2.1 호르무즈해협 개요

호르무즈해협은 <Fig. 1>과 같이 페르시아만과 오만만을 연결하는 전략적인 해상 요충지로서 세계 해상 원유 교역량의 상당한 규모가 이동하는 병목지점이다(Saidai et al., 2026). 호르무즈해협은 북쪽으로 이란과 남쪽으로 오만에 의해 둘러싸여 있다. 2019년 미국의 압박에 대한 보복으로 이란이 호르무즈해협을 무기화하여 페르시아만 긴장 사태가 발생하였으며(Divsallar, 2022), 호르무즈해협을 둘러싼 미국과 이란 간 위기는 국제적인 분쟁으로 발전하였다(Jang, 2022).

Fig. 1

Location of the strait of Hormuz

Source : Journal of Commerce(https://www.joc.com)

호르무즈해협은 원유뿐만 아니라 액화천연가스 및 비료와 같은 필수 자원의 수송 경로로 기능한다는 점에서, 이 해협의 안정성은 글로벌 경제 시스템과 밀접하게 연결되어 있다. 최근 중동 지역에서의 군사적 긴장 고조는 이 해협을 통과하는 선박 운항의 불확실성을 증대시키고, 해상운송의 흐름을 교란시키고 있다.

지정학적 관점에서 호르무즈해협의 봉쇄는 운임, 벙커유 가격, 보험료 등의 비용 상승을 통해 운영비 구조를 악화시켰다. 이러한 비용의 상승은 최종 소비재 가격으로 전가되며, 식량 가격 상승 및 생활비 압박을 가중시키고 있다. 1990년 1월부터 2026년 2월까지의 원유가격과 식량가격지수 간 동태적 관계는 <Fig. 2>와 같으며, 에너지 가격 변동이 식량 가격에 대체로 전이되는 구조를 확인할 수 있다.

Fig. 2

Monthly food price index and crude oil prices (1990.01-2026.02)

Source : UNCTAD(2026)

2.2 지정학적 위기 지수 개요

지정학적 위기 지수는 국제 분쟁, 전쟁, 테러, 외교 갈등, 군사적 긴장과 같은 지정학적 사건이 발생시키는 불확실성을 계량적으로 측정하기 위해 개발된 지표이다. Caldara and Iacoviello(2022)는 10개의 주요 일간지(Chicago Tribune, Los Angeles Times, New York Times, USA Today, Wall Street Journal, Washington Post, Daily Telegraph, Financial Times, Guardian, Globe and Mail)에서 지정학적 위기를 언급한 단어들을 텍스트 마이닝 기법으로 분석한 후 체계적인 지정학적 위기 지수로 나타내었다(Nam et al., 2023). 지정학적 위기 지수는 GPR(Geopolitical Risk), GPRT(Geopolitical Risk Threat), GPRA(Geopolitical Risk Act) 3가지로 구분할 수 있다. 우선, GPR은 지정학적 위기를 전반적으로 통합한 지수로서 포괄적인 위험 수준을 파악하는데 활용된다. GPRT는 외교적 마찰을 중심으로 측정되는 반면, GPRA는 무력분쟁이나 전쟁과 같은 물리적 마찰을 고려한다. 2026년 2월 28일 미국·이스라엘-이란 간 무력충돌 직전 지정학적 위기 지수는 GPR 110.59, GPRT 105.00, GPRA 140.13으로 조사되었다. 그러나, 호르무즈해협 봉쇄 이후 2026년 3월 2일 지정학적 위기지수는 GPR 500.81, GPRT 553.40, GPRA 602.08로 크게 증가하였다. 그리고, 2026년 4월 28일 지정학적 위기 지수는 GPR 249.33, GPRT 369.30, GPRA 189.56으로 완화되었다.

2.3 선행연구 고찰

3.1 자료 수집

호르무즈해협 봉쇄 수준은 직접적으로 측정하기 어려우므로 해당 해협을 통항하는 Tanker 선박의 통항량을 봉쇄 수준의 대리변수(proxy variable)로 활용하였다. 호르무즈해협은 중동 산유국과 글로벌 원유시장 간을 연결하는 핵심 해상 요충지이며, 선박의 상당수는 원유 및 석유제품을 운송하는 Tanker 선박으로 구성되어 있다. 따라서, Tanker 선박의 통항량 변화는 호르무즈해협의 운영 안정성 수준을 반영하는 대표적인 지표로 활용될 수 있다고 판단하였다. 호르무즈해협의 Tanker 선박 통항 자료는 IMF(International Monetary Fund)와 Oxford University에서 공동으로 제공하는 Portwatch의 자료 중 The Daily Chokepoint Transit Calls and Trade Volume Estimates를 활용하였다.

지정학적 위기 변수는 GPR(Geopolitical Risk), GPRA(Geopolitical Risk Act), GPRT(Geopolitical Risk Threat) 3가지 지수를 활용하였다. GPR은 Caldara and Iacoviello(2022)가 개발한 지수로 총 10개의 주요 일간지(Chicago Tribune, Los Angeles Times, New York Times, USA Today, Wall Street Journal, Washington Post Daily Telegraph, Financial Times, Guardian, Global and Mail)에서 지정학적 위기를 언급한 단어들을 텍스트 마이닝 기법으로 분석한 후 체계적인 지수로 나타낸 지수이다. GPRT는 전반적인 지정학적 위기를 나타내는 GPR과는 달리 외교적 마찰을 고려한 위기지수이며, GPRA는 무력분쟁이나 전쟁과 같은 물리적 마찰을 고려한 지정학적 위기지수이다. 분석데이터와 관련된 내용은 <Table 1>과 같으며, 상기 데이터는 모두 2026년 1월 1일부터 2026년 4월 28일까지 총 116일간의 관측자료로 수행되었다.

Table 1

Variable definitions and data sources

3.2 분석데이터의 기초통계량

분석데이터의 기초통계량은 <Table 2>와 같다. 호르무즈해협을 통항하는 Tanker 선박에 대한 기초통계량은 다음과 같다. Tanker 선박의 통항량(Transit Calls)에 대한 기초통계량은 일 평균 약 24.543회, 중앙값 약 28.500회, 최댓값 약 72.000회, 최솟값 약 0.000회, 표준편차 약 23.020으로 나타났다. 비교적 높은 표준편차는 호르무즈해협이 페르시아만 인근 산유국의 주요 원유 수출 경로로서 기존에는 일정 수준 이상의 통항량이 유지되었으나, 2026년 2월 28일부터 발생한 해협 봉쇄로 인해 특정 기간 동안 선박 통행량이 급격히 감소하거나 0에 수렴하는 극단값이 발생한 데 기인한 것으로 보인다.

Table 2

Descriptive statistics of data

지정학적 위기 지수에 대한 기초통계량은 다음과 같다. GPR은 평균 219.716점, 중간값 202.453점, 최대값 500.807점, 최소값 21.510점, 표준편차 103.608점과 같다. GPRT은 평균 246.398점, 중간값 237.159점, 최대값 602.077점, 최소값 35.773점, 표준편차 110.822점과 같다. GPRA은 평균 236.597점, 중간값 176.930점, 최대값 627.332점, 최소값 0.000점, 표준편차 174.507점과 같다.

변수들(Transit Calls, GPR, GPRA, GPRT)의 시계열 추이는 <Fig. 3>과 같이 표현된다. 호르무즈해협을 통항하는 Tanker 선박량은 2026년 2월 말 이전까지 비교적 높은 수준을 유지하였다. 이는 호르무즈해협이 이란 및 중동 산유국과 아라비아해 및 대양을 연결하는 글로벌 원유 공급망의 핵심 해상 요충지 역할을 수행하고 있기 때문이다. 그러나, 2026년 2월 28일, 미국과 이란의 외교적 마찰로 이란이 호르무즈해협을 봉쇄하는 조치를 시행하면서 해당 변수는 급격하게 감소하는 양상을 보였다. Tanker 선박량은 0에 근접한 수준까지 감소하였으며, 이는 호르무즈해협 봉쇄의 영향이 실제 해상 물류 흐름에 직접적으로 반영된 결과로 보인다.

Fig. 3

Time-series trends of variables(2026.01.01.-2026.04.28)

지정학적 위기지수(GPR, GPRA, GPRT)는 호르무즈해협 봉쇄 시점 이후 전반적으로 높은 변동성을 보이는 것으로 나타났다. 특히, 일반적인 지정학적 불확실성 위기를 반영하는 GPR보다 글로벌 외교적 마찰이나 무력분쟁이나 전쟁과 같은 물리적 마찰을 고려한 GPRT, GPRA에서 보다 급격한 변동성이 확인된다. 이는 호르무즈해협 봉쇄와 같은 실제 외교적·물리적 마찰이 글로벌 지정학적 긴장 수준에 직접적인 영향을 미칠 수 있음을 보여준다. Transit Calls의 급격한 감소 시점과 지정학적 위기 지수(GPR, GPRA, GPRT)의 변동성 확대 시점이 일정 부분 유사하게 나타난다는 점에서, 호르무즈해협 봉쇄로 대표되는 해상 요충지 교란과 지정학적 위기 간의 동태적 연관 가능성을 유추할 수 있다.

3.3 분석방법

VARM은 2개 이상의 시계열 자료에서 과거 일정 시점까지의 값이 미치는 영향을 동태적으로 분석하는 기법이다. 분석기간 동안 각 변수들의 안정성(Stationarity) 여부를 확인하고자 ADF(Augmented Dickey-Fuller) 검정 및 KPSS(Kwiatkowski-Phillips-Schmidt-Shin Test) 검정을 진행하였다. 그리고, 단위근 검정 결과에 따라 차분 데이터를 사용하게 될 경우 VARM을 진행하기에 앞서 변수들 간의 장기적인 관계에 관한 정보 유실을 확인하고자 요한슨 공적분 검정(Johansen Cointegration Test)을 진행하게 된다. 시계열 간 공적분 관계가 존재할 경우 시계열이 단위근을 갖는다고 해도 두 시계열의 선형결합으로 인하여 시계열이 정상성을 만족할 수 있다(Jang and Yeo, 2015). 공적분 관계에 있음에도 불구하고 차분 시계열 데이터를 이용하여 분석을 진행한다면, 과잉 차분되어 변수들 간의 장기적인 관계에 관한 정보 유실이 발생할 수 있다(허익구·김경수, 2006). 이때 주의해야 할 것은 원본 데이터(Raw data)의 최적 시차길이가 p로 결정되면 차분 데이터의 시차길이는 p-1로 설정해야 한다.

이후, 변수들 간의 공적분 유무에 따라 VARM 또는 VECM(Vector Error Correction Model) 분석을 진행한다. 그러나, VARM에서 추정된 계수 값을 기초로 한 가설검정은 큰 의미를 부여할 수 없다. 따라서, 충격반응함수(Impulse-Response Function, IRF)와 예측오차 분산분해 분석(Forecast Error Variance Decomposition, FEVD)을 추가로 진행하였다. IRF는 VARM의 추정계수를 기반으로 모형 내의 어떤 변수에 대하여 일정한 크기의 충격을 가할 때 시간의 흐름에 따라서 어떻게 반응하는지를 나타낸다. 이를 통해 어느 정도의 시차를 두고 변수 간에 영향을 미치는지 파악할 수 있으며, 변수의 시차 변화에 따른 파급효과를 분석할 수 있다. 한편, FEVD는 예측오차의 분산이 그 변수 자신 및 다른 변수의 분산에 의해서 어느 정도 설명되는지를 분석한다. 이를 통해 특정 변수의 움직임에 대하여 각 변수의 상대적인 중요도를 파악할 수 있다. FEVD의 결과는 VARM의 추정계수로 인한 IRF의 결과를 뒷받침한다.

4.1 단위근 검정결과

VARM 분석에 앞서 116개의 관측자료에 대하여 시계열의 안정성 여부를 확인하고자 단위근 검정(Unit root test)을 진행하였다. 단위근 검정의 방법으로서 일반적으로 많이 사용되는 ADF 검정 및 KPSS검정을 진행하였다. ADF 검정의 귀무가설은 ‘시계열에 단위근이 존재한다’이며, 대립가설은 ‘시계열이 정상성을 만족한다’이다(Sim et al., 2025). KPSS의 귀무가설은 ‘시계열이 안정적이다’이며, 대립가설은 ‘시계열이 불안정적이다’로 설명가능하다.

원본 데이터에 대한 ADF 검정결과, Transit Calls은 귀무가설이 채택되었다. 이는 해당 시계열은 단위근이 존재하는 불안정(Non-stationarity) 데이터임을 의미한다. 반면, 지정학적 위기지수(GPR, GPRT, GPRA) 시계열은 유의수준 95% 내에서 귀무가설이 기각되어 시계열이 안정성을 만족하는 것으로 나타났다. KPSS 검정 결과, 모든 변수에서 귀무가설을 기각하는 것으로 나타나 불안정한 시계열로 판별되었다. 따라서, 시계열 자료의 평균(추세 및 계절성)을 안정화시키고자 원데이터를 1차 차분(First difference)하여 ADF 및 KPSS 검정을 재수행하였다. ADF 검정결과, Transit Calls와 지정학적 위기지수(GPR, GPRT, GPRA) 데이터 등 모든 시계열 자료가 대립가설을 채택하여 안정성을 확보하였다. 그리고, KPSS 검정결과, 모든 변수는 귀무가설을 채택하여 시계열이 안정적이었다. 이에 모든 시계열 자료를 1차 차분하여 활용하였으며, 단위근 검정결과와 관련된 자세한 내용은 <Table 3>과 같다.

Table 3

ADF and KPSS results for unit root test

4.2 공적분 검정 및 그랜저인과성 검정 결과

4.2.1 요한슨 공적분 검정

공적분 검정에 앞서 VARM을 활용하여 최적 시차를 구하였다. 최적 시차는 변수 간의 시간지연 효과를 충분히 반영하여 시계열 데이터의 동적 구조를 확인한다. 또한, 과적합이나 계수 불안정을 방지하기 위해 최적의 시차를 반영하고자 한다. 시차를 지나치게 늘리게 되면 추정모형의 편의(bias)는 줄지만 분산이 늘어나 단위근의 검정력이 감소하게 되고, 시차를 단기간으로 제약하면 단위근 검정의 편의(bias)가 증가하게 된다(Choi, 2007). 이러한 문제를 해결하기 위해서는 <Table 4>와 같이 AIC(Akaike information criterion), SIC(Schwarz information criterion) 등을 통해 최적 시차를 선정할 필요가 있다. 일반적으로 AIC는 모형의 적합도를 중요하게 여겨 더 긴 시차를 선택하는 반면, SC는 AIC보다 더 간결한 모형을 선호할 때 선택한다. 본 연구는 과소 시차 설정으로 인한 모형설정의 오류를 줄이기 위하여 AIC에 따른 최적 시차를 선정하였다. 호르무즈해협 Tanker 통항량에 대한 GPR의 최적 시차 개수는 7로 나타났고 GPRA와 GPRT의 최적시차 개수는 2로 나타났다. 이러한 최적시차 결과를 바탕으로 공적분 검정을 진행하였다.

Table 4

The results of AIC(Akaike information criterion) and SIC(Schwarz information criterion)

호르무즈해협 봉쇄 변수와 지정학적 위기 지수에 대한 요한슨 공적분 검정 Trace 통계량 결과값은 <Table 5>와 같다. 호르무즈해협 Tanker 통항량(Transit Calls)↔GPR 간에는 공적분이 없는 것으로 나타났다. 이는 호르무즈해협 통항량과 지정학적 위기 지수 GPR 간에는 장기적인 안정 균형 관계인 선형결합이 존재하지 않음을 의미한다. 이외에 Transit Calls↔GPRA, Transit Calls↔GPRT 간에는 공적분이 존재하여 시계열간 안정적인 균형관계를 확인하였다. 이러한 결과를 통해 Transit Calls↔GPR 모형은 공적분이 존재하지 않음으로 앞선 단위근 검정에서 1차분을 진행한 데이터를 활용한 VARM 분석을 진행하였다. 반면, 이외의 모형들은 공적분이 존재하여 원본 데이터를 활용한 VECM 분석을 진행하였다.

Table 5

The results of Johansen Cointegration Test

4.2.2 그랜저인과성 검정

VARM/VECM 분석에 앞서 변수 간 선행적 영향 관계를 확인하기 위하여 <Table 6>과 같이 그랜저 인과성 검정을 수행하였다. 일반적인 회귀분석에서는 변수 간 인과 방향이 명확하지 않은 경우가 존재하며, 이러한 상황에서는 변수 간 시계열적 선후관계를 고려한 분석이 필요하다. 이에 본 연구는 시차분포모형(lagged distribution model)에 기반한 그랜저인과성 검정을 실시하여 변수 간 설명력을 확인하였다(Kim and Nam, 2015).

Table 6

Results of Granger causality test

그랜저 인과성 검정 결과, 대부분 호르무즈해협 Tanker 통항량 변수는 지정학적 위험 변수에 대해 유의한 단방향 그랜저 인과관계를 가지는 것으로 나타났다. 이에 본 연구에서는 그랜저 인과성 검정 결과에서 확인된 변수 간 방향성을 고려하여 충격반응함수 및 분산분해 분석을 수행하였다.

4.3 VARM/VECM 분석결과

호르무즈해협 Tanker 통항량과 지정학적 위기 지수(GPR, GPRA, GPRT) 간의 관계를 분석하기 위하여 VARM 및 VECM을 활용한 시계열 분석을 수행하였다. 이를 위하여 앞서 수행한 단위근 검정, 공적분 검정 및 그랜저 인과성 검정 결과를 바탕으로 변수 간 장·단기 관계를 고려한 적절한 모형을 선정하였다. 우선, 호르무즈해협 Tanker 통항량과 GPR 간 관계에서는 공적분 관계가 확인되지 않아 VARM을 적용하였으며, 이를 Model 1로 설정하였다. 반면, Transit Calls와 지정학적 위기 지수인 GPRA 및 GPRT 간에는 장기 균형관계가 존재하는 것으로 나타나 VECM을 적용하였으며, 이를 각각 Model 2와 Model 3으로 설정하였다. 호르무즈해협 Tanker 통항량과 지정학적 위기 지수 간 VARM/VECM 분석결과는 <Table 7>과 같다. Model 1은 원본 데이터 기준 최적 시차가 7로 도출되었으나, 1차 차분 데이터를 적용함에 따라 최종 분석에서는 시차 6을 활용하여 분석을 수행하였다.

Table 7

The effect between Transit Calls and GPR indexes (VARM/VECM)

Model 1 분석 결과, Transit Calls의 후행시차 1시점, 2시점 및 3시점 전 값은 GPR 변수에 대해 각각 -2.025[-2.633], -2.311[-2.719], -3.728[-4.261]의 계수를 가지는 것으로 나타났으며, 이들은 모두 99% 유의수준에서 통계적으로 유의한 것으로 확인되었다. 이는 호르무즈해협 통항량 감소가 이후 지정학적 위험지수(GPR)의 상승과 연계될 가능성을 의미한다. 반면, Transit Calls의 후행시차 4~6시점 변수들은 통계적으로 유의하지 않은 것으로 나타나 통항량 변화의 영향은 단기 시차 구간에서 주로 나타나는 것으로 해석된다. 반면, GPR의 Transit Calls에 대한 영향은 모든 후행시차에서 통계적으로 유의하지 않은 것으로 나타났다. 이는 지정학적 위험지수의 변화가 단기적으로 호르무즈해협 통항량 변화에 직접적인 영향을 미치지 못하였음을 의미한다. 그러나 GPR의 자기회귀항인 GPR(-1)~GPR(-6)은 대부분 높은 통계적 유의성을 보였다. 자기회귀항의 계수는 각각 -0.560[-5.779], -0.546[-5.444], -0.502[-4.869], -0.427[-4.180], -0.474[-4.908], -0.387[-4.215]로 나타나 모두 99% 유의수준에서 유의한 것으로 확인되었다. 이는 지정학적 위험지수가 자기 자신의 과거 충격에 의해 지속적으로 영향을 받는 높은 자기지속성(persistence)을 가지는 것을 의미한다. 이외에도 호르무즈해협 Tanker 통항량(Transit Calls) 역시 자기 자신의 후행시차 변수 중 일부에서 통계적으로 유의한 결과가 확인되었다. 이는 호르무즈해협 통항량이 단기적으로는 이전 시점의 감소 영향을 받으나, 일정 시차 이후에는 부분적인 반등 또는 조정 효과가 나타나는 것을 의미한다.

Model 2 분석 결과, Transit Calls의 자기회귀항 중 Transit Calls(-1)의 계수는 -0.382[-3.537]로 나타나 통계적으로 유의한 것으로 확인된 반면, Transit Calls(-2)의 계수는 -0.087[-0.871]로 나타나 통계적으로 유의하지 않았다. GPRA의 Transit Calls에 대한 영향관계를 살펴보면, GPRA(-1)의 계수는 0.002[0.221], GPRA(-2)의 계수는 0.008[0.893]로 나타나 모두 통계적으로 유의하지 않은 것으로 확인되었다. 이는 지정학적 위기 지수(GPRA)의 단기 변동이 호르무즈해협 통항량 변화에 직접적인 영향을 미치지 못하였음을 의미한다. 한편, Transit Calls의 GPRA에 대한 영향 역시 통계적으로 유의하지 않은 것으로 나타났다. Transit Calls(-1)의 계수는 0.208[0.175], Transit Calls(-2)의 계수는 0.286[0.260]으로 확인되었으며, 모두 유의수준을 충족하지 못하였다. 또한, GPRA의 자기회귀항인 GPRA(-1)과 GPRA(-2) 역시 각각 -0.084[-0.701], 0.007[0.066]로 나타나 통계적으로 유의하지 않은 것으로 확인되었다. 종합적으로, Model 2에서는 Transit Calls와 GPRA 간 단기적인 상호 영향관계는 통계적으로 나타나지 않았으며 통항량 변수의 자기조정 효과만 부분적으로 확인되었다. 이는 두 변수 간에는 장기 균형관계는 존재하지만, 단기적인 충격 전달 효과는 제한적인 것을 의미한다.

마지막으로, Model 3 분석 결과, Transit Calls의 자기회귀항 중 Transit Calls(-1)의 계수는 -0.407[-4.223]로 나타나 통계적으로 유의한 반면, Transit Calls(-2)의 계수는 -0.104[-1.073]로 나타나 통계적으로 유의하지 않게 나타났다. GPRT의 Transit Calls에 대한 영향관계를 살펴보면, GPRT(-1)의 계수는 0.011[1.117], GPRT(-2)의 계수는 0.013[1.506]으로 나타나 모두 통계적으로 유의하지 않은 것으로 확인되었다. 이는 GPRT의 단기 변동이 호르무즈해협 통항량 변화에 직접적인 영향을 미치지 못하는 것을 의미한다. 한편, Transit Calls의 GPRT에 대한 영향 역시 통계적으로 유의하지 않았다. Transit Calls(-1)과 Transit Calls(-2)의 계수는 각각 -1.009[-0.948], 0.231[0.216]로 확인되었다. 또한, GPRT의 자기회귀항인 GPRT(-1)과 GPRT(-2)의 계수는 각각 0.138[1.220], 0.064[0.650]로 나타나 통계적으로 유의하지 않았다. 즉, Model 3은 Transit Calls와 GPRT 간 단기적인 상호 영향관계는 통계적으로 유의하지 않으며, Transit Calls 변수의 자기조정 효과만 부분적으로 확인되었다. 따라서, Model 3은 두 변수 간 장기 균형관계는 존재하지만, 단기 충격의 상호 전달 효과는 제한적인 수준이다.

4.4. 충격반응함수(IRF) 분석결과

IRF는 VARM/VECM의 추정계수를 기반으로 특정 변수에 1 표준편차의 충격 발생 시 다른 변수들이 시간의 흐름에 따른 반응을 분석하는 방법이다. 본 연구는 제한된 표본(일별 관측치 116개)에서 지나치게 긴 반응기간을 설정할 경우 추정 불확실성과 신뢰구간이 확대될 수 있다는 점을 고려하여 IRF의 관측기간을 7일로 설정하였다. 이를 통해, 충격의 즉각적인 반응과 반응의 확대·감소를 관찰하고자 한다. IRF 분석은 Cholesky 분해 방식에 기반하여 수행되었으며, 변수 배열 순서는 앞선 Direction of causality 결과를 준수하였다. 이는 그랜저 인과성 검정에서 확인된 변수 간 단방향 그랜저 인과관계를 반영하여, 선행적으로 영향을 미치는 변수 순서에 따라 배열을 구성한 것이다. 즉, 특정 변수의 충격이 다른 변수에 우선적으로 전달된다는 가정 하에 변수 배열 순서를 설정하여 충격반응함수 분석을 <Table 8>과 같이 수행하였다.

Table 8

IRF result between Transit Calls and GPR indexes (VARM/VECM)

먼저, Model 1의 IRF 결과는 다음과 같다. Transit Calls 충격에 대한 GPR의 반응(Transit Calls→GPR)을 살펴보면, 1기에서 -16.103의 음(-)의 반응이 나타났고, 2기에서도 -7.000의 음(-)의 반응이 지속되는 것으로 확인되었다. 이후 일부 시점에서는 양(+)의 반응이 나타났으나, 전반적으로 통항량 충격이 지정학적 위험지수에 단기적인 변동성을 유발하는 것으로 보인다. 반면 GPR 충격에 대한 Transit Calls의 반응(GPR→Transit Calls)을 살펴보면, 초기 1기에서는 반응이 거의 나타나지 않았으며 이후에도 양(+)과 음(-)의 반응이 반복적으로 나타나는 것으로 확인되었다. 다만, 신뢰구간이 대부분 0을 포함하고 있어 통계적 유의성은 제한적인 것으로 판단된다.

다음으로 Model 2의 IRF 분석 결과에 따르면, Transit Calls 충격에 대한 GPRA의 반응(Transit Calls→GPRA)은 1기에서 -28.968의 음(-)의 반응이 나타났으며 이후에도 -34.132, -30.484, -32.467 수준의 음(-)의 반응이 지속적으로 나타났다. 이러한 음(-)의 반응은 분석기간 전체에 걸쳐 비교적 일정한 수준으로 유지되는 것으로 나타났다. 한편, GPRA 충격에 대한 Transit Calls의 반응(GPRA→Transit Calls)을 살펴보면 2기부터 음(-)의 반응이 나타나기 시작하였으며, 이후 시점에서도 -0.598~-1.647 수준의 음(-)의 반응이 지속되는 것으로 확인되었다.

마지막으로 Model 3의 IRF 분석 결과에 따르면, Transit Calls 충격에 대한 GPRT의 반응(Transit Calls→GPRT)은 1기에서 -19.182의 음(-)의 반응이 나타났으며, 2기에서는 -31.504로 반응 규모가 더욱 확대되는 것으로 확인되었다. 이후에도 –15.663~-13.000 수준의 음(-)의 반응이 지속적으로 유지되는 것으로 나타났다. 한편, GPRT 충격에 대한 Transit Calls의 반응(GPRT→Transit Calls)을 살펴보면, 2기부터 음(-)의 반응이 나타나기 시작하였으며 이후에도 -0.385~-1.524 수준의 음(-)의 반응이 지속되는 것으로 확인되었다. 이는 지정학적 위험 충격이 호르무즈해협 통항량 감소 방향으로 영향을 미칠 가능성을 보여준다. GPRA, GPRT→Transit Calls는 그랜저인과성 검정결과 단기적 예측 인과성은 확인되지 않지만, 충격 이후의 반응은 유의한 것으로 판단된다.

4.5 예측오차 분산분해(FEVD) 분석결과

시계열 모형 내 변수 간 상대적 영향력과 충격의 설명 비중을 확인하고자 FEVD 분석을 수행하였다. FEVD는 특정 변수의 변동성이 자기 자신의 충격과 다른 변수의 충격에 의해 어느 정도 설명되는지를 분석하는 방법이다. 본 연구는 충격 발생 이후 변수 간 설명력 변화를 확인하기 위하여 분석 기간을 7일로 설정하여 분석하였다.

Model 1에 대한 FEVD 분석 결과는 <Table 9>와 같으며, Transit Calls의 변동에 대한 지정학적 위기의 영향은 약 1~2% 수준으로 제한적이었다. 이는 호르무즈해협 통항량 변동이 대부분 자기 자신의 충격에 의해 설명된다는 것을 의미한다. 반면, GPR의 변동은 초기에는 대부분 자기 자신의 충격에 의해 설명되었으나 시간이 경과함에 따라 호르무즈해협 Tanker 통항량 충격의 설명력이 점진적으로 증가하는 것으로 나타났다. 특히, 5기부터는 약 13.523% 정도까지 설명력이 확대되었고 7기에서는 Transit Calls 충격이 GPR 변동성의 약 14.206%를 설명하는 것으로 확인되었다. 이를 통해 호르무즈해협 봉쇄는 지정학적 위기 변동에 일정 수준의 파급효과를 미치는 것으로 해석할 수 있다.

Table 9

FEVD result between Transit Calls and GPR

Model 2에 대한 FEVD 분석 결과는 <Table 10>과 같으며, Transit Calls의 변동에 대한 지정학적 위기의 영향은 약 1~5% 수준으로 제한적이다. 반면, Transit Calls 충격에 의한 GPRA의 변동은 1기에서는 약 11.224%를 설명하며, 이후 시간이 경과함에 따라 설명력은 지속적으로 증가하였다. 특히, 4기에서는 약 28.752%, 5기에서는 약 33.059%, 7기에서는 약 40.305%를 설명하는 것으로 확인되었다. 이는 시간이 지날수록 호르무즈해협 통항량 충격이 GPRA의 변동성을 설명하는 비중이 점차 확대된다는 것을 의미한다. 통항량의 설명력이 40% 이상까지 증가한 것은 전략 해협의 물류 흐름 변화가 지정학적 위험에 대한 시장 반응 및 위험 인식 형성에 중요한 영향을 미친다는 것을 보여준다.

Table 10

FEVD result between Transit Calls and GPRA

마지막으로, Model 3에 대한 FEVD 분석 결과는 <Table 11>과 같으며, Transit Calls의 변동에 대한 지정학적 위기의 영향은 약 1~4% 수준으로 제한적인 것으로 나타났다. 반면, Transit Calls 충격에 의한 GPRT의 변동은 초기에는 약 4.836%를 설명하는 것으로 나타났으며, 이후 시간이 경과함에 따라 설명력은 지속적으로 증가하는 것으로 확인되었다. 특히, 4기에서는 약 16.987%, 5기에서는 약 18.285%, 7기에서는 약 21.078%를 설명하는 것으로 확인되었다. 이는 시간이 경과할수록 호르무즈해협 통항량 충격이 GPRT의 변동성을 설명하는 비중이 점차 확대된다는 것을 의미한다.

Table 11

FEVD result between Transit Calls and GPRT

5.1 연구결과의 요약 및 결론

중동 지역의 군사적 긴장이 장기화되면서 전략적 해상 요충지인 호르무즈해협의 중요성은 더욱 부각되고 있다. 호르무즈해협은 글로벌 원유 및 에너지 물류의 핵심 통로로서 이와 관련된 화물 흐름의 연속성, 에너지 안보 등이 폭넓게 논의되고 있다. 본 연구는 2026년 상반기 지속적인 호르무즈해협 봉쇄라는 구체적인 사건과 지정학적 위기 간의 동태적 관계를 실증적으로 분석하고자 VARM, IRF, FEVD 등의 분석을 진행하였으며, 다음과 같은 결론을 도출하였다.

첫째, 호르무즈해협 Tanker 통항량과 GPR 간에는 공적분 관계가 확인되지 않아 두 변수 간 장기적인 안정적 균형 관계는 존재하지 않는 것으로 나타났다. 반면, 호르무즈해협 Tanker 통항량은 GPRA 및 GPRT와 공적분 관계가 확인되어 장기적으로 안정적인 균형관계를 확인하였다. 또한, 그랜저 인과성 검정 결과, 호르무즈해협 Tanker 선박의 통항량 변화는 지정학적 위험 변수에 대해 유의한 단방향 그랜저 인과관계를 가지는 것으로 나타났다.

둘째, VARM/VECM 분석 결과 호르무즈해협 Tanker 선박의 통항량(Transit Calls)과 지정학적 위험 간 관계는 지수 유형에 따라 상이하게 나타났다. Tanker 선박의 통항량 감소가 단기적으로 GPR 상승에 유의한 영향을 미쳐 상호 연계성이 확인되었으나, GPR의 통항량에 대한 영향은 유의하지 않았다. 반면, 물리적 충돌 중심의 GPRA와 위협 중심의 GPRT는 통항량과의 단기 상호작용이 통계적으로 유의하지 않았다. 이는 호르무즈해협 통항량 변화가 전체 지정학적 불확실성과는 연계되지만, 세부 위험 유형과의 직접적 충격 전이가 제한적인 것을 시사한다.

셋째, IRF 분석 결과 Model 1(Transit Calls↔GPR)에서는 호르무즈해협 통항량(Transit Calls) 충격이 GPR에 단기적인 변동성을 유발하는 것으로 나타났다. 반면, GPR 충격이 통항량에 미치는 영향은 방향성이 일관되지 않고 규모가 제한적이었다. Model 2(Transit Calls↔GPRA)와 Model 3(Transit Calls↔GPRT)에서는 통항량 충격이 각각 GPRA와 GPRT에 지속적인 음(-)의 반응을 유발했으며, 반대로 GPRA 및 GPRT 충격 역시 통항량 감소 방향의 반응을 보였다. 다만, 지정학적 위험 충격이 통항량에 미치는 영향 규모는 상대적으로 작아, 전반적으로 통항량 변화가 지정학적 위험지수에 더 민감하게 반영되는 경향이 확인되었다.

넷째, FEVD 분석 결과는 앞선 그랜저 인과성 검정 및 충격반응함수 분석 결과와 유사한 흐름을 보였다. 특히, 호르무즈해협 통항량 충격은 시간이 경과함에 따라 지정학적 위험지수(GPR, GPRA, GPRT)의 변동성을 설명하는 비중이 점진적으로 증가하는 것으로 확인되었다. 반면, 지정학적 위험 충격이 통항량 변동성에 미치는 영향은 상대적으로 제한적인 수준에 머무르는 것으로 나타났다. 이는 글로벌 공급망의 주요 전략 요충지인 호르무즈해협의 물류 흐름 변화가 지정학적 위험에 대한 시장 반응과 위험 인식 형성에 선행적으로 작용할 가능성이 높음을 시사한다.

종합적으로, 호르무즈해협 Tanker 선박의 통항량 변화는 단순한 물류 지표를 넘어 지정학적 긴장과 공급망 불확실성을 반영하는 것으로 나타났다. 호르무즈해협의 통항량 변화는 단순한 운송량 감소를 의미하는 것이 아니라 지정학적 위기까지 이어지게 된다. 더 나아가, 호르무즈해협의 운영 데이터는 에너지 수송 의존도가 높은 글로벌 공급망 구조에서 정부의 에너지 안보 대응 전략 수립, 지정학적 리스크 모니터링과 정책 대응을 위한 핵심 정보로 활용될 수 있다.

5.2 연구의 한계 및 향후 연구

본 연구는 호르무즈해협 봉쇄와 지정학적 위기 간 관계를 다양한 분석기법을 통해 실증적으로 알아보았으며, 분석결과를 토대로 다양한 시사점을 도출하였다. 하지만, 본 연구는 호르무즈해협의 물류 흐름을 대표하는 지표로 Tanker 선박 통항량 단일 지표에 초점을 맞추었으며, 이외에 호르무즈해협 봉쇄와 연관된 다양한 요인을 고려하지 못하였다. 그리고, 2026년 1월 1일부터 4월 28일까지 116개의 관측치를 바탕으로 분석을 진행하였으나, 여전히 국제사회는 호르무즈해협 봉쇄로 인하여 다양한 지정학적 위기를 마주하고 있는 실정이다. 따라서, 향후에는 호르무즈해협 봉쇄와 연관된 다양한 분석 데이터를 확보하고 보다 다각적인 측면에서 분석이 진행될 필요가 있다. 또한, 변수별 정상성 특성을 정교하게 반영하기 위하여 자기회귀 시차분포모형(Autoregressive Distributed Lag Model, ARDL)의 적용을 검토할 필요가 있다. 중동 지역의 군사적 긴장은 여전히 진행 중인 가운데 호르무즈해협 봉쇄와 지정학적 위기 간 동태적 관계를 지속적으로 파악하고, 대응전략을 수립하는 연구가 진행되길 기대한다.