스트레스 테스트와 Monte Carlo 시뮬레이션을 통한 국내금융기관의 주택담보대출 신용위험분석 = Estimation of the Credit Risk of Mortgage Loans Using Stress Test and Monte Carlo Simulation

국문 초록 (Abstract)

본고에서는 스트레스 테스트와 Monte Carlo 시뮬레이션 방법론을 사용하여 국내 금융기관의 주택담보대출의 예상손실을 추정한다. 스트레스 테스트는 이례적인 거시경제 충격으로 인한 금융기관의 예상손실을 측정하는 방법으로 본고에서는 거시경제의 충격으로 발생하는 스트레스 요인 중 주택가격 폭락과 차입자의 상환능력급락을 고려한다. 1998년 외환위기 당시 대표적인 부동산 시장지표인 국민은행 아파트가격지수 기준으로 서울, 강남, 전국 아파트 가격은 각각 17.8%, 17.6%, 14.9% 하락하였다. 이를 기초로 이례적인 경기침체상황이 발생한 경우 주택가격이 20%까지 하락하고 차입자의 신용등급이 3등급까지 하락할 때 발생하는 주택담보대출 손실규모를 산출한다. 본 논문의 특징은 지금까지 국내에 보고된 스트레스 테스트 논문과는 달리 거시경제에 이례적 충격이 발생했을 때 주택담보대출의 부도율과 부도대출손실률(loss given default; LGD)의 변화를 미시적 자료를 사용하여 실증적으로 추정하여 손실규모를 추정하였다는 것이다. 구체적으로 주택가격하락이 담보가치하락을 통해 부도율과 LGD에 미치는 영향을 추정하였다. 상환능력하락도 없고 주택가격도 변화하지 않을 때 주택담보대출 포트폴리오의 예상손실률은 0.27%; 상환능력하락 없이 주택가격만 10%, 20% 하락할 때 예상손실률은 0.34%, 0.44%; 주택가격이 20% 하락하고 상환능력하락이 1등급, 2등급, 3등급 하락할때 예상손실률은 1.50%, 2.32%, 3.49%로 각각 추정되었다. 그러나 주택가격이 30%, 40%, 50% 하락하고 신용등급 3등급 하락하는 스트레스 상황(미국의 경우와 같은 극심한 스트레스 상황과 유사) 하에서 예상손실률은 2.66%~3.41%로 증가하는 것으로 추정
되었다.
Monte Carlo 시뮬레이션을 통한 분석결과 주택가격 20%하락과 신용등급 1등급, 2등급, 3등급 하락시 99.9% VaR(최대 손실예상치)는 각각 1.518%, 2.261%, 3.307%로, 99.99% VaR는 각각 1.678%, 2.421%, 3.466%로 추정되었다. 국내주택담보대출은 담보부 대출로 신용대출에 비해 안정성이 높은데다 국내금융기관들의 낮은 담보인정비율로 인해 주택가격하락 스트레스에는 높은 안정성을 보이나 가계의 상환능력하락 스트레스에는 취약함을 확인하였다.

다국어 초록 (Multilingual Abstract)

In this paper, we estimate the expected loss of mortgage loans held by Korean financial institutions using stress test as well as Monte Carlo simulation. Stress test attempts to measure the expected loss incurred by the financial institutions caused by an extraordinary level of shocks in the macro-economy.
As macro-shocks we consider a dramatic fall in the house price and the impairment in the borrower's debt repayment ability. The Kookmin house price index for Seoul, Kangnam, and the whole country, fell by 17.8%, 17.6%, 14.9%, respectively, following the 1998 foreign exchange crisis in Korea. On the basis of this, we estimate the mortgage loan loss caused by the fall in the house price of 20% as well as up to 3 notch drop in the borrower's credit rating.
The most salient aspect of this paper is the fact that unlike the other research papers which use the stress test methodology we estimate the default rate, LGD (loss given default) and the loan loss regression equations using micro data empirically. Specifically, we estimate the effect of the house price change, which reduces the value of the loan collateral, on the default rate and the LGD. We also model the impact of the reduction in the borrower ability to repay the loans on the default rate empirically.
In the base case, where there is no macro-stress, the expected loan loss is 0.27%. When the house price falls by 10% and 20% and the borrower's credit rating does not fall, the expected loan losses are 0.34% and 0.44%, respectively. We find that when the house price falls by 20% and the borrower's credit rating falls by 1 notch, 2 notch, and 3 notch the expected loan losses are 1.50%, 2.32%, 3.49%, respectively. Furthermore, under more
extreme stress conditions where the house price falls by 30%, 40% and 50% and the credit ratings of prime borrowers, middle credit risk borrowers as well as high credit risk borrowers drop by three notches (similar to the stress in the US), the expected mortgage loan loss rate rises to 2.66%-3.41%.
On the other hand, the results of Monte Carlo simulation shows that when the house price falls by 20% and the borrower's credit rating falls by 1 notch, 2 notch, and 3 notch the expected loan loss is such that the 99.9% VaRs (value-at-risk) are 1.518%, 2.261%, 3.307%, respectively and the 99.99% VaRs (value-at-risk) are 1.678%, 2.421%, 3.466%, respectively.
The Korean mortgages show a high stability in the face of the house price drop stress since the lending institutions apply a very low loan-to-value ratio in addition to the mortgage loans being collateralized with residential properties. On the other hand, they are sensitivie to the stress caused by the reduction in the borrowers repayment ability.

목차 (Table of Contents)

• < Abstract >
• Ⅰ. 서론
• Ⅱ. 선행연구 검토
• Ⅲ. 방법론
• Ⅳ. 스트레스 테스트를 이용한 예상손실률 추정
• Ⅴ. VaR 방법론을 이용한 예상손실률 추정
• Ⅵ. 결론
• 참고문헌
• <부록 1> 기술통계량
• 국문요약

참고문헌 (Reference)

• 1 김도완, "이분산 및 자기상관, 조건부 부도시 손실률(LGD)을 반영한 가계 대출 스트레스 테스트" 한국은행 16 (16): 121-157, 2010
• 2 이지언, "우리나라 은행산업의 스트레스 테스트를 통한 주택대출의 신용위험관리" 한국금융연구원 2005
• 3 전흥배, "스트레스테스트를 활용한 은행 가계대출부문의 안정성 연구" 한국은행 14 (14): 71-100, 2008
• 4 서정의, "스트레스테스트를 이용한 우리나라 금융시스템의 안정성 분석" 한국은행 56 (56): 31-56, 2005
• 5 곽동철, "가계신용부문에 대한 거시경제 충격 스트레스 테스팅" 한양대학교 경제연구소 27 (27): 93-112, 2005
• 6 Pennington-Cross,Anthony, "Subprime and Prime Mortgages:Loss Distributions" 2003
• 7 Calem, Paul S, "Risk Based Capital Requirements for Mortgage Loans" 28 (28): 647-672, 2004
• 8 Kalirai, H, "Macroeconomic Stress Testing:Preliminary Evidence for Austria" Austrian National Bank 2002
• 9 Virolainen,K, "Macro Stress Testing with a Macroeconomic Credit Risk Model for Finland" 2004
• 10 Qi, Min, "Loss Given Default of High Loan-to-Value Residential Mortgages" Office of the Comptroller of the Currency 2007
• 11 Zhang Y., "Local Housing Market Cycle and Loss Given Default:Evidence from Sub-Prime Residential Mortgages" IMF 2010
• 12 Lekkas, Vassilis, "Loan Loss Severity and Optimal Mortgage Default" 21 (21): 353-371, 1993
• 13 Hoggarth, G., "Cost of Banking Instability: Some Empirical Evidence" 26 (26): 825-855, 2002
• 14 Park, Y. W., "Are Broker Quotes Too Optimistic:Korean Evidence" 13 (13): 46-78, 2010
• 15 Wong, J., "A Framework for Sress Testing Banks' Credit Risk" 2 (2): 3-23, 2008