금리 스프레드의 실물경제 예측력에 관한 연구 금리 스프레드의 실물경제 예측력에 관한 연구 M&A실 장기천 연구위원 Ⅰ. 서론 Ⅲ. 분석방법 및 결과 Ⅱ. 이론 및 기존연구 Ⅳ. 결론 채권시장에서 결정되는 금리 정보 중 기간스프레드는 미래 경제에 대한 전망을 내포하고, 신용스프레드는 채권발행자의 미래 실적에 대한 전망을 통해 미래 경제에 대한 전망을 반영한다. 또한 통화정책에 대한 시장의 기대를 통해 통화정책당국의 경기 전망이 시장금리에 반영되기도 한다. 이렇게 금리와 실물경제의 이론적 관계는 명확하지만 존재 여부나 그 강도는 채권시장의 발전 수준이나 정보효율성 등에 따라 다를 것이므로 실증적으로 확인해야 한다. 우리나라의 최근 자료를 이용하여 금리 스프레드의 실물경제 예측력에 대해 시차선형 회귀모형과 프로빗(Probit)모형을 이용하여 분석하였다. 기간스프레드와 신용스프레드의 예측력에 대해 살펴본 결과 실질GDP성장률에 대한 예측력은 신뢰성이 낮은 것으로 분석되었다. 특히 신용스프레드의 경우 모형의 유의성에 체계적인 패턴이 보이지 않아 경제적으로나 통계적으로 해석하기 어려운 것으로 나타났다. 경기불황에 대한 예측력 분석에 따르면 기간스프레드가 4개월 시차 모형에서 가장 높은 유의성을 보였다. 반면 신용스프레드는 모형의 유의성에 일관성이 없고, 추정된 계수도 이론적 예측과도 불일치하는 등 경기불황에 대한 예측력이 없는 것으로 보인다. 3년 만기 채권 정보를 이용함에 따라 단기 예측력의 유의성이 낮게 나올 가능성에 대해 확인하기 위해 장기 예측력에 대해서도 분석을 실시하였다. 그 결과 장기 예측력의 유의성이 없는 것으로 나타나 분석에 사용한 채권의 만기가 길어 단기 예측력의 유의성이 낮았던 것은 아닌 것으로 추정된다. 한편, 구조적 변화를 분석한 결과 금융위기 기간을 지나면서 기간스프레드에 대한 경기의 민감도가 커진 것으로 보인다. 이는 우리 경제가 금융위기 이후 저금리･저성장 구조에 진입함에 따라 나타난 현상으로 결과에 타당성이 있는 것으로 판단된다. * 본고의 내용은 집필자의 견해로 당행의 공식입장이 아님 2018. 2 제747호 3 논책 Ⅰ. 서론 최근 우리나라 경제는 반도체 산업을 중심으로 회복세를 보이고 있고, 한국은행도 기준금리를 인상하는 등 이전과는 다른 변화를 보이고 있다. 이러한 상황을 반영하여 채권 시장에서는 금리가 상승하고 장단기 금리차의 변동성이 커지고 있다. 우리나라 채권시장은 실물경제 상황을 적극 반영하고 있는 것으로 보인다. 실물경제지표는 데이터 발표 주기가 길뿐만 아니라 발표시점도 늦어 시의성이 떨어지는 것이 가장 큰 문제점 중의 하나이다. 이 때문에 시장에서 관측가능하고 실시간으로 움직이는 금융지표로 실물경제 상황을 파악하거나 예측할 수 있다면 큰 도움이 될 것이므로 이에 대한 관심이 많은 상황이다. 다양한 금융지표 중 채권시장의 거래정보는 단기부터 장기까지 다양한 시점의 정보를 내포하고 있고, 특히 국고채권의 경우 우리나라 경제 전반에 대한 상황을 반영하는 것으로 인식되고 있어 경제전망에 활용할 경우 유용성이 큰 정보이다. 따라서 채권정보와 거시경제의 관련성에 대한 연구가 많이 수행되었다. 이러한 시기 상황과 적시성 높은 경제지표의 필요성, 과거 연구 동향 등을 살펴볼 때 금리 정보가 실물경제에 대해 가지는 예측력에 대해 다시 한 번 살펴보고 그 유용성을 분석하는 것은 유용할 것으로 판단된다. 따라서 이 글은 채권시장의 중요한 두 가지 정보인 장단기 금리차(기간스프레드)와 신용도 차이에 따른 채권 수익률 차이(신용스프레드)를 중심으로 금리의 경기 예측력에 대해 분석하고자 한다. 이 글의 구성은 다음과 같다. 먼저 2장에서는 금리 스프레드와 실물경제의 관계에 대해 살펴보고, 금리 스프레드의 경기예측력에 관한 기존 연구결과를 정리한다. 3장에서는 분석방법과 분석에 사용된 데이터에 대해 설명하고, 뒤이어 분석결과를 살펴본다. 마지막 장에서는 이번 연구의 결론과 시사점에 대해서 정리한다. 4 산은조사월보 금리 스프레드의 실물경제 예측력에 관한 연구 Ⅱ. 이론 및 기존 연구 1. 금리 스프레드와 실물경제 금리 스프레드는 크게 기간스프레드와 신용스프레드로 나누어 볼 수 있다. 기간스프레드와 실물경제의 관련성은 수익률 곡선의 결정요인에 관한 이론을 통해서, 신용 스프레드와 실물경제의 관련성은 신용위험의 결정요인 등을 통해서 살펴볼 수 있을 것이다. 이러한 경제학 이론적 관점뿐만 아니라 수익률(또는 금리)은 직접적인 정책수단이기 때문에 정책 당국의 의도에 의해(금리조작을 통해서) 실물경제에 영향을 주기도 한다. 따라서 이론적 관점과 정책적 관점으로 나누어 수익률 곡선과 실물경제의 관계에 대해 살펴보고자 한다. (1) 경기전망과 금리 스프레드 채권 수익률은 무위험 이자율과 위험 프리미엄으로 구성되어 있다. 무위험 이자율은 실질이자율에 해당하며 자본의 한계생산성(Marginal Productivity of Capital)에 의해서 결정된다. 자본생산성이 상승할 경우 실질이자율이 상승한다. 위험 프리미엄은 채권에 내재된 각종 위험에 대해 요구되는 프리미엄으로 만기위험 프리미엄과 채무불이행 위험 등이 있다. 일반적으로 경기 호황이 예상되면 기간스프레드가 확대되고 반대의 경우 기간스프레드가 축소된다. 경기 전망이 아주 나쁠 경우 장단기 금리가 역전(음의 기간스프레드)되기도 한다. 기대가설에 따르면 금융시장 참가자의 미래경제에 대한 기대의 변화가 장기금리에 영향을 주게 되며, 그 결과 기간스프레드와 실물경제활동 간에는 양의 상관관계(positive relationship)가 성립한다. 한편, 수익률 곡선은 미래 인플레이션에 대한 정보도 내재되어 있어 미래 인플레이션에 대한 기대도 수익률 곡선의 형태에 영향을 미친다. 즉 현재 수익률 곡선은 미래 경기와 인플레이션에 대한 전망을 반영하고 있다. 신용스프레드도 발행자의 신용도를 반영하므로 경기호황에 대한 전망을 포함한다. 경제가 불황에 빠지면 기업의 실적이 나빠지고 따라서 부도 가능성이 높아지는 등 신용도도 전반적으로 낮아지게 된다. 따라서 경기불황이 우려될 경우 신용스프레드는 확대될 가능성이 크다. 따라서 신용스프레드는 실물경제와 음의 상관관계를 가질 것으로 기대된다. 2018. 2 제747호 5 논책 (2) 통화정책과 금리 스프레드 과거 우리나라 통화정책은 통화량을 정책수단으로 활용하였으나 1998년 물가안정제 도입을 계기로 통화정책 운영방식이 통화량 중심에서 금리 중심으로 변경되었다. 이에 따라 1998년부터는 정책금리를 명시적으로 제시하기 시작하였고, 2008년 3월에는 정책금리를 기존의 콜금리에서 한국은행 기준금리로 변경하였다. 이후 금리 중심의 통화정책이 완전히 자리 잡음에 따라 금리와 실물경제의 연관성은 크게 높아진 상황이다. <표 1> 우리나라 통화정책 약사(略史) 시 기 통 화 정 책 내 용 1991.11~1997.7 4단계로 이루어진 금리 자유화가 시행되면서 시장에 의한 금리의 가격 기능 제고의 기반 마련 1990년대 중반 세계 주요국에서 이자율 정책을 통한 물가안정 및 경제성장을 위한 기반형성 1998년 우리나라도 물가안정목표제를 도입하면서 통화정책운영방식을 통화량 중심에서 금리(콜금리) 중심으로 변경 1998.9.30 한국은행, 금리인하조치 실행 (금리를 명시적인 운용목표로 활용한 첫 사례) 1999.5.6 콜금리 목표수준을 4.75%로 제시 (콜금리 목표를 구체적 수치로 제시하기 시작) 2008.3 정책금리를 콜금리에서 한국은행 기준금리로 변경 자료 : 한국은행, 한국의 통화정책(2017)에서 발췌･정리 중앙은행의 통화정책은 미래 단기금리에 대한 예상을 통제하여 수익률 곡선의 형태에 영향을 미친다. 예를 들어 단기적으로 긴축적 통화정책을 집행할 것으로 전망되는 경우 단기금리가 상승하는데 비해 장기금리는 크게 변하지 않으므로 기간스프레드가 축소되고(수익률곡선이 편평해짐), 투자기회가 줄어들면서 실물경제활동이 둔화된다. 반대로 장기적으로 통화를 증가시킬 것으로 전망되면, 미래 실물경제활동 증가가 예상되고 물가도 전반적으로 상승함에 따라 기간스프레드가 확대된다. 6 산은조사월보 금리 스프레드의 실물경제 예측력에 관한 연구 2. 기존 연구 앞서 살펴본 바와 같이 금리 정보(기간스프레드나 신용스프레드)가 실물경제와 연결되었음에는 이견이 없을 것이나 수익률곡선이 실물경제를 얼마나 잘 예측하는지 어느 視界(horizon)까지 전망하는지는 등은 실증분석의 문제로 볼 수 있다. 시장이 효율적이고 경제가 자유롭게 운영된다면 수익률 곡선은 경제에 대한 예측을 잘 반영할 뿐 아니라 장기적인 시계에 대한 전망까지 포괄할 것으로 기대되지만 반대의 경우라면 수익률 곡선은 경제와 괴리되어 움직일 수밖에 없을 것이기 때문이다. 금리 스프레드의 실물경제 예측력에 관한 최초의 중요(seminal) 논문은 Estrella and Hardouvelis(1991)의 연구이다. 이 논문에서 저자는 선형회귀모형과 프로빗(Probit) 모형을 이용하여 기간스프레드의 예측력을 분석한 결과 경기선행지표나 시차 경제성장률(lagged growth in economic activity) 등과 같은 변수에 비해 예측력이 우수하다고 주장하였다. 이후 Estrella and Hardouvelis(1991)의 방법을 사용하여 국내외에서 많은 연구가 진행되었다. 2000년 이후 국내 연구를 중심으로 기존연구 결과를 살펴보면 문홍배(2001)는 시차상관분석 등 간단한 분석방법을 사용하여 기간스프레드의 경기예측력에 대해 분석한 결과 경기예측력이 없는 것으로 보고하였다. 그러나 이후 발표된 다수의 연구에서는 프로핏 모형 등 추가적 분석방법을 도입하고, 기간스프레드 이외에 신용스프레드를 추가하여 분석한 결과 대체로 금리 스프레드의 경기예측력이 있는 것으로 보고하고 있다. 특히 금리 스프레드 중 신용스프레드보다는 기간스프레드의 예측력이 우수한 것으로 분석되었다. 주요 연구결과에 대해서 정리하면 <표 2>와 같다. 2018. 2 제747호 7 논책 <표 2> 논문 2000년 이후 수익률곡선과 실물경제에 대한 국내 연구논문 기간 변수 방법론 결과 문홍배(2001) 98.9~00.12 (종속변수) 산업생산, 도소매판매, 인플 레이션 증가율 (설명변수) tsp(국고3년-3개월)주1) 시차상관분석 회귀분석 예측력 없음 이창선(2001) (한국) 87.10~01.4 (미국) 65.1~00.4 (종속변수) 불황여부 등 (설명변수) tsp(5년국민주택-1년통안채) csp(3년만기회사채수익률 -5년국민주택) Probit 모형 csp 미미 tsp 우수 91.3~01.12 (종속변수) 경기동행지수 (설명변수) tsp(5년국민주택-콜금리 등) csp(3년만기회사채수익률 -5년국민주택 등) Probit 모형 인과관계 분석 csp 유의성 없음 tsp 우수 00년~07년 (종속변수) 불황여부 (설명변수) 수익률예측요인주2) 회귀분석 probit 모형 수익률 예측요인은 장기전망에 유의함 95.5~07.12 (종속변수) 경기동행지수 경기순환주기 (설명변수) tsp(국고5년-통안1년 등) 회귀분석 Probit 모형 VAR 타변수대비 우수 이현석･정미화 (2008) 01.1~08.6 (종속변수) 고용증가율 (설명변수) csp, tsp 단위근 검정 공적분 검정 인과관계 분석 VAR, VECM 영향력 있음 이근영(2013) 95.5~11.12 (종속변수) 경기불황 Probit 모형 tsp는 주가, 환율보다 예측력 우수 00.10~12.10 (종속변수) GDP증가율 (설명변수) tsp, csp 회귀분석 Probit 모형 예측력 있음 지호준･박상규 (2002) 송준혁･최영수 (2007) 박강식･김석중 (2008) 이헌상(2013) 주1 : csp는 신용스프레드, tsp는 기간스프레드를 의미 주2 : 채권의 초과수익률 설명력에 대한 공통요인을 통계적으로 추출한 것 8 산은조사월보 금리 스프레드의 실물경제 예측력에 관한 연구 Ⅲ. 분석방법 및 결과 1. 분석방법 Estrella and Hardouvelis(1991)의 연구 등 선행연구를 참고하여 다음과 같이 시차선형 회귀모형과 프로빗모형을 사용하여 금리 스프레드의 예측력에 대해 분석하였다. 우선 시차 선형회귀모형은 다음과 같다. (1) 여기서, 는 (t+k)시점의 실질경제 변수, 는 t시점의 금리 스프레드를 의미한다. t시점의 금리 스프레드가 k개월 후 미래시점(t+k)의 실물경제 지표에 대해 의미 있는 설명력을 가졌는지를 살펴보고자 하는 모형이다. 다음으로 프로빗모형은 다음과 같다. P r (2) 여기서, P r 은 Y가 주어졌을 때 X=a일 조건부 확률, 는 (t+k)시점에 불황 여부, 는 표준누적정규분포함수를 의미한다. 식(2)는 앞서 살펴본 시차 회귀모형과 비슷하게 t시점의 금리 스프레드가 (t+k)시점의 불황 여부에 대해 의미 있는 설명력을 가졌는지를 살펴봄으로써 금리 스프레드의 예측력이 존재하는지를 분석하는 모형이다. 그런데 이 경우에 종속변수가 0 또는 1을 갖는 이진수이므로 단순회귀분석을 적용할 수 없으며 따라서 회귀식의 우변(설명변수)이 종속변수와 같은 범위의 값을 갖도록 변환을 해주는 작업이 필요하다. 변환방법(link function)에 따라 다양한 모형이 있지만, 기존연구에서도 사용되었고 일반적으로도 많이 사용되는 누적정규확률분포를 이용하는 프로빗모형을 사용하여 분석하고자 한다. 이렇게 변환된 프로빗모형의 결과는 설명변수 값이 주어졌을 때 미래에 어떤 사건이 발생할 확률로 해석할 수 있으며, 우리의 경우에는 프로빗모형을 통해서 현재 금리 스프레드가 주어졌을 때 미래에 불황이 발생할 확률을 추정하게 된다. 프로빗모형은 통상 2018. 2 제747호 9 논책 최우추정법(Maximum Likelihood Method)를 이용해서 수행되며, 모형의 적합도는 pseudo- 1)로 파악할 수 있다. 2. 데이터 모형의 종속변수로 사용되는 실물경제 지표는 실질 분기 GDP성장률(이하 실질GDP 성장률)을, 불황지표는 2016년 6월에 발표된 제9차 경기종합지수 개편 결과(동행지수)의 순환변동치를 이용하였다. 불황기간은 순환변동치의 정점부터 저점까지의 기간으로 정의하였다. 실질GDP성장률은 국민계정통계로서 분기 단위로 발표되는데 비해 뒤에 설명할 금융데이터는 월별 자료를 사용함에 따라 데이터 주기를 일치시키기 위해 실질 GDP성장률을 보간하여 월별 데이터로 전환하였다. 설명변수는 금리 스프레드 중 기간스프레드와 신용스프레드 두 가지를 모두 살펴보았다. 기간스프레드는 3년 만기 국고채 수익률에서 무담보 콜금리를 뺀 값을 사용하였다. 국고채권이 무위험 채권인 점을 감안할 경우 콜금리는 담보부 콜금리를 사용하는 것이 적절하나 해당 자료는 2003년 10월 이전과 2014년 6월 이후 자료가 없는 등 데이터가 많이 누락되어 부득이하게 무담보 콜금리를 사용하였다. 신용스프레드는 신용등급 AA-인 3년 만기 회사채 수익률과 3년 만기 국고채 수익률의 차이를 사용하였다. 분석대상으로 3년 만기 채권을 사용한 이유는 국고채의 경우 3년 만기 채권의 유동성이 가장 높고 최근까지 지표물로서 시장의 대표상품의 역할을 수행하였기 때문이다. 최근에는 20년 만기 국고채권도 발행되는 등 장기물의 발행이 늘고, 유통시장에서도 거래되는 등 유동성도 증가하였지만 아직까지는 데이터가 축적되지 않아 이번 분석의 대상으로 삼기에는 적절치 않은 것으로 판단하였다. 1) Pseudo- , : 설명변수가 상수만 있는 경우의 로그우도값, : 설명변수가 모두 추가된 경우. 따라서 pseudo- 는 개념적으로 전체 변동분( ) 중에서 설명변수에 의해 추가로 설명된 부분( )의 비율로 해석할 수 있다. 10 산은조사월보 금리 스프레드의 실물경제 예측력에 관한 연구 <표 3> 변수의 정의 기호 변수명 주기 정의 자료출처 gdp 실질분기 GDP성장률 분기 전 분기대비 실질 GDP성장률 (선형보간하여 월별데이터로 변환) 한국은행(ECOS) call 콜금리 월 무담보 콜금리 한국은행(ECOS) tsp 기간 스프레드 월 3년 만기 국고채 수익률에서 콜금리를 뺀 값 한국은행(ECOS) csp 신용 스프레드 월 3년 만기 회사채(AA-) 수익률에서 3년만기 국고채 수익률을 뺀 값 한국은행(ECOS) rec 불황기간 월 경기순환국면의 기준순환일 정점에서 저점까 지의 기간 통계청 분석에 사용된 데이터의 정의와 변수명, 출처 등은 <표 3>과 같다. 이 변수 중 불황기간 변수는 앞서 설명한대로 통계청에서 발표2)하는 경기종합지수를 이용하여 판단하였는데, 경기종합지수 순환변동치를 보았을 때 정점부터 저점까지 기간이 수축기간에 해당하고 수축기간을 경기불황 기간으로 정의하였다. 구체적인 날짜는 <표 4>에 정리되어 있다. <그림 1> 경기동행지수 순환변동치와 불황기 주 : 음영부분이 불황기 자료 : 통계청 <표 4> 기준순환일 순환기 저점 정점 저점 1 '72. 3 '74. 2 '75. 6 2 '75. 6 '79. 2 '80. 9 3 '80. 9 '84. 2 '85. 9 4 '85. 9 '88. 1 '89. 7 5 '89. 7 '92. 1 '93. 1 6 '93. 1 '96. 3 '98. 8 7 '98. 8 '00. 8 '01. 7 8 '01. 7 '02. 12 '05. 4 9 '05. 4 '08. 1 '09. 2 10 '09. 2 '11. 8 '13. 3 11 '13. 3 '13. 3 자료 : 통계청 2) 가장 최근에 개편된 경기종합지수는 9차 경기종합지수이며 2016년 6월 30일에 발표되었다. 발표된 내용에 따르면 2017년 말 현재 우리나라는 제11순환기의 저점을 지난 상황이다. 2018. 2 제747호 11 논책 분석자료는 2000년 10월부터 2017년 9월까지 월별자료를 사용하였으며 변수별로 총 204개의 표본을 사용하였다. 앞서 설명한대로 실질GDP성장률(gdp)은 분기마다 발표되는 변수이므로 월별데이터로 변환해야하는데, 기존 연구의 방법에 따라 선형보간하여 월별 데이터로 변환하였다. 기초통계량을 통해 각 변수에 대해 살펴보면 대상기간 중 실질GDP 성장률은 평균 0.9% 수준이었으며, 초단기 금리인 콜금리는 3.18%, 기간스프레드(tsp)는 0.70%, 신용스프레드(csp)는 0.76% 수준을 보였다. 이번 분석의 주요 설명변수인 두 스프레드를 비교해보면 평균은 신용스프레드가 높았으나 표준편차는 낮아 해당 기간 중 기간스프레드가 신용스프레드에 비해 변동성이 컸음을 알 수 있다. <표 5> 요약통계 (단위 : 개, %) gdp call tsp 표본기간 ’00.10월~’17.9월 표본수 204 csp 평균 0.9392 3.1834 0.6969 0.7626 표준편차 0.7346 1.2079 0.6642 0.5862 실질GDP성장률과 두 스프레드의 추이를 살펴보면(<그림 2>와 <그림 3>), 기간스프레드는 실질GDP성장률과 유사한 방향으로 움직이는데 비해, 신용스프레드는 반대로 움직이는 경향이 있음을 관찰할 수 있다. 이는 Ⅱ장에서 살펴본 이론적 예상과도 일치한다. 또한 기간스프레드는 신용스프레드에 비해 상하 움직임이 많아 앞에서 살펴본 바와 같이 전자의 변동성이 후자에 비해 높음을 시각적으로도 확인할 수 있다. <그림 2> 실질GDP성장률과 기간스프레드 추이 12 산은조사월보 <그림 3> 실질GDP성장률과 신용스프레드 추이 금리 스프레드의 실물경제 예측력에 관한 연구 그래프로 살펴본 실질GDP성장률과 두 스프레드의 상관관계에 대해 구체적으로 상관 계수를 구해보면 <표 6>과 같다. 이는 <그림 2>와 <그림 3>을 통해 직관적으로 관찰한 결과와 일치하는데, 기간스프레드는 실질GDP성장률과 0.40 정도의 상관관계를, 신용 스프레드는 -0.43 정도의 상관관계를 보여주고 있다. 실질GDP성장률과 두 스프레드에 대한 산포도를 그려본 결과(<그림 4> 및 <그림 5>)에서도 두 변수간의 움직임이 상관계수에서 제시된 결과와 일치하는 것으로 나타난다. 이에 비해 불황 여부는 앞의 경우와 반대의 상황을 보여주고 있는데, 기간스프레드와는 음의 상관관계를, 신용스프레드와는 양의 상관관계를 보여주고 있다. 실질GDP성장률과 불황 여부가 반대되는 지표임을 감안하면 직관적으로 타당한 결과로 판단할 수 있다. <표 6> 상관관계 gdp call tsp csp gdp 1 call 0.0955 1 tsp 0.3965 0.0840 1 csp -0.4287 0.1814 0.3702 1 rec -0.3753 0.4374 -0.1935 0.3259 <그림 4> 실질GDP성장률과 기간스프레드 산포도 rec 1 <그림 5> 실질GDP성장률과 신용스프레드 산포도 2018. 2 제747호 13 논책 3. 분석 결과 (1) 개요 앞서 설명한 두 개의 계량 분석 방법(시차선형회귀분석과 프로빗모형)과 데이터를 이용하여 분석을 실시하였다. 우선 기존 연구방법에 따라 1년 이하 시차에 대한 설명력을 분석하였으며, 분석대상 채권 만기가 1년을 초과하는 점을 감안하여 추가적으로 장기 예측력에 대한 분석을 수행하였다. 마지막으로 금리 스프레드의 예측력에 2008년 금융위기를 겪으면서 구조적 변화가 있었는지 분석하였다. (2) 시차회귀분석모형 먼저 1개월 단위로 0~12개월까지 총 13개 시차를 주고 기간스프레드를 설명변수로 하여 회귀분석을 실행한 결과는 <표 7>과 같다. 모형 자체의 통계적 유의성을 보기 위해 F-통계량(F-stat)을 비교해보면 0~10개월까지는 유의수준 5%에서 모형이 유의한 것으로 보인다. 모형의 설명력을 비교하기 위해 조정된 (adjusted )를 살펴보면 시차가 없는 모형(0개월)에서 가장 높고 시차가 커질수록 작아지는 것을 확인할 수 있다. 즉 각 시차 모형이 모두 통계적으로는 유의하나 설명력은 시차가 늘어날수록 떨어지는 것으로 판단된다. 따라서 기간스프레드는 실물경제와 동행하는 면이 강하고, 선행성은 떨어지는 것으로 해석할 수 있다. 마지막으로 각 모형의 계수를 살펴보면 모형이 통계적으로 유의한 경우(시차 0~10개월 모형)에 각 계수도 통계적으로 유의한 것으로 판단되나 소폭이지만 시차가 커질수록 유의성은 낮아지는 현상을 볼 수 있다. <표 7> 시차(개월) 0 1 2 3 4 5 0.63354 0.63809 0.6446 0.65894 0.68282 0.71734 (0.0000) (0.0000) (0.0000) (0.0000) (0.0000) (0.0000) 0.43863 0.42623 0.41955 0.4101 0.38294 0.33682 주 기간스프레드의 시차 회귀분석 결과 (0.0000) (0.0000) (0.0000) (0.0000) (0.0000) (0.0000) 0.1531 0.1450 0.1406 0.1375 0.1205 0.0922 F-stat 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 : F-stat은 F통계량의 p-value를 표시한 것임, 추정치 아래 괄호 안 숫자는 p-value 14 산은조사월보 금리 스프레드의 실물경제 예측력에 관한 연구 시차(개월) 6 7 8 9 10 11 12 0.74545 0.76687 0.78607 0.8085 0.83336 0.85842 0.87286 (0.0000) (0.0000) (0.0000) (0.0000) (0.0000) (0.0000) (0.0000) 0.2959 0.26324 0.23228 0.19535 0.1554 0.11545 0.09062 (0.0001) (0.0006) (0.0025) (0.0114) (0.0451) (0.1380) (0.2460) 0.0699 0.0542 0.0411 0.0276 0.0156 0.0063 0.0018 F-stat 0.0000 0.0005 0.0025 0.0114 0.0450 0.1381 0.2464 주 : F-stat은 F통계량의 p-value를 표시한 것임, 추정치 아래 괄호 안 숫자는 p-value 앞의 분석과 유사하게 설명변수를 신용스프레드로 대체하여 분석한 결과가 <표 8>에 제시되어 있다. 모형의 유의성(F-stat, 5%유의수준)을 살펴보면 0~2개월 시차 모형은 유의성이 있으나, 3~5개월 시차 모형에서는 유의성이 없는 것으로 나타났다가 이후 6개월 ~12개월 시차모형에서는 다시 유의성이 있는 것으로 나타난다. 통계적 유의성에 일관된 패턴이 보이지 않고 다소 임의적(random)인 패턴을 보이는 점은 계량분석 결과에 대해 경제적으로나 통계적으로 의미있는 해석을 할 수 없다는 점에서 신용스프레드의 실질GDP성장률 예측력에 대한 신뢰성은 낮은 것으로 판단된다. 또한 0개월 시차 모형의 유의성이 가장 높게 나타난 점은 신용스프레드의 예측력이 존재하지 않음을 확인해주는 결과로 볼 수 있다. <표 8> 신용스프레드의 시차 회귀분석 결과 시차(개월) 0 1 2 3 4 5 1.3489 1.2816 1.1705 1.0430 0.9253 0.8228 (0.0000) (0.0000) (0.0000) (0.0000) (0.0000) (0.0000) -0.5372 -0.4532 -0.3045 -0.1239 0.0336 0.1703 (0.0000) (0.0000) (0.0005) (0.1460) (0.7010) (0.0505) 0.1798 0.1271 0.0546 0.0056 -0.0043 0.0143 F-stat 0.0000 0.0000 0.0004 0.1463 0.7006 0.0504 시차(개월) 6 7 8 9 10 11 12 0.7463 0.6997 0.6919 0.7171 0.7636 0.7971 0.8019 (0.0000) (0.0000) (0.0000) (0.0000) (0.0000) (0.0000) (0.0000) 0.2692 0.3275 0.3341 0.2965 0.2318 0.1842 0.1739 (0.0019) (0.0002) (0.0001) (0.0007) (0.0082) (0.0366) (0.0490) 0.0432 0.0664 0.0693 0.0536 0.0308 0.0175 0.0150 F-stat 0.0019 0.0001 0.0001 0.0006 0.0081 0.0365 0.0489 주 : F-stat은 F통계량의 p-value를 표시한 것임, 추정치 아래 괄호 안 숫자는 p-value 2018. 2 제747호 15 논책 결론적으로 두 모형에서 공통적으로 0시차 모형의 설명력이 가장 높게 나타난 점은 실질GDP성장률에 대한 기간스프레드와 신용스프레드의 예측력은 크지 않은 것으로 볼 수 있다. 특히 신용스프레드는 모형의 유의성에 임의적인 패턴을 보여 예측력에 대한 신뢰성이 낮은 것으로 보인다. (3) 프로빗모형 분석 이번에는 종속변수로 실질GDP성장률 대신 불황 여부를 사용한 프로빗모형을 통해 금리 스프레드의 불황예측력에 대해 살펴보고자 한다. 식(2)를 이용한 프로빗모형을 기본적으로 사용하되 설명변수로는 기간스프레드와 신용스프레드를 사용한 경우를 나누어 분석하였다. 우선 기간스프레드를 설명변수로 사용한 경우의 분석 결과는 <표 9>에 제시되어 있다. 각 모형별 설명력(pseudo- )을 비교해보면 4개월 시차에서 가장 설명력이 높고 그 전후로는 점차 설명력이 낮아지는 패턴을 보이고 있다. 따라서 불황에 대해서는 기간 스프레드가 4개월 정도 선행하며, 불황에 대한 예측력을 가지고 있는 것으로 판단할 수 있다. 4개월 시차 모형의 계수 중에 절편( )은 통계적으로 유의하지 않으나 기울기( )는 통계적으로 유의하다. 또한 기울기 계수는 이론적 예측(불황여부와 기간 스프레드의 음의 상관관계)과 일치하여 전반적으로 예측력이 있는 것으로 판단하는데 무리가 없어 보인다. <표 9> 기간스프레드의 프로빗모형 분석 결과 시차(개월) 0 1 2 3 4 5 -0.0900 -0.0939 -0.0995 -0.0987 -0.0997 -0.1575 (0.4910) (0.4738) (0.4490) (0.4543) (0.4516) (0.2342) -0.4182 -0.4265 -0.4317 -0.4478 -0.4611 -0.3803 (0.0049) (0.0043) (0.0040) (0.0031) (0.0025) (0.0104) 0.0311 0.0322 0.0330 0.0354 0.0373 0.0262 pseudo- 시차(개월) 6 7 8 9 10 11 12 -0.2385 -0.3235 -0.3782 -0.4179 -0.4383 -0.5005 -0.5541 (0.0718) (0.0150) (0.0047) (0.0019) (0.0012) (0.0002) (0.0001) -0.2653 -0.1493 -0.0820 -0.0383 -0.0228 0.0706 0.1491 (0.0651) (0.2870) (0.5547) (0.7815) (0.8687) (0.6062) (0.2750) 0.0133 0.0044 0.0014 0.0003 0.0001 0.0010 0.0047 pseudo- 주 : 추정치 아래 괄호 안 숫자는 p-value 16 산은조사월보 금리 스프레드의 실물경제 예측력에 관한 연구 다음으로 신용스프레드를 설명변수로 사용한 경우의 분석 결과는 <표 10>에 제시되어 있다. 신용스프레드의 경우는 앞서 분석한 결과와 달리 0시차 모형에서 가장 설명력이 높고, 이후 시차가 커질수록 설명력이 감소하는 패턴을 보이고 있다. 앞서 분석한 시차 회귀분석의 결과와 유사한 패턴인 바, 신용스프레드는 불황에 대한 예측력이 미미한 것으로 판단할 수 있다. <표 10> 신용스프레드의 프로빗모형 분석 결과 시차(개월) 0 1 2 3 4 5 -1.0950 -0.9302 -0.7850 -0.6623 -0.5853 -0.5268 (0.0000) (0.0000) (0.0000) (0.0000) (0.0001) (0.0004) 0.9597 0.7186 0.5131 0.3442 0.2364 0.1518 (0.0001) (0.0004) (0.0034) (0.0307) (0.1241) (0.3182) 0.0919 0.0654 0.0403 0.0201 0.0094 0.0037 pseudo- 시차(개월) 6 7 8 9 10 11 12 -0.4977 -0.4622 -0.4476 -0.4357 -0.4439 -0.4386 -0.4323 (0.0009) (0.0022) (0.0032) (0.0044) (0.0038) (0.0044) (0.0051) 0.1035 0.0465 0.0157 -0.0119 -0.0135 -0.0143 -0.0164 (0.4970) (0.7619) (0.9190) (0.9395) (0.9314) (0.9273) (0.9168) 0.0000 0.0000 0.0000 0.0000 0.0000 0.0017 0.0003 pseudo- 주 : 추정치 아래 괄호 안 숫자는 p-value (4) 장기 전망 앞의 분석에 따르면 시차에 따른 회귀분석에서 모형의 설명력( 등)이 지속적으로 하락하거나(기간스프레드를 설명변수로 사용한 경우), 특정 패턴 없이 등락을 보여(신용 스프레드를 설명변수로 사용한 경우) 금리 스프레드의 실물경제 예측력에 신뢰성이 없는 것으로 판단하였다. 이러한 현상이 나타나는 가능한 이유 중 하나는 기간스프레드와 신용스프레드 산출에 3년 만기 채권이 사용됨에 따라 1년 이하의 경제전망에 대한 정보가 없고 대신 장기적 전망이 반영되었기 때문일 가능성이 있다. 따라서 이 절에서는 장기 전망에 대한 금리 스프레드 설명력을 살펴보아 위에서 제시된 가능성이 존재하는지 확인하고자 한다. 단 신용스프레드의 설명력은 이번 연구에서 일관되지 않게 나타나고 앞선 연구에서도 설명력이 떨어지는 것으로 나타나고 있으므로 이번 분석은 기간 스프레드를 위주로 진행하였다. 2018. 2 제747호 17 논책 장기 전망을 검정하기 위해 1, 3, 5, 7, 9, 10년(월 기준으로는 12, 36, 60, 84, 108, 120월) 시차3)에 대해 분석한 결과가 <표 11>에 제시되어 있다. 모형 전체에 대한 유의성(F-stat)을 살펴보면 3년(36개월)과 7년(84개월) 시차 모형에서 유의하고 나머지 모형은 유의성이 없는 것으로 나타난다. 모형의 설명력은 7년 시차 모형이 다소 높게 나고 추정된 계수의 유의성도 7년 시차 모형이 크다. 따라서 일단 3년과 7년 시차 모형이 예측력을 가지는 것으로 볼 수 있으나, 각 모형의 계수를 살펴보면 기간스프레드의 계수( )는 1년 및 9년 시차 모형에서는 양수인데 나머지 시차모형에서는 음수를 나타내고 있다. 이는 이론적 예측과 다른 결과로서 통계적 유의성에도 불구하고 기간스프레드의 경기예측력이 없을 가능성을 시사하는 것으로 볼 수 있다. <표 11> 기간스프레드의 시차 회귀분석 결과(장기) 시차(월) 12 36 60 84 108 120 0.8728 1.0385 0.8790 1.0021 0.7453 0.7499 (0.0000) (0.0000) (0.0000) (0.0000) (0.0000) (0.0000) 0.0906 -0.1679 -0.0246 -0.2263 0.1122 -0.0069 (0.0180) (0.0887) (0.8670) (0.2460) (0.0335) (0.7730) 0.0018 0.0210 -0.0064 0.0384 0.0202 -0.0118 F-stat 0.2464 0.0335 0.7727 0.01798 0.08866 0.8673 주 : F-stat은 F통계량의 p-value를 표시한 것임, 추정치 아래 괄호 안 숫자는 p-value 다음으로 기간스프레드의 경기불황에 대한 예측력 분석(프로빗모형) 결과는 <표 12>에 제시되어 있다. Pseudo- 는 3년(36개월) 시차 모형에서 가장 높게 나타나고 추정된 계수의 유의성도 높게 나와 모형의 예측력에 유의성이 있는 것으로 보이지만, 계수의 부호가 앞서 분석한 단기전망의 결과뿐만 아니라 이론적 예측과 일치하지 않는다. 따라서 장기 예측에 대한 기간스프레드의 예측력은 신뢰성이 낮은 것으로 볼 수 있다. 3) 시차가 증가할수록 데이터가 줄어들기 때문에(1년 시차 증가 시 12개 데이터 소실), 장기 시차분석의 기간을 늘리기에는 한계가 있다. 본 연구에 사용한 기간스프레드가 3년인 점을 감안하면 10년 시차까지 보는 것으로 장기전망은 충분할 것으로 판단된다. 18 산은조사월보 금리 스프레드의 실물경제 예측력에 관한 연구 <표 12> 기간스프레드의 프로빗모형 분석 결과(장기) 시차(월) 12 36 60 84 108 120 -0.5541 -1.6954 0.0089 -0.3900 -0.6668 -1.6593 (0.0001) (0.0000) (0.9640) (0.0656) (0.0076) (0.0000) 0.1491 1.3753 -1.0117 -0.1890 -0.1875 0.9993 (0.2750) (0.0000) (0.0001) (0.2968) (0.4814) (0.0004) 0.0047 0.3019 0.1353 0.0074 0.0047 0.1516 pseudo- 주 : 추정치 아래 괄호 안 숫자는 p-value (5) 구조적 변화 이 절에서는 2007년 금융위기의 영향으로 채권시장에 구조적 변화가 발생하고 그 결과로 금리 스프레드의 경기예측력에 변화가 있었는지 살펴보고자 한다. 앞선 분석에서 예측력이 있는 것으로 파악된 기간스프레드를 이용한 불황 여부 분석(프로빗모형)을 중심으로 살펴보고자 하며, 분석에 사용한 모형은 식(3)과 같다. P r × (3) 여기서, 는 2007년까지는 0, 그 이후에는 1을 갖는 더미(dummy)변수이고, 앞선 분석에서 예측력이 가장 높았던 4개월 시차 모형을 적용하므로 k=4이다. 분석결과는 <표 13>에 제시되어 있다. 이에 따르면 구조적 변화를 검정하는 계수( , ) 중 기울기에 대한 구조적 변화( )는 유의하지 않으나 절편에 대한 구조적 변화( )는 10% 유의수준에서 유의한 것으로 추정되었다. 추정된 계수를 살펴보면, 절편은 금융위기 전에 0.3075에서 금융위기 후에 -0.2632로 크게 낮아졌고, 기울기는 금융위기 전에 -0.5318에서 금융위기 후에 -0.8068로 감소하였다(절댓값 기준으로는 증가하였다). 이는 동일한 기간스프레드일 경우 금융위기 이후에 불황 발생확률이 낮아진 것을 의미하며(<그림 6>) 기간스프레드에 대한 경기의 민감도가 커진 것으로 해석할 수 있다. 금융위기 이후 우리 경제가 저금리･저성장 구조에 진입하면서 전반적으로 기간스프레드가 낮아진 상황을 반영한 것으로 해석할 수 있다4). 다만 계수에 대한 통계적 유의성이 크지 않아 이러한 구조적 변화가 발생하였음을 강력히 주장하기는 힘들 것으로 보인다. 4) 경제가 저성장･저금리 상황일 경우 장단기 금리차가 줄어드는 것이 일반적이며, 이러한 상황에서 경제가 회복할 것으로 예상되는 경우 기간스프레드는 증가폭이 크지 않을 가능성이 크다. 2018. 2 제747호 19 논책 <그림 6> 금융위기 전후 프로빗모형 변화 <표 13> 구조적 변화 추정결과 구분 추정치 0.3075 -0.5318 (0.2112) (0.0356) -0.5707 (0.0547) -0.2750 (0.4662) 0.0904 pseudo- 주 : 추정치 아래 괄호 안 숫자는 p-value Ⅳ. 결론 금리 수준은 자본의 한계생산성을 반영하고 장기금리는 미래 금리에 대한 전망을 반영하므로 장단기 금리차(기간스프레드)는 현재와 미래의 자본의 한계생산성의 차이를 반영하고 이는 미래 경제에 대한 전망을 내포하는 것으로 해석할 수 있다. 신용스프레드도 역시 미래 경제에 대한 예측력을 보유하고 있다. 채권발행자(통상 기업)의 신용도는 발행자의 미래 실적에 대한 전망을 반영하는 바, 전반적인 신용스프레드 수준은 기업의 미래 실적 즉, 미래 경제에 대한 전망을 보여주는 것으로 이해할 수 있다. 또한 통화정책에 대한 시장의 기대를 통해 통화정책당국의 경기 전망이 시장금리에 반영되기도 한다. 이러한 이론적 관계에 대해 실증적으로 확인하기 위해 우리나라의 최근 자료를 이용하여 금리 스프레드의 실물경제 예측력에 대해 살펴보았다. 기간스프레드와 신용스프레드가 실질GDP성장률이나 경기불황 예측에 유의한 설명력을 갖는지 시차선형회귀모형과 프로빗모형을 이용하여 분석하였다. 기간스프레드와 신용스프레드의 예측력에 대해 살펴본 결과 우선 실질GDP성장률에 대한 예측력은 시차가 없는 모형의 통계적 유의성이 가장 높게 나타나는 점으로 보아 신뢰성이 낮은 것으로 분석되었다. 특히 신용스프레드의 경우 모형의 유의성에 체계적인 패턴이 보이지 않아 경제적으로나 통계적으로 해석하기가 어려워 보였다. 다음으로 경기불황에 대한 예측력을 살펴본 결과에서는 기간스프레드가 4개월 시차 모형에서 가장 20 산은조사월보 금리 스프레드의 실물경제 예측력에 관한 연구 높은 유의성을 보였다. 시차별 모형의 유의성 패턴도 4개월 시차모형을 중심으로 낮아지는 패턴을 보여 4개월 시차모형을 정점으로 예측력이 집중되는 것으로 해석할 수 있어 예측력의 신뢰성이 높은 것으로 판단된다. 반면 신용스프레드는 모형의 유의성에 일관성이 없고, 추정된 계수도 이론적 예측과도 불일치하는 등 경기불황에 대한 예측력에 유의성이 없는 것으로 보인다. 결과의 타당성(robustness) 검정을 위해 2~10년 기간의 장기예측에 대한 분석과 금융위기 전후 구조적 변화 여부에 대해서 추가적으로 분석하였다. 3년 만기 채권을 이용함에 따라 단기 예측력이 유의하지 않게 나올 가능성에 대해 검정하기 위해 장기예측을 실시한 결과 장기예측력은 유의하지 않은 것으로 나타났다. 따라서 채권만기가 길어 단기예측력이 좋지 않게 나온 것은 아닌 것으로 추정된다. 구조적 변화가 있었는지 그 내용이 경제상황과 일치하는지 살펴보기 위해 구조적 변화를 분석한 결과, 금융위기를 지나면서 기간스프레드에 대한 경기의 민감도가 커진 것으로 보인다. 이는 우리 경제가 금융위기 이후 저금리･저성장 구조에 진입함에 따라 경기가 변동해도 기간스프레드의 변화폭이 과거에 비해 크게 변하지 않게 된 것으로 해석할 수 있어 결과의 타당성이 있는 것으로 판단된다. 이상의 결과에서 금리 정보가 실물경제에 대한 예측력을 어느 정도 갖는 것으로 결론 내릴 수 있다. 하지만 실질GDP성장률에 대한 예측력이 부족하게 나타나거나 신용 스프레드가 유의성이 없는 점 등은 우리나라 채권시장에서 시장참가자들이 실물경제에 대한 전망을 적극적으로 반영하지 못하는 등 아직 채권시장의 발전수준이 미흡하기 때문인 것으로 볼 수 있다. 마지막으로 이번 연구의 한계와 향후 연구방향에 대해 살펴보면 다음과 같다. 우선 우리나라 장기채권 시장의 유동성이 충분하지 못하여 이번 연구에서는 장기채권 등을 활용하여 다양한 기간스프레드에 대해서 분석하지 못한 한계가 있다. 이는 향후 시장이 활발해지고 데이터가 축적되면 수행할 연구과제로 남아있다. 이와 유사하게 신용스프레드도 다양한 신용등급별 스프레드를 사용하거나 만기별 신용스프레드 등을 사용하여 다양한 분석을 시도할 필요성이 있으나 이 또한 대표적 신용등급(예를 들어 AA) 이외의 채권이 활발하게 거래되지 못하는 우리나라의 현실적 제약을 고려할 때 단기간에 의미 있는 분석을 하기는 어려울 것으로 보인다. 마지막으로 채권시장의 정보효율성 제고, 실물경제와 채권 시장의 연계성 강화 및 이를 통한 통화정책의 효율성 제고 등을 위한 채권시장 제도적 측면에 대한 연구도 필요할 것으로 보인다. 2018. 2 제747호 21 논책 참고문헌 [국문자료] 문홍배(2001), “수익률 곡선의 거시경제변수 예측력”, 산업은행 박강식･김석중(2008), “금리스프레드의 경기 예측력에 관한 연구”, 한국금융학회 송준혁･최영수(2007), “경기변동 예측에 대한 채권가격정보의 유용성 분석”, KDI 이근영(2013), “금융변수의 불황예측력 비교”, 금융연구 이창선(2001), “금리 스프레드의 경기예측력에 관한 연구”, LG경제연구원 이헌상(2013), “금리스프레드의 경기예측력 비교에 관한 연구”, 산업경제연구 이현석･정미화(2008), “채권시장과 경기순환의 연관성에 대한 연구”, 여성과 경영 지호준･박상규(2002), “금리 스프레드의 경기예측력 평가”, 재무관리연구 한국은행(2017), “한국의 통화정책” [영문자료] Estrella, Artuto and Hardouvelis(1991), “The Term Structure as a Predictor of Real Economic Activity”, The Journal of Finance 22 산은조사월보