거시건전성 감독과 신용정보

국문 초록 (Abstract)

Ⅰ. 머리말 □ 본 연구는 우리나라 금융시장에서 개인들에 대한 신용정보와 거시건전성간에 존재하는 통계적 연관성을 추정 분석 ○ 거시건전성 규제는 기본적으로 금융기관들의 상호작용으로부터 발생하는 건전성 위험을 시장 전체의 관점에서 관리하는 것을 의미 ○ 본 연구는 개인들의 신용상태에 대한 미시적 자료를 사용하여 거시건전성과 가계신용의 상관관계를 분석 □ 본 연구는 우선 가계신용 상태가 거시건전성에 어떤 영향을 미치는지를 추정 ○ 개별 금융기관들의 기대자본 부족액을 산출해 시장전체의 시스템적 리스크를 추정한 후 다양한 가계신용 정보 가운데 시스템적 리스크에 유의한 영향을 미치는 요인을 추출 ○ 가계부채의 뇌관으로 지적되고 있는 저신용자, 다중채무자, 과다채무자 등 신용취약계층의 대출형태에 대해 네트워크 분석을 실시, 금융기관간 상호연계성을 검증하고 위기 촉발 및 전염의 근원이 되는 금융기관 및 금융업종을 찾아내고자 함. □ 다음으로 지난 10여 년간 가계신용 부문이 아닌 기업부문의 채무상태가 시스템적 리스크와 연관성이 있는지를 추정 ○ 개별 금융기관들의 기대자본 부족액을 산출해 시장전체의 시스템적 리스크를 추정 □ 마지막으로 우리나라의 거시경제 상황이 가계의 신용상태에 미치는 영향을 추정 ○ 앞서의 가계신용이 거시건전성에 미치는 영향에 대한 분석을 보완하기 위한 것으로 거시 상황에 따라 변하는 개인들의 채무에 대한 의사결정이 그 분석의 주요대상 Ⅱ. 거시건전성 감독 1. 거시건전성 감독의 의의 : 급매위험과 경기순응성에 대응 □ 거시건전성감독 ○ 현재는 포괄적이고 체계적 충격의 결과(또는 누적된 불균형의 해소)로 시스템적 리스크가 유발되는 경우의 심각성이 훨씬 주목받고 있는 상황 ○ 역사 : 2000년대 초부터 BIS등을 중심으로 필요성이 논의 ○ 목적 : 전체 경제에 심각한 손실을 야기할 수 있는 시스템적 리스크를 발생시킬 수 있는 리스크를 제한하는 것(Borio, 2003) ○ 필요성 : 미시건전성 감독에서는 금융기관의 상호의존성과 행동양식에 대한 변화를 고려하지 못하므로 미시건전성 감독을 충실히 이행하는 것만으로 시스템적 리스크의 발현을 억제하지 못하기 때문 ○ 초점 : 개별 금융기관 또는 개별 금융시장 참가자들이 합리적으로 판단하는 행동들로 인해 촉발되는 시스템적 리스크 발생 가능성에 주목 ● 또한 리스크가 내생적으로 결정되기 때문에 금융기관간의 상관관계, 그리고 체계적 위험과 비체계적 위험간의 구별이 핵심 □ 거시건전성 감독의 효과적 실행을 위한 시스템적 리스크를 야기하는 원인에 대한 분석 ○ 자기강화적 피드백 효과 : 금융시장의 가격변화 → 시장참여자 반응 유발 → 시장가격 추가 변화 유발 가능(Shin, 2010) ○ 유동성 악순환 : 금융기관의 자금조달 유동성 리스크 → 내외부적인 충격 → 금융기관의 자산 매각에서 급매 발생 → 자산가격의 하락 → 손실 악순환과 함께 마진(또는 헤어컷)의 증가로 인한 마진(또는 헤어컷)악순환 (Brunnermeier, 2009) □ 거시건전성 감독은 시스템적 리스크의 시발점이 되는 최초의 원인과 상관없이 위험의 내생적 증폭과정을 충분히 고려하여 시스템적 리스크가 발현되기 이전에 이를 적절히 억제하는 것에 그 목적과 의의가 있음. □ 거시건전성 감독의 방식(이인호, 2011) ○ 횡단면적 관점 : 특정 시점의 금융시스템 리스크가 부문간 어떻게 분배되어 있는지 관심을 가지는 방식 ○ 시계열적 관점 : 시스템적 리스크가 금융시스템 내에서, 그리고 금융시스템과 실물 경제 간의 상호작용에 의해 증폭될 수 있는 경기순응성을 완화하는 데 초점 2. 거시건전성 감독 내 시스템적 리스크 개념의 활용 □ 거시건전성 감독에서 시스템적 리스크는 금융시스템에 내재화된 위험을 측정하는 하나의 도구로 이용 ○ 하지만 다양한 파급 메커니즘이 존재하여 하나의 특정한 형태로 인식되거나 측정될 수 없음. □ 시스템적 리스크의 측정 방식 ○ 총량적 측정방식 : 대표적 방식으로 개념적으로 시스템적 리스크의 크기를 측정(JPoD, EDF, ES, EVT) ○ 상관분석이나 전염효과를 고려한 방식 : 전염효과를 고려한 시스템적리스크 측정(CoVaR)이나 조건부 도산확률을 이용한 측정(CoPD)방식 ○ 최근 신용리스크의 금융회사들 간 파급 정도를 지수화하는 측정방식으로 확산효과지수(Spillover Index)를 사용하는 방식도 등장 □ 거시건전성 감독의 시작은 시스템적 리스크를 판별하는 데 있음. ○ 거시건전성 감독의 성공여부는 시스템적 리스크의 측정 방식의 개발뿐만 아니라 이에 따른 파급효과를 정량적?정성적으로 파악하여 이를 사전적으로 적절한 수준에서 통제하는 데 달려 있음. 3. 거시건전성 감독 시 개인 신용정보의 역할 □ 가계부채 확대 ○ 국내 가계부채 문제는 2000년대 접어들어 오랫동안 그 증가속도가 상당히 빨랐으며(연평균 7.48%), 또한 최근 절대적인 규모가 1,000조원을 넘어서면서 우리 경제에 새로운 부담으로 작용 ○ 그럼에도 불구하고 총량적인 측면에서 실제 가계 및 비영리부문의 부채와 관련된 일부 지표들은 상당히 안정적인 것으로 나타남. ○ 거시적인 관점에서 가계신용의 저량(stock)적인 측면에서는 여전히 큰 문제가 없는 것으로 판단 ○ 반면, 소득이라는 총유량(flow) 대비 가계부채 규모는 점차 악화되는 모습 □ 가계신용이 거시경제에서 중요하게 작동할 수 있는 경로 ○ 개인신용이 과다하여 연체율이 높아지면 특정 금융회사(또는 금융업권)의 파산위험이 높아지고, 이러한 특정 금융회사(금융업권)의 파산위험이 다른 금융회사로 전이되는 과정 ● 이 경우 특정 금융회사(금융업권)에 대한 개인신용의 집중과 이후위험이 확산되는 네트워크 관계를 파악하는 것이 초점 ● 상호금융을 중심으로 비은행 금융기관의 가계대출이 빠르게 증가중이며, 주택담보대출의 비중도 55%수준으로 예금은행권(80%)과 차이 ● 따라서 이러한 특정 부문의 집중 문제와 위험의 전이 가능성 및 파급효과를 지속적으로 관찰하고 분석 할 필요 ○ 다중채무자 문제(횡단면적 관점에서의 공통적인 손실 측면) ● 고위험차주(DSR > 40%)로 분류되는 다중채무자(2개 이상 금융업권 대출 보유자)는 123만 명(KCB 자료 기준)으로 잔액은 157.4조원 ● 가계신용과 관련된 다중채무자의 문제는 금융업권에 공통적인 손실을 불러일으킬 수 있는 원인으로 작용할 수 있음. ○ 시스템적 리스크의 발현과 직접적인 연관이 있는 가계신용의 연체율 ● 다중채무자의 이용 금융업권별 연체율을 살펴보면 은행과 함께 저축은행을 이용한 차주에서 가장 높은 연체율이 나타남. ● 하지만 차주의 수나 금액측면에서 다중채무자의 일부분을 차지하고 있기 때문에 현재로서는 큰 위험으로 인식되지는 않음. ○ 시계열적 관점에서 경기순응성에 의한 불균형의 누적이라는 측면 ● 일정수준 이상으로 가계신용이 확대되면, 거시적으로 소비 채널과 자산 가격 채널을 통해 경제상황에 상당한 영향을 미칠 수 있음. ● 따라서 경기 사이클 상 개인의 신용등급 하락이나 소득감소 또는 금리상승으로 인해 개별 가계부문이 신용제약에 직면할 가능성에 주목할 필요 □ 국내 가계부채 상황에 대한 스트레스 테스트 ○ 경기순환 과정에서 발생할 수 있는 금리상승, 실질소득 감소 또는 실업발생, 담보가치(자산 가격) 하락 등으로 인한 채무상환부담의 증가로인한 신용제약에 직면할 가능성을 파악 ○ 주요 경제변수의 변화에 따른 전체가구대비 고위험 가구수(DSR >40%)와 초고위험 가구수(DSR > 60%)의 비중 변화를 분석 ○ 분석 결과 전체적으로 충격의 크기가 커질수록 고위험가구 및 초고위험가구의 비중이 높아지는 것을 알 수 있음. ● 은행대출을 보유한 가구나 비은행대출을 보유한 가구에서도 큰 차이없이 비슷한 수준으로 나타남. ○ 경기순환에 따른 거시경제의 충격이 발생할 경우 업권에 관계없이 가계신용의 부실에 따른 시스템적 리스크의 발현이 가능한 충격으로 다가올 수 있다는 의미 □ 시계열적인 거시건전성 감독 측면에서는 고위험가구의 분포 변화에 대한 관심이 우선시된다고 할 수 있음. ○ 가계대출의 부실은 고위험가구에서 발생하는 것이 일반적이기 때문에 거시건전성 감독 측면에서 신용등급 분포의 변화를 살펴보면 경기변동에 따른 위험성을 적절히 잡아낼 가능성이 있음. ○ 고위험가구의 분포별 또는 개인 신용등급의 분포별 부실 위험성을 바탕으로 거시충격에 따른 가계신용 부실의 현실화 정도에 대한 상관관계를 파악할 필요 □ 급매에 따른 자산가격의 하락과 금융기관에 의한 가계신용의 급격한 위축으로 시스템적 리스크가 확대되는 경우 거시건전성 감독 방식은 연결고리를 차단하는 데 주력할 필요 □ 가계대출의 구조적 관점에서 가계대출의 형태와 관련한 대책이 필요 ○ 대출 만기 충격에 취약한 편인 거치식 또는 만기 일시상환 형태의 가계대출의 비중이 높고 비거치식 분활상환 대출의 비중이 낮음. ○ 국내 가계대출시장에서 담보가치가 유지될 경우 대출이 연장되는 관행은 가계부채와 관련된 위험을 누적시킬 가능성이 있어 이를 해소하기 위한 사전적인 규제?감독이 필요 □ 거시건전성 감독 측면에서는 시스템적 리스크의 내생적 발전과정을 면밀히 검토할 필요 ○ 전체적으로 가계신용으로 인한 시스템 리스크의 촉발 가능성은 그렇게 높지 않은 것으로 평가 ○ 하지만 미시적으로 가계부채는 그 분포와 스팩트럼이 넓고 충격이 시스템적 리스크로 확산되는 경로가 다양 ○ 거시건전성 감독 측면에서는 시스템적 리스크의 내생적 발전과정을 면밀히 검토하여 앞서 언급한 다양한 감독방식을 적용하는 것을 고려할 필요 Ⅲ. 개인 신용정보와 시스템적 리스크 1. 선행연구 가. 시스템적 리스크 □ 시스템적 리스크 ○ 정의 : 금융시스템의 전부 또는 일부의 장애로 인해 금융서비스가 중단되어 실물경제의 심각한 부작용을 초래할 수 있는 위험 ○ 원천 : 경기순응성으로 인해 발생하는 시계열차원과 금융기관간 상호연계성으로 발생하는 횡단면차원 □ 주요 방법론 및 활용 선행연구 ○ SES : Acharya et al.(2012) ○ MES : Brownless and Engle(2012) ○ DIP : Huang et al.(2011) ○ CoVAR : Adrian and Brunnermeier(2012) ○ JPoD : Lee et al.(2012) ○ 31개 방법론에 대한 정리 : Bisias et al.(2012) 나. 개인 신용정보를 활용한 위기예측모형과 위기모니터링모형 □ 위기예측모형과 위기모니터링모형 ○ 위기예측모형 : 조기경보모형이라고도 불리며 선행지표로부터 위기 가능성을 예측하는 모형 ○ 위기모니터링모형 : 위기예측모형과 유사하나, 통제가 가능한 선행지표와 동시점지표로부터 위기가능성을 측정하는 모형 □ 위기예측모형의 분류 ○ 신호접근법 : 다양한 지표로부터 위기선행지표를 구축[Kaminsky and Reinhart(1999), Kaminsky, Lizondo and Reinhart(1998), Goldstein, Kaminsky and Reinhart(2000)] ○ 이항모형 : 위기더미변수를 종속변수로 하고, 위기선행지표를 설명변수로 하는 이항로짓모형이나, 이항프로빗모형[Frankel and Rose(1996), Eichengreen, Rose and Wyplosz(1995), Berg and Pattillo(1999)] ○ 여러 개의 후보변수 중에서 개인 신용정보를 활용한 미세변수가 위기예측을 하는 데 유용성을 가지는지를 판명하는 것이 본 연구의 목적이므로 이항모형을 사용다. 금융기관간 연계성 □ 해외논문 ○ Billio et al.(2012) : 시스템적 리스크에 대한 주성분 분석과 그랜저 인과관계 네트워크 분석을 통해 금융기관 연계성에 대한 다양한 계량모형제시 ○ Markkose et al.(2012) : CDS 거래자료를 통해 시스템적으로 중요역할 금융기관 기준 제시 □ 국내논문 ○ 서현덕(2014) : 개별 금융기관의 부도관련 예상손실률을 근거로 그랜저 인과관계 네트워크를 통한 금융기관간 상호연계성 추정 2. 방법론 및 자료가. 시스템적 리스크 측정 □ 자본부족액(CS) ○ 개별금융기관의 자본부족액 : <식 Ⅲ-3> ○ 금융시장 전체의 시스템적 리스크 : <식 Ⅲ-4> □ 기대한계손실률(MES) ○ 지수가중이동평균(EWMA)을 통한 롤링정적요인모형(RSF) 활용 : <식Ⅲ-11>를 통한 <식 Ⅲ-6> 적용 ● 관찰기간은 1년, 경계수익률은 ?의 =10%, 즉 2%로 설정 ○ 강건성 검증을 위해 선형가중이동평균(LWMA)법이나 롤링정적이분산 (RSB)모형도 사용 : <식 Ⅲ-12> ○ 관찰기간의 장단기화, 경계수익률의 변화에 따른 시스템적 리스크의 변동추이도 관찰나. 개인 신용정보를 활용한 위기예측모형과 위기모니터링모형 □ 위기예측모형 ○ 이항로짓모형 : <식 Ⅲ-13> ○ 종속변수 : 시가총액 대비 기대자본부족액(CS : Capital Shortfall)이 표본기간 중 상위 10%이면 1, 아니면 0 ○ 설명변수 ● 위기더미변수의 시차변수 ● 대출잔액변화율, 연체율, Joint Probability of Default 등 aggregate 신용변수 ● VKOSPI 변화율, 경기 선행지수 변화율 등 거시경제변수 ● 신용등급별, 다중채무, 과다채무, 연령대별 대출잔액변화율, 연체율, 차주수 비중 등 미세 신용변수 □ 위기모니터링모형 ○ 이항로짓모형 : <식 Ⅲ-13> ○ 종속변수 : 시가총액 대비 기대자본부족액(CS : Capital Shortfall)이표본기간 중 상위 10%이면 1, 아니면 0 ○ 설명변수 ● 위기예측모형과 유사하나, 통제가 가능한 변수, 동시점 변수를 사용다. 네트워크 분석 □ 그랜저 인과관계 검증 ○ 2변수 VAR사용 : <식 Ⅲ-14> □ 금융기관간 연계성 지표 ○ DGC, 연계기관 수, 업종별 조건부 연계성, 근접성, 고유벡터 중심성 : <식 Ⅲ-16, 17, 18, 21, 22> ○ 금융기관간 연계성은 영향을 주는(영향 : out), 영향을 받는(피영향 : in), 그리고 영향을 주고받는(통합 : in＋out) 세가지 형태로 분석가능라. 자료 □ 시스템적 리스크 측정과 연계성 ○ 총 48개 금융기관 : 은행 10, 캐피탈 4, 상호저축은행 6, 보험 8, 증권 20개사 ○ 기간 : 시스템적 리스크 측정은 2006년 1월부터 2013년 6월까지, 연계성분석은 2006년 1월부터 2012년 12월까지 ○ 부채의 장부가치, 자기자본의 시장가치, 일일 또는 6개월 평균 주가수익률 자료는 FnGuide와 KISVALUE가 제공 ○ 표본 기간 내에 신설이나 합병, 상장폐지, 거래정지에 해당하는 금융기관에 대한 조정 실시 □ 개인 신용정보를 활용한 위기예측모형 및 취약계층 차주의 금융기관간 연계성 ○ KCB로부터 50만 명의 차주에 대한 대출정보를 받아 저신용자, 다중채 무자, 과다채무자의 대출자수, 대출금액, 연체금액등을 금융기관별로 구분, 집계 ○ 7개 개별은행과 5개의 2금융기관 등 총 12개 기관으로 분류 ○ 표본기간은 2006년 1월부터 2013년 12월까지이며 월단위 자료 3. 시스템적 리스크 측정 결과가. EWMA의 RSF모형 적용 결과 □ 시스템적 리스크 규모 ○ 금융위기가 발발한 2008년 최고치를 보였고 유럽 재정위기가 발생한 2011년에도 소폭 상승 ○ 시장의 기대손실률은 평상시 -0.4%이내, 금융위기 시에는 -1.24% ○ 따라서 금융시장 전체의 시스템적 리스크는 금융안정기에 15조원 이내를 유지하다 글로벌 금융위기 때는 안정기의 3배까지 증가, 2008년 11월 7일 최고치인 41조원 기록 □ 금융업종별 시스템적 리스크 규모 ○ 은행, 보험, 증권사 모두 시장 전체의 시스템적 리스크 변화추이와 유사한 형태 시현 ○ 전체 시스템적 리스크에서 은행이 차지하는 비중이 금융위기 이후 급감. 금융위기 이전 은행비율은 80%에 육박했으나 금융위기 이후 56%까지 하락, 최근에는 60%를 유지. 비은행 금융기관의 시스템적 리스크가 상대적으로 증대되고 있다는 반증 ○ 증권과 보험사의 경우 금융위기 시 은행보다 시스템적 리스크 증가 시기가 늦음. 위기 시 은행의 민감도가 더 높은 것으로 파악. 보험사의 경우 금융위기 이후 기대자본부족액이 전체의 6%에서 12%로 급증 ○ 캐피탈과 상호저축은행은 다른 금융기관에 비해 기대자본부족액 규모가 작음. 전체의 1% 미만을 구성함으로써 전체 시장에 미치는 영향은 미미나. LWMA의 RSF모형 적용 결과 □ 시스템적 리스크 변화추이 ○ 시장충격에 대해 시장의 기대부족액이나 금융기관의 시스템적 리스크 증가속도가 다소 지연 ○ 금융위기 발생 시 시스템적 리스크 증가 기울기가 다소 완만 ○ 시스템적 리스크 최대 발생 시기도 2009년 4월 10일로 EWMA에 비해 5개월 지연 □ 시스템적 리스크 규모 ○ 시장의 기대손실률은 평상시 -0.3%, 위기발생 시 -0.8% 시현 ○ 따라서 시스템적 리스크 규모도 최대치가 37.3조원을 기록다. RSB 모형 적용 결과 □ 시스템적 리스크 변화추이 및 규모 ○ 단순가중치를 적용한 경우 현재도 금융위기 시와 유사한 수준의 리스크가 존재하는 것으로 나타남. 층격효과의 시간지속성 관찰 ○ 금융위기 발발 시 시스템적 리스크 규모도 100조원(선형가중치)에서 160조원(단순가중치)으로 RSF에 의해 추정된 리스크 규모의 3배 □ 관찰기간 및 수익률 측정기간 조정 ○ 관찰기간을 1년이 아닌 3년으로 연장하는 경우 실제 충격시기보다 훨씬 늦은 시기에 시스템적 리스크가 관찰되며 1달로 축소하는 경우에는 시스템적 리스크 자체가 산출되지 않음. ○ 수익률을 단기가 아닌 6개월로 확장하는 경우 ?의 ＝10%를 적용하더라도 경계수익률이 -20%에 해당, 시스템적 리스크가 산출되지 않음. 4. 개인 신용정보를 활용한 위기예측모형과 위기모니터링 모형가. 금융시스템 전체의 위기예측모형 추정 결과 □ 개인 신용정보를 활용한 변수가 유의미하고, 유의적으로 위기를 예측 ○ 총 33개 변수에 대해 5개 시차변수(총 165개)를 위기예측변수로 실험 ○ 1개월 전 위기더미변수, 2개월 전 신용등급중위 연체율, 3개월 전 신용등급하위 차주수 비중이 유의적 ○ 위기는 지속되는 경향이 있어 1개월 전 위기더미변수가 유의적 ○ 신용등급 중위 연체율과 신용등급하위 차주수 비중 등 개인 신용정보가 유용 ○ 가계 대출잔액변화율, 가계대출 연체율, 대기업 대출잔액변화율, 대기업 대출 연체율, 중소기업 대출잔액 변화율, 중소기업 대출연체율, Joint Probability of Default 등과 aggregate 신용정보변수는 미세 신용정보변수와 같이 설명변수로 들어가면 유의적이지 않음. 나. 금융기관 전체의 위기모니터링 모형 추정결과 □ 개인 신용정보를 활용한 변수가 위기모니터링에 효과적 ○ 금융당국이 모니터링하고 통제할 수 있는 변수만을 설명변수로 활용하고, 실시간 모니터링을 위해 동시점 변수도 설명변수로 추가 ○ 4개월 전 과다채무 대출잔액변화율, 5개월 전 과다채무 대출잔액변화율, 3개월 전 다중채무 차주수 비중, 3개월전 20-30대 차주수 비중, 40대 차주수 비중, 50대 차주수 비중이 유의적 ○ 과다채무, 다중채무, 연령대별 채무 등 개인 신용정보가 유의적이어서 고위험군 대출잔액, 차주수 비중을 모니터링하고 관리할 필요가 있음을 시사다. 금융업권별 위기예측모형 추정결과 □ 개인 신용정보를 활용한 변수가 유의미하고, 유의적으로 위기를 예측 ○ 금융업권별 위기예측변수를 설명변수로 활용 ○ 1개월 전 위기더미변수, 1개월 전 VKOSPI 변화율, 4개월 전 과다채무대출잔액변화율이 유의적 ○ 다른 업권 위기더미변수는 비유의적이어서 업권별 위기여부가 비슷한 정보를 가지고 있음을 시사 ○ aggregate 신용정보변수는 미세 신용정보변수와 같이 설명변수로 들어가면 유의적이지 않음라. 금융업권별 위기모니터링모형 추정결과 □ 개인 신용정보를 활용한 변수가 위기모니터링에 효과적 ○ 금융당국이 모니터링하고 통제할 수 있는 변수만을 설명변수로 활용하고, 실시간 모니터링을 위해 동시점 변수도 설명변수로 추가 ○ 4개월 전 과다채무 연체율, 2개월 전 40대 채무 연체율, 2개월 전 신용등급 중위 차주수 비중, 2개월 전 20-30대 채무 차주수 비중, 2개월전 40대 채무 차주수 비중이 유의적 ○ 과다채무, 다중채무, 연령대별 채무 등 개인 신용정보가 유의적이어서 고위험군 대출잔액, 차주수 비중을 모니터링하고 관리할 필요가 있음을 시사 5. 금융기관간 연계성가. 시스템적 리스크 전이성 □ 금융업종별 연계성 ○ 상호저축은행은 시스템적 리스크와 관련해 모든 금융업종에 대해 그랜저 인과관계가 존재하는 반면 은행은 단 하나의 금융업종에 대해서도 그랜저 인과관계가 존재하지 않음. ○ 금융업종간 DGC는 40%를 기록, 객관적으로 높은 연계성을 나타냄. ○ 근접성의 경우 은행의 수치가 가장 낮아 은행이 네트워크의 중심에 위치. 고유벡터 중심성에서는 상호저축은행의 영향(out)지표가 가장 높아 네트워크에서 차지하는 영향력이 가장 높음을 검증 □ 금융기관별 연계성 ○ 48개 금융기관에 대한 그랜저 인과관계 분석결과 상호저축은행업종에 속한 금융기관들의 비율이 월등히 높은 것으로 조사 ● 타 금융기관에 가장 많은 영향을 주는 금융기관은 D상호저축은행으로 31개 금융기관(65.96%)에 대해 그랜저 인과관계 존재 ● 타 금융기관으로부터 가장 많은 영향을 받는 금융기관도 F저축은행(63.83%) ○ 타금융업종의 경우 상호저축은행에 비해 네트워크 수 절반이하 ● 업종별로 타 금융기관에 가장 많은 영향을 주는 금융기관은 G은행(31.95%), C종합캐피탈(14.89%), Q증권(38.3%), C손해보험(61.7%) ● 업종별로 타 금융기관으로부터 가장 많이 영향을 받는 금융기관은 G은행(21.28%), A파이낸셜(14.89%), R증권(27.66%), B손해보험(25.53%) ○ 48개 금융기관에 대한 네트워크 분석 결과 DGC는 13.83%로 집계. 근접성은 A저축은행이 0.46으로 가장 낮은 수치를, 고유벡터 중심성은 D 저축은행이 0.4로 가장 높은 수치 기록 □ 업종별 조건부 연계성 ○ 전반적인 결과는 금융기관별 연계성과 유사 ○ DGC는 14.76%로 금융기관별 연계성의 DGC보다 소폭 증가. 이는 금융기관들이 업종 내보다 해당업종 이외의 금융기관과의 인과관계가 더 높음을 의미 ○ 업종에 따라 업종별 조건부를 고려했을 때 연계도 증감이 상이하게 나타남. 즉 은행, 증권, 상호저축은행은 연계성 비율이 증가한 반면 캐피탈과 보험은 이 비율이 감소. 이는 캐피탈사와 보험사의 경우 다른 업종에 비해 상대적으로 업종 내 그랜저 인과의 경우가 많은 것을 의미나. 신용취약계층 차주의 금융기관간 연계성 □ 취약계층 차주의 금융기관별 대출현황 ○ 신용취약계층 차주들은 은행보다 비은행 금융기관을 주로 이용 ● 전체 대출자에 대한 저신용자 비율의 경우 은행권은 14%인 반면 비은행 금융기관은 32%를 기록. 특히 상호저축은행의 경우 대출고객 중 저신용자 비율은 70%에 육박 ○ 연체금액의 경우 취약계층 차주들이 연체금액의 대부분을 차지 ● 예컨대 조합의 경우 전체 대출자의 연체금액은 5,459억원, 저신용자의 연체금액은 5,361억원, 과다채무자의 연체금액은 5,369억원 ○ 취약계층 차주들의 1인당 대출금액이나 연체금액도 비은행 금융기관이 은행보다 많음. ● 과다채무자의 1인당 대출금액은 은행의 경우 1억원 내외, 조합은 평균 2억원 ● 과다채무자의 1인당 연체금액은 은행의 경우 20만원 내외, 조합이나 저축은행은 100만원 초과 □ 전체 표본기간의 금융기관 연계성 ○ 취약계층 차주들의 금융기관 연계도가 전체차주들에 비해 2배 이상 높게 나타남. ● 전체대출자의 경우 대출잔액, 연체잔액, 대출자 수 가운데 대출잔액의 연계도가 가장 높게 나타남. ● 취약계층 차주들은 저신용자, 과다채무자, 다중채무자 모두 대출잔액보다 대출자 수의 연계도가 더 높게 나타남. ● 이는 일반 차주는 대출한도 내에서 타 금융기관을 활용하는 반면 취약계층 차주는 이미 추가대출 한도를 초과해 여러 금융기관에서 소액대출을 받다 보니 금액보다는 사람과 관련된 연관성이 더 높게 나타난 것으로 풀이 ○ 취약계층 차주들은 은행보다 비은행 금융기관에서 훨씬 뚜렷한 연계성을 시현 ● 특히 대출잔액보다 대출자 수에서 비은행 금융기관의 연계성 강하게 나타남. ○ 취약계층 종류에 따라 선호하는 비은행 금융기관도 상이 ● 차주 수의 경우 저신용자는 보험, 다중채무자는 저축은행, 과다채무자는 조합의 연계도가 가장 높음. ● 대출금액의 경우 다중채무자는 캐피탈, 과다채무자는 보험의 연계성이 가장 높음. ○ 비은행 금융기관간 집단화현상 관찰 ● 금융기관간 연계성 도식화 결과 일부 금융기관으로의 쏠림현상 관찰 ● 비은행 금융기관끼리 서로 인접하게 위치하는 집단화현상 시현 □ 금융위기 기간 중 금융기관 연계성 ○ 그랜저 인과관계 심화도는 전체 표본기간보다 오히려 하락 ● 표본기간의 지나친 단기화에 따른 결과로 추론 ○ 그럼에도 불구하고 취약계층 차주들의 연계도는 전체차주들보다 높게 나타남. ● 대출잔액의 경우 전체 차주들의 DGC는 15.15%에 불과. 반면 저신용자는 25%, 과다채무자는 19.7% ● 대출자 수의 경우도 전체 차주의 DGC인 9.09%. 반면 저신용자는 20.45%, 과다채무자는 29.55% ○ 전체 표본기간에 비해 취약계층 차주들의 비은행 금융기관을 통한 연계성 증대현상이 다소 감소 6. 시사점 □ 상호저축은행에 대한 관리 감독 강화 필요성이 제기 ○ 상호저축은행은 시스템적 리스크와 관련해 모든 금융업종에 그랜저 인과관계하는 것으로 나타남. ○ 개별 금융기관별 분석에서도 저축은행은 다른 금융기관과 높은 연계도시현 ○ 저축은행이 최일선에서 위기의 촉발 및 위기 전염과 증폭의 매개역할을 수행하는 것으로 추론 ○ 이에 따라 미시 건전성 유지를 위한 개별 저축은행에 대한 정책뿐 아니라 업종전체에 영향을 미칠 만한 거시건전성 정책 마련 시급 □ 가계부채와 관련, 비은행 금융기관에 대한 보다 높은 수준의 주의 요망 ○ 취약계층 차주들은 은행보다 비은행 금융기관을 많이 활용. 이들의 금융기관간 연계도도 대출자 평균의 2배 수준. 더구나 비은행 금융기관끼리의 집단화현상 시현으로 충격발생 시 건전성 확보에 취약점 노출 ○ 저신용자들의 연계성이 다중채무자나 과다채무자보다 더 높고 취약계층 종류에 따라 주로 활용하는 금융기관도 상이. 따라서 이들에 대한 통합적 접근뿐 아니라 취약계층별로 별도의 맞춤식 건전성확보 정책이 필요할 것으로 판단 □ 시스템적 리스크 측정방법에 대한 표준화 통일화 작업 필요성 제기 ○ 리스크 측정 방법론에 따라 금융기관별 또는 업종별로 기대자본부족액이 상이하게 계산. 이에 따라 시장전체의 시스템적 리스크 규모도 큰차이 ○ 현재 한국은행이나 금융감독원에서 조기경보시스템을 포함하는 고유의 시스템적 리스크 측정 프로그램을 활용하고 있는 것으로 알려지고 있는데 이에 대한 보완, 현실화 작업 수행 필요 Ⅳ. 거시건전성과 기업부문과의 관계 □ 금융기관들의 자산을 구성하는 대출의 건전성이 금융시장 전체의 시스템적 리스크에 어떤 영향을 미치는지를 분석하고자 함. 1. 거시건전성 감독 측면에서 기업대출과 개인 신용의 차이 □ 기업대출과 신용대출의 차이 ○ 기업부문의 부실은 가계대출과는 달리 규모가 상대적으로 거액이고, 특히 대기업관련 신용의 경우 가계부문에서 언급되는 소위 다중채무의 위험이 큰 편 ○ 기업의 신용등급과 같은 정보도 경기순응성이 강하다고 알려져 있음. ● 경기순환과정에서 대출의 수요와 비용이 변동함에 따라 경기순응적인 행태를 나타내는 것으로 설명(김현욱?김세완(2010), 신용상(2006) 등) ○ 기업대출의 경우 일부 기업에서 발생한 사건이 다른 기업에 영향을 미치는 등 공통요인에 의한 리스크도 강한 특징 ● 이러한 측면에서 거시건전성 측면에서는 기업부분의 중요도가 개인신용 관련 문제의 중요도보다 높다고도 할 수 있음. □ 금융기관이 기업에게 제공한 신용공여는 2013년 말 기준으로 1,700조원에 달하고 있어 절대적인 규모에서 가계신용보다 큰 규모를 차지 ○ 기업에 대한 신용공여는 다른 업권에 비해 은행권에 집중된 경향이 있어 기업 부문에서 건전성 훼손으로 인한 충격이 발생할 경우 은행부문을 통한 시스템적 리스크의 촉발이라는 측면에서 중요도가 높음. □ 금융기관을 통한 기업부문 대출동향을 통하여 기업부문이 시스템적 리스크에 미치는 영향을 정성적인 관점에서 평가 ○ 대기업 관련 대출보다 중소기업 관련 대출의 규모가 큰 편 ● 동시에 시중은행의 중소기업 대출이 늘어나면서 은행들의 기업대출관련 리스크 관리가 더욱 부각되고 있는 상황 ○ 절대적인 규모 측면에서는 일반은행을 통한 기업대출이 주를 이루고 있으나 특수은행의 기업대출 비중이 점차 증가(대기업 대출 중심) ○ 업종별로는 주로 제조업 중심의 대출이 이루어지고 있으며, 제조업의 특성상 생산과 투자가 경기순응적으로 나타날 가능성이 높아 국내 기업부문 대출의 경기순응성도 구조적으로 높게 나타날 가능성 2. 기업대출이 시스템적 리스크에 미치는 영향 분석 □ 국내에서 기업대출과 관련한 부문이 시스템적 리스크에 미치는 영향에 대한 연구는 활발하지 않은 편임. □ 본 연구에서는 은행시스템의 부도위험을 나타내는 지표인 결합부도확률 (JPoD)을 이용하여 외환위기 이후 기업대출 부문이 시스템적 리스크에 실제 영향을 미쳤는지 살펴보고 시사점을 도출하고자 함. ○ 분석에 사용된 변수로 재무곤경 결합확률(JPoD)과, 기업 신용정보 변수인 대기업과 중소기업 대출증가율, 기업대출 연체율, 부도 기업어음부도액 증가율을 사용 ● 외생변수로는 국내 거시경제 상황을 통제하기 위한 변수로 산업생산 지수, 코스피지수변동성, 기업대출금리, 경기선행지수(CLI)를 사용 □ 시스템적 리스크의 원인을 살펴보기 위해 벡터 자기회귀모형(VAR)을 사용하여 기업대출과 관련한 여러 변수들이 시스템적 리스크에 영향을 미치고 있는지를 살펴보고자 함. □ 시차상관계수를 통한 기업대출관련 변수와 시스템적 리스크의 상호 연관성 분석 ○ 분석 결과 기업대출 연체율이 JPoD와 가장 높은 상관관계를 보임(3∼4개월 정도의 시차를 두고 JPoD에 선행). ○ 기업관련 대출의 부실이 연체라는 직접적인 형태로 나타날 경우, 전체금융시스템에서 측정된 시스템적 리스크도 커진다는 것을 의미 ● 개별기업 고유의 충격에 의해서건 체제적 위험에 의해서건 기업대출과 관련된 부실이 현실화 될 경우 시차를 두고 시스템적 리스크는 높아진다고 해석할 수 있음. □ 그랜저 인과관계분석 ○ JPoD(시스템적 리스크)와 기업대출 연체율은 상호 그랜저 인과관계를 나타나고 있음. ○ 시스템적 리스크는 대기업 대출 증가와 중소기업 대출 증가에 순차적으로 영향을 미치고, 이는 다시 기업대출 연체율에 영향을 미치면서 순환하는 형태로 그랜저 인과관계를 나타냄. □ 벡터 자기회귀모형(VAR)을 이용한 분석 ○ JPoD와 기업대출 관련 변수를 VAR 모형에서 처리하였으며, 이와 함께 외생변수를 활용 ○ 분석결과 JPoD는 기업대출 관련 변수보다는 외생변수에 의해 통계적으로 유의한 영향을 받고 있는 것으로 나타남. ● 특히 금융시장의 상황을 나타내는 주식시장의 변동성 및 해외 경기에 직접적인 영향을 받는 것으로 나타남. ○ 기업대출 연체율은 시스템적 리스크를 나타내는 JPoD뿐만 아니라 중소기업 대출 증가율 등에 의해서도 영향을 받고 있는 것으로 나타남. ○ 층격반응함수에서도 기업대출 연체율에 충격이 올 경우, 통계적으로 유의하지는 않지만 JPoD는 2∼3기의 시차를 두고 높아지는 것을 관찰 ○ 시스템적 리스크에 충격이 올 경우에는 기업대출 연체율 자체가 2기이후 통계적으로 유의하게 높아져, 시스템적 리스크가 확대되는 내생적인 증폭과정을 거칠 수 있다는 사실을 일부 확인 ○ 금융위기 기간을 포함한 분석에서 나타난 JPoD 및 기업대출 증가율의 기업대출 연체율과의 연관관계는 그 이후(2009년 6월) 기간만을 대상으로 분석하였을 경우 유의하게 나타나지 않게 나타남. □ 기업부문과 관련한 시스템적 리스크의 발현을 억제하기 위한 거시건전성 감독은 실질적으로 국내 경제에 미칠 수 있는 거시적 충격을 우선 억제하는 데 그 초점이 모아져야 할 필요 ○ 즉, 실물경기의 경기순응성을 완화하고 진폭을 줄이는 데 관심 ○ 경기변동에 따른 대출의 증가가 이루어질 경우, 부실기업으로 자금이 흘러가는 것을 원천적으로 막아야 시스템적 리스크가 확대?재생산되는 경로를 사전에 차단할 수 있을 것임. 3. 정책적 시사점 □ 결합부도확률(JPoD)을 시스템적 리스크의 지표로 활용하여 기업부문과 시스템적 리스크와의 관계를 살펴본 결과, 실제 기업부문이 실제 국내금융에서 시스템적 리스크에 큰 영향을 미치지 못한 것으로 나타남. ○ 하지만 최근 기업부문과 관련된 시스템적 리스크의 발현은 다양한 형태로 나타날 가능성이 상존 ○ 시계열적인 관점에서 최근 기업부문 관련 상황은 부실 압력이 누적되고 있는 것으로 볼 수 있어(이지언, 2015) 이에 대한 관리가 필요 □ 횡단면적인 관점에서는 다중채무 및 과다채무로 인해 발생할 여지가 여전히 존재한다는 사실은 항상 염두에 둘 필요 ○ 기업의 부실로 인한 시스템적 리스크가 내생적으로 증폭될 가능성에 대하여 거시건전성 감독당국은 기업별로 다중채무 및 과다채무를 방지할 수 있는 시스템을 통해 일차적인 거시건전성 감독을 실시할 필요 Ⅴ. 거시경제가 가계신용시장에 미치는 영향 □ 2000년 이후 한국은 가계신용부문에서 세 차례의 연체율 상승을 경험. 이중 글로벌 금융위기 이후 가계부채의 증가로 인한 "가계부채 위기"에 대해서는 아직 연구가 되지 않음. □ 가계부채위기의 원인을 파악하기 위해서는 차주단위의 미시데이터가 필요하며, 이를 위해서 본 연구에서는 KCB에 축적된 신용정보를 이용하여 실증적인 분석을 함. 1. 거시경제와 가계신용 위험간의 이론적 관계가. 횡단면 모형(유동성 제약식) □ 연체가 발생하는 원인은 유동성 제약식으로 설명 가능○ 확보 가능한 유동성(소득＋자금버퍼＋자금조달)이 지출하여야 하는 비용(생계비용＋이자비용)보다 작아지면 연체발생 ○ 과다채무자는 경기침체(소득감소)에 의한 영향을 크게 받는 반면, 다중 채무자는 가계에 대한 유동성 공급(자금조달) 축소에 의해 크게 영향을 받음나. 시계열 모형(Boom-Bust 사이클) □ 경기회복은 단기적으로는 상환능력의 개선을 통해 연체율의 하락을 가져오지만, 장기적으로는 가계에 대한 유동성의 과잉공급을 초래하여 연체율상승의 원인이 됨 ○ 경기침체는 유동성 과잉공급에 의해 축적되었던 잠재위험을 가시화시켜 연체율의 상승을 초래 ○ 경기순응적인 금융회사의 정책은 경기변동에 의한 연체율의 상승을 확대시키는 역할을 함. 2. 분석 데이터 □ 거시 데이터는 경기동행지수, 주택거래량, 물가, 이자율 등 거시경제부문을 대표하는 변수 선정 □ 미시데이터는 KCB에 축적된 가계대출정보 중 10% 샘플 사용. 신규 회원사 가입으로 인한 인위적인 데이터 변동을 제거하기 위하여, 2007년 1월 이전에 데이터를 등록하기 시작한 금융회사만을 대상으로 함 3. 거시경제와 신용대출가. 경기와 신용대출 총량 □ 신용대출 총량은 경기와 강한 정(＋)의 상관관계를 보임 ○ "경기동행지수(순환변동치)_YOY"는 "신용대출잔액_YOY"에 대하여 0.717의 높은 상관계수를 가지며 6개월 선행하는 것으로 나타남. ○ 경기가 대출총량에 영향을 주는 것은 금융회사의 대출태도를 통해서임 ● 2008년 초부터 2009년 상반기 사이와 2011년 하반기부터 2013년 하반기 사이의 두 기간 중에 은행의 대출태도지수가 0보다 작았으며, 이 기간 중 신용대출 잔액증가율이 하락함. ● 가계부채의 팽창에 따라 2010년 말부터 언론의 우려와 금융당국의 개입이 시작되었으며, 이에 따라 2금융업권(특히 카드, 캐피탈)의 신규취급이 감소 ○ 경기 외에 신용대출 증가율에 영향을 미치는 거시변수들은 경기와 관련되어 있거나 경기를 매개로 하는 것으로 보임. ○ 주택거래량의 경우 신용대출 신규취급액에 영향을 주기는 하지만, 장기적인 신용대출 총량에는 유의한 영향을 주지 않는 것으로 나타남. 나. 경기와 신용대출 연체율 □ 신용대출 연체율은 대출총량 변화와 단기적으로 부(－)의 상관관계를 보이는 동시에 장기적으로는 정(＋)의 상관관계를 보임 ○ 금융회사가 가계대출 취급을 줄이면 유동성 제약에 빠지는 가계가 늘 어나서 연체가 발생. 연체율이 상승하면 금융회사는 신규대출을 줄이는 경향이 있기 때문에 연체와 가계대출은 서로 상호작용을 하는 측면이 존재함. ○ 금융회사가 가계대출 취급을 늘리면, 단기적으로는 연체율이 하락하는 효과가 있지만, 장기적으로는 상환부담이 증가하여 연체율 상승의 원인으로 작용함. ● 신용대출 잔액증가율은 연체율에 대하여 17개월 선행하는 시점에서 가장 강한 정(＋)의 상관관계를 보임 □ 다중채무자(3기관 이상에 신용대출을 보유한 차주) 비중은 가계부채 팽창기에 급격히 증가하였으며, 카드론 취급을 축소하는 시점에 감소세로 전환. 동시에 이 시점부터 다중채무자의 연체율도 상승하기 시작함. ○ 다중채무자의 연체율은 글로벌 금융위기 기간보다 "가계부채 위기" 기간 중에 더 크게 상승. 이것은 다중채무자가 유동성 공급에 더 큰 영향을 받기 때문임. ○ 신용대출 보유기관수가 작을수록 글로벌 금융위기에 비해서 가계부채 위기 기간 중의 연체율 상승 정도가 상대적으로 작음 □ 소득대비 상환금액의 비율이 높은 과다채무자(DTI 60% 이상)는 유동성 공급 축소보다는 경기침체로 인한 영향을 더 크게 받기 때문에 글로벌 금융위기 기간 중에 연체율이 더 크게 상승 ○ 경기의 영향을 많이 받는 자영업자, 고연령층이 동일한 현상을 보임다. 연체율 설명 모형 □ 거시모형 ○ 경기의 단기적 영향(경기동행지수_YOY(t-4))과 장기적 영향(경기동행 지수_YOY(t-25))을 이용하여 연체율을 설명하는 모형을 작성하면, 단기적 영향과 장기적 영향이 모두 유의하며, 두 변수의 계수가 비슷한 크기를 갖는 것으로 나타남(R2=0.68). ○ 2010년 하반기까지는 단기적 영향이 연체율에 더 큰 기여를 하였지만, 그 이후에는 장기적 영향이 더 크게 나타남. ● 최근에는 경기의 장기적 효과가 거의 사라지고, 단기적 효과가 약간 더 우세하게 나타나는 것으로 보임. □ 시장모형 ○ 신용대출 총량변화의 단기적 영향(신용대출잔액_YOY(t))과 장기적 영향(신용대출잔액_YOY(t-17))을 이용하여 연체율을 설명하는 모형을 작성하면, 경기모형에 비해 설명력이 더 높게 나타남(R2=0.73). ○ 장기적 영향이 연체율에 훨씬 더 큰 기여를 하는 것으로 나타나는데, 이것은 신용대출 증가에 의한 잠재위험의 누적이 궁극적으로 연체율의 근본적인 원인이기 때문으로 여겨짐. 라. 요약 및 시사점 □ 경기침체는 상환능력을 악화시켜 과다채무자 위주로 연체율을 상승시키는 반면, 대출축소는 차환을 어렵게 함으로써 다중채무자 위주로 연체율을 상승시킴. ○ 2008년 하반기부터 2009년 말까지의 글로벌 금융위기 기간 중에는 경기침체와 대출축소가 동시에 발생 ● 이때의 연체율 상승은 경기와 대출축소의 두 가지 요소에 의해 모두 영향을 받았으며, 과다채무자와 다중채무자의 연체율이 동시에 상승 ● 경기순응적인 대출행태로 인한 대출축소가 존재하지 않았다면 경기침체로 인한 영향이 훨씬 더 작게 나타났을 것으로 예상됨. ○ 2011년 초부터는 가계부채시장의 구조악화에 따라 대출축소가 발생 ● 경기 침체가 없었음에도 연체율이 글로벌 금융위기 기간 중의 연체율만큼 상승한 것은 다중채무자 중심의 잠재위험이 그만큼 크다는 것을 의미 ● 언론이나 감독당국의 개입이 없었더라면 가계부채시장의 팽창은 더 지속되었을 것이며 단기적으로는 연체율의 하락도 지속되었을 것으로 보임. 하지만 잠재위험의 축적도 더 커져서 결국에는 더 큰 위기를 불러왔을 것임. ○ 가계의 상환능력을 벗어나는 과다한 유동성 공급은 그 자체만으로도 경기침체와 비교할 수 있는 큰 위험을 내포하고 있음. 따라서 가계부채 시장의 건전성을 유지하기 위해서는 유동성 공급을 적절한 수준에서 통제하는 것이 필요 4. 거시경제와 주택담보대출가. 주택담보대출 총량 □ 신용대출과 주택담보대출의 총량은 전혀 다른 시계열적인 움직임을 보이는 반면, 연체율은 비슷한 움직임을 보임. ○ 신용대출이 공급자 주도의 시장인 반면, 주택담보대출은 수요자 주도의 시장이기 때문에 총량은 서로 상이한 움직임을 보임. ○ 반면, 연체율은 상환능력과 상환부담이라는 동일한 원인을 공유하고 있기 때문에 비슷한 추이를 보임. ○ 주택담보대출은 담보대출이라는 특성상 주택담보대출 자체보다는 신용대출의 증가로 인한 상환부담의 증가에 의해 더 큰 영향을 받음. □ 주택가격 및 주택거래량이 주택담보대출 총량에 미치는 영향은 시기에 따라 다르게 나타남. ○ 주택거래 시 주택담보대출 신규취급과 동시에 기존 주택담보대출의 상환도 동시에 발생하기 때문에 단기적으로는 큰 변동이 나타나지 않음. ○ 주택매매건수와 신규 주택담보대출건수 사이에는 큰 상관관계가 존재하지만, 총량에는 큰 영향을 주지 못함. ● 주택의 신규구입 외에 기존 주택을 담보로 한 대출이 증가하고 있으며, 주택매매건수와 신규 주택담보대출건수 사이의 차이가 증가함. 이로 인하여 주택금융정책 완화를 통하여 주택거래시장을 활성화하려는 정책은 제한적인 효과만을 발휘나. 주택담보대출 연체율 □ 주택담보대출 연체율은 주택시장 내의 요소보다 오히려 신용대출이나 다 중채무 등에 의해 더 큰 영향을 받는 것으로 나타남. ○ 주택담보대출 증가율보다는 신용대출 증가율이 주택담보대출 연체율에 대하여 더 짧은 시차(12개월)를 가지고 더 강한(R=0.4) 정(＋)의 상관관계를 보임. ○ 주택가격은 자산효과(wealth effect)를 통하여 주택담보대출에 대하여 부(－)의 상관관계를 가지며 선행성을 보일 것으로 예상되지만, 실제로는 정(＋)의 상관관계를 가지는 것으로 나타남. □ 경기의 단기영향(시차 0개월)과 장기영향(-27개월)을 이용하여 연체율 설명모형을 만들면, 두 변수 모두 통계적으로 유의한 것으로 나타나지만, 모형의 설명력은 신용대출 연체율 설명모형에 비해 크게 떨어짐(R2＝0.34). ○ 주택담보대출 연체율은 경기, 주택시장, 주택담보대출 시장 자체의 구조, 신용대출, 다중채무 등 다양한 요소에 의해 영향을 받을 뿐만 아니라, 상각과 같은 인위적인 요소에 의해서 크게 변동함. ○ 2013년말 은행들의 대규모 상각으로 인해 주택담보대출 연체율이 크게 떨어졌는데, 이것은 모형으로 설명할 수 없음. 다. 정책적 시사점 □ 주택경기가 장기적인 침체기에 접어든 상황에서 주택담보대출은 경기나 주택가격과 같은 거시경제적인 요인에 의한 영향보다는 주택금융정책에 의한 단기적인 영향이 더 크게 나타남. □ 주택가격과 주택매매건수 사이에 존재하는 상관관계가 최근으로 올수록 점점 줄어들고 있음. 주택거래 활성화 정책, 또는 주택금융완화 정책으로 단기적인 주택매매건수나 주택담보대출 취급량이 증가하지만, 이것이 장기적인 주택시장의 활성화로 이어지는 데는 한계가 존재 ○ 주택금융완화 정책은 기존주택을 활용한 추가대출수요를 유발하여 상환부담의 증가를 가져올 가능성이 있음. 5. 결론 및 시사점 □ 거시경제는 단기적으로는 상환능력을 통하여 연체율에 부(－)의 영향을 미치는 반면, 장기적으로는 상환부담을 통하여 연체율에 정(＋)의 영향을 미침. ○ 경기회복이라는 긍정적인 상황이 연체율의 상승이라는 부정적인 상황으로 이어지는 이유는 경기회복에 따른 금융회사의 대출증가가 적정한 수준을 넘어 과도하게 이루어지기 때문임. ○ 대출증가는 분모효과에 의하여 단기적으로는 연체율을 하락시키지만, 장기적으로는 잠재위험의 증가를 초래 □ 가계대출 총량을 적정수준에서 통제하지 못하는 이유는 다음 두 가지로 생각할 수 있음. ○ 총량 증가로 인한 잠재위험의 상승은 개별 금융회사의 문제가 아니라 시장 내의 경쟁으로 인해 발생하는 공동현상(collaborative effect)이기 때문 ● 다중채무로 인하여 시스템적 리스크가 증가함에 따라 대출상품이나 업권별 또는 금융회사별 연체율이 동조화되어 나타남. ○ 수익과 비용의 시점간 불일치로 인하여, 신용손실을 정확히 고려한 정책수립이 어려움. 특히, 경기침체나 유동성공급 축소와 같은 위기상황에서는 손실이 비선형적으로 급증한다는 사실을 충분히 반영하지 못함. □ 따라서 가계부채 시장 확대로 인한 시스템 리스크를 시장 자율에 맡기는것은 사실상 불가능하며 금융당국의 적절한 개입이 필요 ○ 경기가 가계대출에 미치는 장기적인 영향을 관리 ● 경기회복 시 대출시장 팽창이 너무 과다하게 이루어지지 않도록 조절하여야 함. ● 차주별로 경기나 유동성 공급에 대한 영향을 다르게 받기 때문에, 단순한 총량 관리가 아니라 차주특성별 위험관리가 필요. 이를 위하여 거시경제상황을 반영한 미시적 스트레스 테스트 시스템의 구축이 필요함. ● 또한, 연체율과 같은 후행지표가 아닌, 다중?과다채무와 같은 잠재위험 지표를 통한 선제적 위험 관리가 필요함. ○ 경기가 가계대출에 미치는 단기적인 영향을 관리 ● 경기침체와 유동성 축소가 동시에 발생하여 잠재위험이 너무 급격하게 가시화되지 않도록 조절할 필요가 있음. ● 금융회사의 경기순응식 여신행태로 인하여 경기변동이 가계신용시장에 더 크게 확대되어 나타남. ● 다중채무로 인한 시스템 리스크를 방지하기 위해서는 차주를 매개로한 가계부채시장의 네트워크 구조를 파악하여 리스크의 전이로 인한시장 붕괴가 일어나지 않도록 하여야 함. Ⅵ. 맺음말 □ 본 연구는 개인의 신용정보가 금융시장의 거시건전성에 대해 가지고 있는 영향력을 추정하려 시도 ○ 금융시장 내 여러 금융기관들 간의 네트워크를 고려한 분석 등 본 연구에서 시도한 여러 접근법은 앞으로 더욱 세부적인 분석을 통해 연구될 필요가 있음. □ 거시건전성 감독 시 위험의 예측은 그에 대한 대응정책을 가져오고 만일그 대응책이 유효하다면 위험은 현실화 되지 않으므로 예측 모형의 타당성을 검증할 방법이 없음. ○ 특히 통계적 기법만을 사용해 완벽한 조기경보 체계를 구축한다는 것은 경제 변수들의 내생성 때문에 이론적으로 불가능 ○ 거시건전성 감독을 책임지는 정책당국은 이 문제를 기계적이고 통계적인 추정과 미리 정해진 규제 규칙의 적용으로 접근해서는 안 되고 경제의 상태가 변화하는 과정을 계속 주시하고 이에 따라 규제 강도를 변화시키고 그에 대한 경제의 반응을 고려하여 정책을 집행하여야 함.