://www.index.go.kr/unify/idx-info.do?idxCd=4207&clasCd=7)로 화폐의 교환가치인 환율이 직접 영향을 받습니다.

 

 

 2. 일본의 GDP 비율과 환율간의 상관관계 분석

 - Correlation이 -0.19로 상관관계가 낮습니다.

반대로 일본은 2019년 GDP 대비 수출이 차지하는 비중이 19%로 내수 중심의 시장입니다.

그러다보니 환율과의 GDP비율간의 연관성이 낮은걸로 추측됩니다.

 

3. 향후 : 한국시장은 수출중심의 GDP 비율이 증가하면 환율 역시 증가할 것으로 예상되지만,

               일본시장은 엔화를 안전자산으로 인식하여 닷컴버블이나 2008금융위기와 유사한 형태로

                경제위기가 온다면 다시 환율이 높아질 가능성이 있습니다.

 

 

4. 참고(분석코드)

 - 데이터 출처 : http://api.worldbank.org/ 의 API로 country_code와 indicator_code로 GDP 및 환율정보 수집

 - 분석코드

import pandas as pd
import matplotlib.pyplot as plt

# GDP 및 환율 데이터 읽어오기
usa_gdp = pd.read_csv('USA_GDP.csv')['GDP']
japan_gdp = pd.read_csv('Japan_GDP.csv')['GDP']
japan_gdp_date = pd.read_csv('Japan_GDP.csv')['Date']
korea_gdp = pd.read_csv('Korea_GDP.csv')['GDP']
korea_gdp_date = pd.read_csv('Korea_GDP.csv')['Date']

usa_exchange_rate = pd.read_csv('USA_Exchange Rate.csv')['Exchange Rate']
japan_exchange_rate = pd.read_csv('Japan_Exchange Rate.csv')['Exchange Rate']
japan_exchange_date = pd.read_csv('Japan_Exchange Rate.csv')['Date']
korea_exchange_rate = pd.read_csv('Korea_Exchange Rate.csv')['Exchange Rate']
korea_exchange_date = pd.read_csv('Korea_Exchange Rate.csv')['Date']

# GDP 비율 계산: 각 나라의 GDP를 미국의 GDP로 나누기
japan_usa_gdp_ratio = japan_gdp / usa_gdp
korea_usa_gdp_ratio = korea_gdp / usa_gdp

# 상관 관계 계산
japan_gdp_exchange_correlation = japan_usa_gdp_ratio.corr(japan_exchange_rate)
korea_gdp_exchange_correlation = korea_usa_gdp_ratio.corr(korea_exchange_rate)

# 시각화 - 한국
fig, ax1 = plt.subplots()

# 첫 번째 축에 GDP 비율 플롯
color = 'tab:red'
ax1.set_xlabel('Year')
ax1.set_ylabel('Korea GDP Ratio', color=color)
ax1.plot(korea_gdp_date, korea_usa_gdp_ratio, color=color, label='Korea GDP Ratio')
ax1.tick_params(axis='y', labelcolor=color)

# 두 번째 축에 환율 플롯
ax2 = ax1.twinx()
color = 'tab:blue'
ax2.set_ylabel('Exchange Rate', color=color)
ax2.plot(korea_exchange_date, korea_exchange_rate, color=color, linestyle='--', label='Korea Exchange Rate')
ax2.tick_params(axis='y', labelcolor=color)

# 상관 관계 값 표시
plt.text(0.05, 0.95, f'Correlation: {korea_gdp_exchange_correlation:.2f}', transform=ax1.transAxes, fontsize=10, verticalalignment='top')

# 범례 표시
fig.tight_layout()
fig.legend(loc='upper left', bbox_to_anchor=(0, 1.15))

plt.title('Korea GDP Ratio and Exchange Rate')
plt.show()

# 시각화 - 일본
fig, ax1 = plt.subplots()

# 첫 번째 축에 GDP 비율 플롯
color = 'tab:red'
ax1.set_xlabel('Year')
ax1.set_ylabel('Japan GDP Ratio', color=color)
ax1.plot(japan_gdp_date, japan_usa_gdp_ratio, color=color, label='Japan GDP Ratio')
ax1.tick_params(axis='y', labelcolor=color)

# 두 번째 축에 환율 플롯
ax2 = ax1.twinx()
color = 'tab:blue'
ax2.set_ylabel('Exchange Rate', color=color)
ax2.plot(japan_exchange_date, japan_exchange_rate, color=color, linestyle='--', label='Japan Exchange Rate')
ax2.tick_params(axis='y', labelcolor=color)

# 상관 관계 값 표시
plt.text(0.05, 0.95, f'Correlation: {japan_gdp_exchange_correlation:.2f}', transform=ax1.transAxes, fontsize=10, verticalalignment='top')

# 범례 표시
fig.tight_layout()
fig.legend(loc='upper left', bbox_to_anchor=(0, 1.15))

plt.title('Japan GDP Ratio and Exchange Rate')
plt.show()