금요강좌 VOD

  1. 경제교육
  2. 온라인 학습
  3. 금요강좌 VOD
참고
플레이 버튼을 클릭하시면 바로 동영상 열람이 가능합니다. ※ 전체화면으로 보기 원하실때는 동영상 우측 하단의 확대버튼을 클릭하여주세요.
제목
[제928회] 핀테크의 확산과 통화정책 효과 : 중국 사례 연구
학습주제
경제이론·교양
대상
일반인
설명

제928회 한은금요강좌

 ㅇ 일시 : 2023. 7.14(금)

 ㅇ 주제 : 핀테크의 확산가 통화정책 효과 : 중국 사례 연구

 ㅇ 강사 : 경제연구원 거시경제연구실 곽보름 과장

교육자료
[제928회] 핀테크의 확산과 통화정책 효과 : 중국 사례 연구
(2023. 7.14(금), 경제연구원 거시경제연구실 곽보름 과장)

(곽보름 과장)
안녕하세요. 오늘 한은 금요강좌의 진행을 맡은 한국은행 경제연구원 거시경제연구실에서 일하고 있는 곽보름 과장입니다. 이렇게 오늘 오전부터 비가 계속 내렸는데 이렇게 한은 금요강좌에 관심을 가지고 참석해주셔서 대단히 감사드립니다. 오늘 저희가 함께 이야기해볼 주제는 핀테크의 확산과 통화정책의 파급효과에 대한 내용인데요, 저는 이번 강의에서 주로 중국 사례를 바탕으로 한 내용을 전달하고자 합니다.

[Contents](p.2)
우선 오늘 강의의 개요에 대해서 간략하게 설명을 드리겠습니다. 우선 검토배경은 우리가 왜 비가 오는 날씨에도 불구하고 여기서 핀테크가 통화정책에 어떤 영향을 미치는가에 대해서 고민을 해봐야 하는지에 대한 이유에 대해서 간략하게 설명을 드리고, 그 다음으로는 이 연구 주제 자체가 중국 사례를 바탕으로 하기 때문에 중국의 핀테크 이용과 통화정책에 대한 내용을 설명을 드리겠습니다. 이어서 중국의 핀테크 이용 정보와 통화정책을 바탕으로 해서 주요 실증분석 결과에 대해서 간략하게 설명을 드리고, 마지막으로 이러한 분석 결과를 통해서 우리가 함께 고민해봐야 될 문제점들에 대해서 이야기를 나누는 방식으로 진행하도록 하겠습니다.

[1. 핀테크(FinTech)란?](p.3)
처음으로 이 강의의 키워드기도 하죠, 핀테크라는 게 대체 무엇인가에 대해서 간략하게 이야기하고 넘어가도록 하겠습니다. 아마 여기 계신 많은 대학생 분들은 실제로 핀테크를 사용해보셨거나 아니면 오며가며 핀테크에 대해서 이야기를 하거나 혹은 들어보셨을 거라고 생각이 되는데요. 기본적으로 핀테크라는 게 무엇인가 라고 했을 때 금융이라는 뜻의 Financial과 기술이라는 의미의 Technology의 합성어로서 정보통신기술을 바탕으로 한 굉장히 다양한 금융서비스들을 의미하고 있습니다. 핀테크가 무엇이냐고 물어봤을 때 대부분 어떤 특정한 핀테크 기업의 이름이 떠오르시거나 아니면 서비스가 떠오르실 수 있을 텐데 사실 핀테크라는 컨셉 자체가 지급결제나 대출, 개인자산관리, 크라우드펀딩, 암호자산, 전자화폐를 포함한 굉장히 포괄적인 개념입니다. 하지만 오늘 저희가 이 강의에서는 주로 우리가 일상적으로 많이 사용하는 지급결제라든가 대출, 신용평가 등과 같은 금융서비스에 좀 더 집중해서 강의를 하도록 하겠습니다.

[1. 우리나라의 핀테크(FinTech) 시장](p.4)
제목에서 보실 수 있듯이 이 강의는 중국 사례에 대한 연구입니다. 하지만 핀테크의 확산이 비단 중국만의 이야기는 아니고 중국 외 특정 국가들에 국한된 게 아닌 전 세계적인 현상이고 그런 측면에서 우리나라의 핀테크 시장은 과연 어떠한가에 대해서 간략하게 짚고 넘어가도록 하겠습니다. 보시면 이 슬라이드의 그림에서 2020년도 기준 분야별 국내 핀테크 기업 비중을 보여주고 있는데요. 보시면 상대적으로 지급결제 서비스, 예를 들기 위해서 특정 핀테크 기업이나 서비스에 대해서 언급을 하겠습니다. 예를 들어 카카오페이나 네이버페이 등과 같은 지급결제가 차지하는 비중이 상대적으로 많지만, 최근 들어서는 그 외 크라우드펀딩이라든가 암호화폐, P2P 대출과 같은 다양한 형태의 핀테크 서비스들이 빠르게 성장하고 있습니다. 2019년도 설문조사에 따르면 디지털 기계를 활발하게, 자유롭게 사용할 수 있는 성인 인구, 기본적으로 여기 계신 모든 분들이 포함될 것 같은데요, 디지털 기계를 자유롭게 사용할 수 있는 인구의 67% 정도가 이런 핀테크 서비스를 두 가지 이상 사용해본 경험이 있거나, 아니면 일상적으로 사용을 한다고 응답했다고 합니다. 여기 계신 분들의 10명 중 6, 7명 정도가 핀테크를 일상적으로 접하거나 활발하게 이용하고 있다는 것을 의미하는데요. 예를 들어서 제가 점심을 먹고 네이버페이로 점심을 결제를 하고 돌아와서 회사에서 토스 앱을 통해서 제 신용정보나 평가에 대한 검색을 해보고, 신용평가를 바탕으로 한 소액 가계대출의 한도에 대해서 확인을 하고 소액대출을 받는다면 이런 일련의 행동들이 세 가지 정도의 핀테크 서비스를 포함하고 있습니다. 첫 번째로는 지급결제고요, 두 번째로는 신용평가에 대한 서비스고, 마지막으로는 소액 대출에 해당되는 활동을 한 것을 의미합니다. 이처럼 우리가 일상적으로 이미 많은 분들이 핀테크 서비스를 사용하고 있거나 혹은 앞으로 사용할 가능성이 많으실 텐데요. 그런 측면에서 이러한 핀테크 서비스의 확산이 과연 경제에 어떤 영향을 미칠 것인가, 혹은 더 나아가서 통화정책에 어떤 영향을 미칠 것인가에 대한 의문을 가지게 됩니다.

[1. 핀테크(FinTech) 관련 연구의 필요성](p.5)
그렇다면 우리가 핀테크를 일상적으로 많이 사용하기 때문에 당연히 경제나 통화정책에 영향을 미칠 수 있고, 우리가 거기에 대해서 고민을 해봐야 한다는 이야기를 했는데요. 그뿐만 아니라 핀테크가 가지는 차별화된 특성들을 바탕으로 해서 왜 우리가 이 시점에 핀테크에 대해서 연구를 해볼 필요가 있는가에 대해서 설명을 드리겠습니다. 핀테크 자체도 금융 혁신의 일환입니다. 금융 혁신이라고 한다면 전통적인 방식의 금융시장이나 시스템에서의 접근 방법이나 그런 것들이 혁신적인 기술의 발전과 더불어서 변화하는 것을 의미하는데요. 핀테크도 기존의 금융혁신의 한 형태입니다. 하지만 기존의 금융 혁신과 차별화된 특징들이 몇 가지가 있는데 그중 첫 번째까 굉장히 빠른 확산 속도를 보인다는 것입니다. 두 번째로는 빅데이터를 바탕으로 한 금융 서비스를 제공한다는 것이고, 마지막으로 가장 중요하게는 기존의 금융시장의 영향력을 약화시킬 가능성이 있다는 것입니다.

[1. 우리나라의 핀테크(FinTech) 시장](p.4)
앞 슬라이드를 보시면 그림에서 신흥시장국 은행이나 선진국 은행을 대상으로 해서 과연 어떤 디지털 기술들이 은행의 예금을 위협할 수 있을 것인가에 대한 설문조사에 대한 대답입니다. 보시면 오픈뱅킹, 빅데이터, AI, 블록체인과 같은 디지털 기술들이 잠정적으로 은행 예금에 위협이 될 수 있는 기술이라고 응답을 했는데요. 보시면 이러한 모든 언급되어있는 기술들이 핀테크의 기반이 되는 기술이거나 혹은 핀테크 서비스와 굉장히 밀접하게 관련이 되어있는 기술들입니다.

[1. 핀테크(FinTech) 관련 연구의 필요성](p.5)
그런 측면에서 이러한 핀테크가 기존의 금융 혁신과 달리 기존 금융시장의 영향력을 오히려 약화시킬 수 있다는 점이 특징이라고 볼 수 있습니다. 좀 더 구체적인 예를 들자면 금융 혁신 중에서 폰뱅킹을 예로 들면 우리가 현금을 가지고 은행에 가서 예금하거나 송금하는 것을 떠나서 전화로 집에서 예금과 송금을 할 수 있는 이러한 것 또한 금융 혁신의 일환이고, ATM 기기가 배포가 되는, 확산이 되는 것 또한 금융 혁신의 일환입니다. ATM 기기가 확산이 되면서 은행 영업시간 이외에도 좀 더 높은 접근성과 편리함을 가지고 예금과 송금을 할 수 있게 되는데요, 이러한 금융 혁신들 같은 경우에는 기존에 원래 있던 은행의 서비스를 우리가 좀 더 편하고 빠르게 이용할 수 있게, 즉 기존의 은행 서비스를 서포트하는 역할의 금융 혁신이라고 한다면 오늘 발표할 핀테크 서비스 같은 경우에는 반대로 기존에 있는 은행 서비스들이나 금융상품들을 대체함으로써 오히려 시장의 영향력을 약화시킬 수 있는 가능성이 있다는 측면에서 차이점이 있다고 할 수 있겠습니다. 그렇다면 그동안의 핀테크나 통화정책에 대한 연구가 없었느냐 하면 물론 그건 아닙니다. 당연히 핀테크가 굉장히 중요한 화두로 이야기가 되고 있고 주로 정책적인 논의를 바탕으로 해서 많이 이루어지고 있습니다. 또한 중앙은행의 디지털화폐에 대한 연구에 주로 집중이 되어있습니다. 아마 디지털화폐에 대해서 많이 들어보셨을 텐데요, Central Bank Digital Currency를 줄여서 CBDC라고 불리는 중앙은행의 디지털화폐에 대한 연구가 당행뿐만 아니라 전 세계 중앙은행에서 활발하게 연구되고 있습니다. 물론 우리가 핀테크의 하드웨어적인 측면에서 보는 디지털화폐의 변화가 금융이나 통화정책 자체의 시스템을 바꿀 수 있다는 측면에서 굉장히 중요하게 다루어져야 되는 부분이라는 것은 확실합니다. 그렇기 때문에 우리도 굉장히 다양한 방식의 디지털화폐에 대한 연구나 세미나들이 이뤄지고 있습니다. 이런 부분에 관심있으신 분들은 한국은행에서 이뤄지는 세미나들이나 관련 연구들을 보시면 좋을 것 같습니다. 하지만 주로 이런 핀테크 관련된 연구들이 중앙은행의 디지털화폐에 대한 연구에만 집중이 되어있습니다. 우리가 일상적으로 많이 사용하는 금융활동들, 지급결제나 대출이라든가, 아니면 신용평가와 같은 이런 디지털 핀테크 서비스들에 대한 연구는 상대적으로 부재한 상태입니다.

[2. 실증분석 방법: 모형 및 데이터](p.6)
그렇기 때문에 우리가 이 강의에서는 핀테크 서비스의 이용량이 확대가 되었을 때 통화정책의 파급효과에 어떤 영향을 줄 수 있을 것인가에 대한 의문을 가지고 강의를 진행하도록 하겠습니다. 구체적으로 설명을 하자면 통화정책에 충격이 주어졌을 때, 통화정책의 충격이라고 한다면 우리가 예상하지 못했던 통화정책의 변화를 충격이라고 분석을 하는데요, 통화정책 충격이 주어졌을 때 지역별로 핀테크 서비스 이용량에 따라서 통화정책의 파급효과가 달라질 수 있는가에 대한 내용입니다. 물론 이러한 내용들에 대한 정책적 논의가 이뤄질 수 있겠지만 이 강의에서는 이런 질문을 바탕으로 통계적인 모형과 데이터를 이용해서 실증 분석 결과를 도출하는 것을 설명하고자 합니다. 이 강의에서는 제가 통계적 모형의 복잡한 수식이나 기호들에 대해서 설명하는 대신에 이 모형의 기본적인 아이디어가 무엇인지에 포커스를 맞춰서 설명을 하도록 하겠습니다. 이 모형에서 저희는 통화정책의 충격에 따른 지역별 경제·금융 변수들의 반응의 정도, 모형에서는 반응계수라고 할 수 있는데요, 이런 반응계수가 지역별 핀테크 서비스 사용량에 따라서 어떻게 달라질 수 있는지를 모형으로 설정을 했습니다. 즉 충격이 주어졌을 때 지역별 경제·금융 변수들이 반응을 하는데 그 반응 정도가 핀테크 사용량에 따라서 달라지도록 모형을 설정을 했고, 이러한 모형을 추정하기 위해서 우리가 필요한 데이터가 세 가지가 있습니다. 첫 번째로는 당연히 이 연구는 통화정책 충격에 대한 내용이기 때문에 중앙은행의 통화정책 충격에 대한 변수가 필요하고요. 두 번째로는 지역별 경제·금융 변수들, 이 연구에서는 GDP, 소비자물가지수, 은행 대출, 주택가격 변수들이 사용됐습니다. 마지막으로는 연구에서 통화정책이 주어졌을 때 지역별 경제·금융 변수들이 변화를 하는데 그 변화하는 정도가 핀테크 사용량에 따라서 달라지는 것을 보기 위해서 지역별 핀테크 서비스 이용 정보가 필요한 데이터로 사용되고 있습니다. 즉 핀테크를 우리가 일상적으로 많이 사용하는데 이렇게 많이 사용하는 것들이 결과적으로 통화정책의 파급효과에 영향을 줄 수 있는가, 준다면 어떤 방향으로 주는가, 강화를 시키는가 약화를 시키는가에 대한 질문에 답을 하기 위해서 통계적인 모형과 데이터를 이용하고 있고. 이런 모형과 데이터를 이용해서 핀테크 사용량에 따른 통화정책 충격의 반응 차이를 비교해서 분석하고자 합니다.

[2. 중국 사례 연구](p.7)
앞서 설명드렸듯이 이번 강의의 내용은 중국 사례를 바탕으로 한 연구입니다. 왜 한국은행에서 하는 연구인데 우리나라 핀테크 정보가 아니라 중국 사례에 대한 연구를 진행을 하는가에 대한 궁금증이 있으실 수 있을 것 같은데 일단 중국은 핀테크의 산업의 발달 정도나 다양성 측면에서 전 세계 다른 나라들에 비해 굉장히 압도적인 지위를 차지하고 있습니다. 보시면 2019년도 기준에서 국가별 대체신용, 즉 은행의 신용 외에 핀테크 신용을 포함한 대체신용의 사용량 순위에서도 중국이 압도적으로 많은 양을 차지하고 있고. 그 다음으로 미국, 일본, 한국, 영국 순서로 많이 사용하는 것을 보여주고 있습니다. 또한 1인당 대체신용 사용량에서도 다른 나라들에 비해서 중국의 사용량이 압도적으로 많다는 것을 볼 수가 있습니다. 그렇기 때문에 중국이 핀테크 산업에 있어서는 리딩 플레이어(Leading player)라고 할 수 있고, 그런 측면에서 저희가 중국의 사례를 바탕으로 한 연구를 진행했습니다. 물론 중국이 핀테크가 많이 발달돼있고 중국 안에서 굉장히 다양하게 많은 핀테크 기업들이 있을 텐데요. 이 연구에서는 저희가 알리페이(Alipay)에서 제공하는 다양한 금융서비스의 이용량을 핀테크 사용량이라고 보고 있습니다. 그렇다면 다른 많은 핀테크 기업 중에 하필이면 알리페이냐고 생각하실 수 있는데 알리페이의 모기업인 앤트 파이낸셜(Ant Financial)이라는 그룹은 중국 내 시장 점유율 1위의 핀테크 기업이기도 하고, 그리고 알리페이는 2018년도 기준에서 중국 내 온라인/모바일 지급결제의 55% 이상을 차지하는 큰 기업입니다. 그렇기 때문에 어느 정도 알리페이에서 제공하는 금융서비스의 이용이 핀테크 사용량의 대표성을 가진다고 볼 수 있습니다. 그렇기 때문에 이 연구에서는 알리페이에서 제공하는 금융서비스를 우리가 얼마나 많이, 자주 사용하는지에 대한 정보를 핀테크 사용량 변수로 사용하고 있습니다. 중국에서는 이런 알리페이 서비스 이용량을 중국의 30개 성(省) 수준(province level), 여기서 성은 행정구역 단위인데요, 우리나라와 굳이 비교하자면 도 정도 되겠네요, 전라북도나 경상북도 같은. 그런 지역별 핀테크 서비스 사용 정보가 사용이 가능하고, 이 연구에서는 2011년도 1분기부터 2018년도 4분기까지의 지역별 핀테크 서비스 이용량을 사용했습니다.

[2. Alipay의 핀테크 서비스 이용 정보](p.8)
보다 구체적으로 우리가 사용하는 핀테크 서비스 이용량 변수에 과연 어떤 정보들이 포함되어있는지에 대해서 다음과 같은 표로 정리를 했는데 이 표는 Guo와 공저자들이 쓴 논문에서 발췌한 내용입니다. 보시면 총 핀테크 사용량에 대한 변수에서 굉장히 다양한 여러 가지 서비스들이 포함되어있습니다. 지급결제, 보험, 그리고 대출, 단기금융펀드, 투자, 신용평가와 같은 우리가 일상적으로 접할 수 있는 금융 서비스 활동들이 포함돼있고, 각각의 활동들에 대해서, 예를 들면 지급결제 같은 경우에는 이런 이용자들이 얼마나 많이, 자주, 그리고 총액이 어느 정도 되는지에 대한 정보를 포함하고 있고. 세 번째에 있는 대출의 경우에는 소액가계대출의 경우에 얼마나 자주 대출을 이용하는지, 얼마나 총액이 많은지, 중소기업대출 같은 경우에도 얼마나 자주, 많이 사용하는지에 대한 정보를 포함하고 있습니다. 그런 측면에서 저희가 사용하는 핀테크 서비스 이용량 변수가 굉장히 다양한 핀테크 서비스의 이용 정보들을 포함하고 있다고 할 수 있겠습니다. 이 데이터 자체는 저희가 모은 데이터는 아니고 중국 북경대학교의 디지털 금융 연구소에서 매 분기마다 이렇게 핀테크 서비스에 대한 이용량을 지역별로 조사해서 보고하고 있습니다.

[2. 중국의 지역별 핀테크 사용량 분포](p.9)
그렇다면 이제 우리가 지역별 핀테크 서비스 이용량에 대한 변수를 가지고 있다면 이 변수가 가지는 특징들에 대해서도 생각해볼 필요가 있습니다. 첫 번째로 핀테크 서비스의 지역별 분포에 대해서 잠깐 보시면요, 2011년도와 2018년도의 분포를 보여주고 있습니다. 어두운 지역일수록 핀테크 서비스 이용량이 많은 지역을 의미합니다. 보시면 동부 해안쪽에 있는 성들이 주로 핀테크 이용량이 많을 텐데 상하이를 포함한 상대적으로 잘 사는, 경제발전이 잘 되어있는 지역들이라고 할 수 있겠습니다. 보시면 2011년도와 2018년도를 비교했을 때 핀테크 서비스 이용 분포 자체의 차이는 크게 있지 않습니다. 하지만 시간이 지날수록 지역 간의 격차가 줄어드는 추세를 보이고 있습니다. 이게 하나의 특징이고.

[2. 핀테크 이용량의 증가 추세](p.10)
그 다음으로 우리가 고려해볼 수 있는 특징은 핀테크 서비스 이용량이 굉장히 빠른 추세효과를 보인다는 것입니다. 앞서 핀테크의 특징 중 하나로 제가 굉장히 빠른 확산속도에 대해서 이야기를 드린 적이 있는데 보시면 위에 있는 그래프 같은 경우는 2011년도의 핀테크 사용량 대비 2015년도의 핀테크 사용량을 비교한 그림입니다. 보시면 2011년도 대비해서 2015년도에 훨씬 많은, 두 배 이상의 핀테크 성장률을 보이고 있습니다. 아래도 마찬가지입니다. 이처럼 핀테크 이용량 자체의 빠른 확산 속도를 고려했을 때 이런 증가 추세를 보이는 것을 확인할 수 있습니다.

[2. 지역별 상대적 핀테크 이용량](p.11)
이처럼 핀테크 자체가 지역별로 분포가 다르고, 지역별로 이용하는 정도가 다르고, 동시에 확실한 시간에 따른 추세효과를 보이고 있는 것을 볼 수가 있는데 이 연구에서 모형을 추정하기 위해서 저희가 핀테크 사용량을 이용할 때 이런 추세효과를 제거해줄 필요가 있습니다. 왜냐하면 우리가 알고 싶은 것은 지역에 따라서 핀테크 서비스 이용량이 다를 때 통화정책의 충격이 지역별로 얼마나 다르게 나타나는가를 보고 싶은 것인데 굉장히 강한 추세효과가 존재할 경우에는 예를 들어서 2013년도에 가장 핀테크 사용량이 낮은 성과 2011년도에 핀테크 사용량이 가장 높은 성을 비교했을 때 이런 추세효과가 굉장히 강하기 때문에 두 개를 비교했을 때 그 차이가 오히려 2011년도의 핀테크 사용량이 낮은 지역이 더 높을 수가 있습니다. 그렇기 때문에 기본적인 추세효과를 제거해야 하는 필요성이 있고. 두 번째로 그럼에도 불구하고 지역별로 핀테크 사용량이 상이한 이질성을 유지해줄 필요가 있습니다. 이러한 목적을 위해서 원래 가지고 있던 핀테크 서비스 이용량 변수를 변환을 했는데 예를 들면 지역별 핀테크 사용량을 각 분기별로 전국 평균으로 나눠줌으로써 상대적 이용량 변수를 만들었습니다. 보시면 그림에서 아래의 축을 보시면 1을 기준으로 해서 1보다 작거나, 크거나 한 것을 볼 수가 있는데 그게 의미하는 것은 예를 들면 위에서 두 번째에 있는 상하이 같은 경우에는 1보다 큰 것을 볼 수 있습니다. 즉 상하이의 핀테크 이용량이 전국 평균을 상회한다는 것을 의미합니다. 1보다 작을 때는 상대적으로 핀테크 사용량이 전국 평균을 하회한다는 것을 의미하고, 예를 들면 내몽골이나 지린성 같은 경우에는 상대적으로 핀테크 사용량이 적은 것을 볼 수가 있겠습니다. 이렇게 변수를 변환함으로써 우리가 추세효과를 줄이면서 동시에 지역별 핀테크 사용량의 차이를 유지하고자 이렇게 변수를 변환을 했습니다.

[2. 핀테크 확산과 경제·금융 발전](p.12)
그 다음의 특징이라고 한다면 우리가 예상 가능한 특징입니다. 핀테크가 경제나 금융시장의 발전과 굉장히 긴밀하게 연결되어 있다는 것입니다. 생각해보시면 예를 들면 우리가 상하이를 생각해보면 상하이의 핀테크 사용량은 전국 평균에 비해서 굉장히 높을 것으로 예상이 가능하고, 동시에 상하이의 경제나 금융시장 발전 또한 다른 지역에 비해서 클 것이라고 예상할 수 있습니다. 이처럼 핀테크가 지역별 경제·금융 발전 정도와 굉장히 강한 상관관계를 가지는 것을 우리가 알 수 있습니다. 구체적인 예를 들자면 각 지역별로 핀테크 사용량과 1인당 GDP를 비교해봤을 때 상관관계가 0.5 이상으로 굉장히 강하게 나타나는 걸 볼 수가 있고. 금융시장이 얼마나 자본화되었는가, 발전했는가에 대한 지수인 marketization index와 비교를 하면 0.7 이상으로 굉장히 강한 상관관계를 보입니다. 하지만 이 연구에서 저희가 알고 싶은 것은 경제·금융 발전에 대한 내용이 아닙니다. 핀테크가 발전했을 때 그게 얼마나 지역의 파급효과에 영향을 줄 수 있는가를 보기 위해서 이런 잠재적 내생성을 완화하는 도구변수 추정법을 사용하고 있습니다. 즉 핀테크가 가지는 외생적인 효과에 집중하기 위해서 알리페이 모기업으로부터의 물리적 거리를 도구변수로 사용했습니다. 그 이유는 이런 물리적 거리 같은 경우에는 경제·금융의 발전과는 어느 정도 상관관계가 없지만, 핀테크 서비스의 확산과는 상관관계가 있기 때문에 이러한 도구변수를 사용을 했습니다.

[2. 중국의 지역별 경제·금융 변수](p.13)
제가 지금까지는 중국의 핀테크 서비스 이용량이 어떤 정보를 포함하고 있고, 또 핀테크 서비스의 이용량이 지역별로 얼마나 다르고, 강한 추세효과를 보이고, 이런 추세효과를 잡기 위해서 어떻게 변환을 해야 되며, 또한 마찬가지로 이런 핀테크가 경제·금융 변수들과 굉장히 강한 상관관계를 가지기 때문에 이런 것들을 어떻게 경제학적으로 완화시킬 수 있는가 그런 측면에서 설명을 드렸고. 그 다음으로 우리가 필요한 데이터가 중국의 지역별 경제·금융 변수입니다. 여기서 저희는 사용하는 게 30개 성(省)별 GDP, 소비자물가지수, 은행 대출, 주택가격 변수를 사용하고 있습니다. 여기서 이러한 변수들을 특히 각 분기별로 전년도 대비 증가율을 사용했습니다. 즉 2022년 1분기 대비해서 2023년 1분기의 증가율이 어떤가를 봤는데 이런 증가율을 사용한 이유는 크게 두 가지입니다. 우선 이런 변수들도 굉장히 강한 추세효과를 보이기 때문에 이런 추세효과를 제거하기 위한 목적이 있고. 두 번째로는 우리나라 데이터도 마찬가지지만 중국의 데이터도 굉장히 뚜렷한 계절성, seasonality라고 불리는 계절성을 보이고 있기 때문에 그런 계절성을 고려하기 위해서입니다. 특히 중국의 경우에는 춘절이라고 부르는 명절이 있는 1월달을 포함한 1분기와 다른 분기의 차이가 굉장히 크기 때문에 이렇게 전년도 대비 증가율을 사용함으로써 계절성을 고려할 수 있습니다.

[2. 중국의 통화정책](p.14)
마지막으로 필요한 데이터는 중국의 통화정책 충격변수입니다. 저는 여러분들과 같이 이야기를 하면서 이 사례는 중국 사례를 바탕으로 한 연구이지만 이야기를 함께 하면서 이러한 중국 사례들에서 나오는 내용들이 우리나라나 다른 선진국에도 적용이 가능한가에 대해서 생각을 하면서 들으시면 훨씬 더 이 강의가 흥미로울 것이라고 생각이 됩니다. 그런 측면에서 중국의 통화정책에 대해서 잠깐 설명을 드리겠습니다. 과연 중국의 중앙은행인 인민은행의 통화정책의 파급효과가 보편적인 함의를 가지는가? 왜냐하면 이런 의문을 제기할 수 있는 부분이 중국 통화정책의 제도적 특성이 존재하기 때문입니다. 예를 들면 우리나라는 기준금리, 미국의 연방준비은행 같은 경우는 금리에 대해서 그것을 통화정책의 수단으로 사용하는 반면에, 중국은 굉장히 다양한 정책수단을 복합적으로 사용하고 있습니다. 그런 측면에서 차이가 있고. 또 예를 들면 중국 같은 경우에는 최근까지, 과거에는 M2 공급량의 성장률을 정책의 중간목표로 삼다가 최근에는 이자율을 중간목표로 삼는 식으로 전환기를 거쳐왔습니다. 그렇기 때문에 이러한 중국 통화정책의 제도적 특성이 우리나라나 기타 다른 선진국들의 통화정책과 비슷하게 움직일 것인가에 대한 의문이 들 수 있습니다. 이런 부분에 대해서는 다행스럽게도 최근 다양한 경제 연구들을 통해서 이런 중국의 통화정책의 제도적 특성에도 불구하고 선진국의 중앙은행들의 통화정책과 유사한 파급효과를 보인다. 예를 들면 확장적 통화정책을 시행했을 때 GDP나 인플레이션의 반응이라거나, 통화정책 파급효과의 경로들이 잘 작동한다는 것에 대한 연구들이 있습니다. 그런 측면에서 저희가 어느 정도는 중국의 통화정책이 보편적 함의를 가진다고 고려를 할 수가 있겠습니다. 이 연구에서 중국의 통화정책의 충격을 식별을 해야하는데 저희는 Chen과 그 공저자들이 쓴 논문을 바탕으로 해서 중국의 통화정책 충격을 식별했습니다. 기본적인 아이디어는 우리가 예상 가능한 정책의 변화는 충격이 아닙니다. 그렇기 때문에 중국의 통화정책 준칙에서 설명되는 부분을 제외한, 설명되지 않는 나머지 부분을 충격변수로 사용하고 있습니다. 그렇다면 중국의 통화정책 준칙이 무엇인가 생각을 한다면 중국의 통화정책 준칙 같은 경우에는 이 논문에서 고려되고 있는 부분입니다. 지난 분기 인플레이션 대비 인플레이션 타겟과, 지난 분기 GDP 성장률 대비 GDP 성장률 타겟의 차이를 반영해서 M2 성장률을 조정하는 것을 준칙으로 하고 있습니다. 즉 이러한 인플레이션이나 GDP 성장률 목표치로부터의 차이로 설명이 되지 않는 부분을 우리가 충격이라고 식별을 하고 있습니다. 앞서 잠깐 언급했듯이 중국의 통화정책 같은 경우에 제도적 특성이 있는데 그중 가장 큰 부분 중 하나가 우리나라나 다른 기타 선진국 같은 경우에는 물가 안정, 인플레이션을 굉장히 중요한 주요 정책 목표로 가지고 있지만, 중국의 경우에는 인플레이션보다는 GDP 성장률을 정책 목표로 공표하고 있습니다. 그런 측면에서 중국의 통화정책 같은 경우에는 실제 GDP 성장률이 목표 성장률에 비해서 얼마나 높은지, 낮은지가 굉장히 중요한 이슈가 될 수 있습니다. 그런 측면에서 이 논문에서 다루고 있는 통화정책 준칙 같은 경우에는 실제 GDP 성장률과 목표 성장률의 차이, 그게 양인지 음인지에 따라서 반응계수가 달라지도록 설정을 하고 있습니다. 저희가 소개해드린 논문의 방식을 따라서 중국의 통화정책 충격을 식별해본 결과는 GDP 성장률의 목표치가 실제 성장률보다 낮을 경우, 예를 들면 중국 정부에서 나온 목표치는 6%였는데 실제 나온 성장률이 5%일 경우, 이렇게 낮을 경우에는 굉장히 적극적인 확장적 통화정책을 취하는 것으로 추정이 되었고, 반대로 목표치 대비 실제 성장률이 높은 경우에는 약하게 긴축적 통화정책을 취하는 것으로 나왔습니다. 그만큼 중국의 통화정책에서 GDP 성장률에 대한 목표치가 굉장히 중요한 타겟이라는 것을 보여주는 내용이라고 할 수 있겠습니다.

[2. 중국인민은행의 확장적 통화정책 효과](p.15)
이렇게 통화정책 준칙에서 설명되지 않는 부분을 우리가 통화정책 충격이라고 봤고, 그렇다면 다음으로 볼 수 있는 건 중국의 통화정책 충격이 왔을 때 경제 변수들이나 금융 변수들이 어떻게 반응을 하는가, 그 반응이 우리가 경제학 이론을 바탕으로 해서 이해 가능한 정도인가에 대한 내용인데 보시면 중국의 확장적 통화정책이 왔을 때 경제·금융 변수들의 반응을 추정한 결과입니다. 각각의 그래프들은 GDP 성장률의 반응, 인플레이션의 반응, 그리고 대출과 주택가격의 반응을 요약해서 보여주고 있는 건데 예를 들어서 지금 이 첫 번째 그림 같은 경우에는 Real GDP, 실질 GDP 성장률의 반응을 보이고 있습니다. 확장적 통화정책이 왔을 때 실질 GDP 성장률이 증가하는, 경기 부양을 위한 정책목표에 맞게 증가하는 것을 볼 수가 있고. 아래 1분기 이후에도, 2분기 이후에도 우리가 양의 성장률을 보이는 것을 볼 수가 있겠습니다. 즉 이 까만색 실선 자체는 통화정책 충격이 왔을 때 경제변수들이 얼만큼 반응을 하는가를 요약한 내용이고, 까만 실선 주변으로 이렇게 있는 회색 구간은 이러한 반응들이 얼마나 통계적으로 유의한가에 대한 정보를 담고 있습니다. 예를 들어서 첫 번째 그림인 Real GDP의 성장률을 보시면 확장적 통화정책 충격이 왔을 때 충격이 온 그 분기에 약 0.3% 정도의 Real GDP 성장률을 보이고, 그 다음으로 0.05, 0.1% 정도의 긍정적인 성장률을 보이고 있는데 이러한 성장률이 통계적으로 90% 신뢰구간에서 유의하다는 해석을 할 수 있겠습니다. 만약에 이런 회색 구간이 굉장히 넓어서 0을 포함하고 있다고 한다면 Real GDP가 올라가지만, 성장률이 올라가지만 통계적으로 유의하지 않다고 해석을 할 수 있겠습니다. 즉 보시면 확장적 통화정책이 왔을 때 GDP나 인플레이션, 대출, 주택가격들이 확장적 형태로 움직이는 것을 볼 수가 있고, 대부분의 반응들이 통계적으로 유의한 결과를 보이는 것을 볼 수가 있습니다. 이를 통해서 중국의 통화정책 충격이 우리가 예상 가능한 방향으로 움직이는 것을 확인할 수가 있습니다. 하지만 우리 관심사는 중국의 통화정책 충격이 제대로 작동하는가, 안 하는가가 아니라 이런 중국의 통화정책 충격이 각각의 지역에 이 정도의 평균적인 영향을 주는 것은 알겠는데 지역별 핀테크 서비스 이용량에 따라서 이러한 반응이 어떻게 달라질 수 있는가가 사실 주요 관심사라고 할 수 있겠습니다.

[3. 핀테크 확산과 통화정책 파급효과](p.16)
다음 그림이 이러한 질문에 대한 대답을 담고 있습니다. 여기서 제가 하나 안내해드려야 될 내용이 있는데 오늘 여기 참석해주신 분들께 배포해드린 강의 책자에 있는 그림과 지금 이 발표 자료에 있는 그림이 조금 다릅니다. 제가 발표 자료를 만들 당시에 실수로 다른 결과를 첨부를 했는데 그것을 수정하지 못해서 다른 자료가 들어갔는데요. 그렇기 때문에 지금 보시고 있는 이 결과와 다음장 슬라이드는 강의 책자가 아니라 함께 이 슬라이드를 보시면서 이야기를 하면 좋을 것 같습니다. 보시면 이 그림에서 우리가 각각의 GDP나 인플레이션, 대출, 주택가격의 성장률에 대한 반응을 보여주고 있는데 각각의 그림에 두 가지 다른 색깔의 선이 있습니다. 하나는 빨간색이고 하나는 파란색 선인데요, 여기서 빨간색은 통화정책 충격이 왔을 때 핀테크 서비스 이용량이 적을 때의 반응이고, 파란색은 핀테크 서비스 이용량이 많을 때의 반응입니다. 즉 확장적 통화정책이 왔을 때 GDP가 오르고, 인플레이션이 오르고, 대출이 증가하고, 주택가격이 증가하는데 그 증가하는 정도가 핀테크 서비스 양이 많을 때는 상대적으로 덜 증가하더라는 것이 이 그림에서 보여주고 있는 메세지입니다. 보시면 모든 그림에서 빨간색 라인이 파란색 라인보다 위에 있는 것을 볼 수가 있습니다. 즉 핀테크 서비스 이용량이 많을수록 확장되는 영향이 적더라는 것을 보여주고 있는 그림입니다. 그렇다면 이제 우리가 이러한 빨간색과 파란색 라인의 차이가 통계적으로 유의미한 정도의 차이인가에 대해서 궁금할 수 있는데요.

[3. 핀테크 확산과 통화정책 파급효과](p.17)
다음으로 보여드리는 그림이 그 차이에 대한 유의성을 보여주고 있습니다. 핀테크 서비스 이용량이 많을 때의 반응과 적을 때의 반응의 차이를 구한 것입니다. 즉 각각의 그림들이 다 0보다 작은, 마이너스의 영역에서 움직이고 있는 것을 볼 수가 있습니다. 이게 마이너스라는 것은 핀테크 사용량이 많은 경우에 통화정책의 파급효과가 더 약화되는 것을 의미합니다. 또한 이런 마이너스의 반응들이 통계적으로 유의미한 것을 확인할 수 있습니다. 특히 제가 여기서 강조하고 싶은 것은 아래쪽에 있는 대출에 대한 반응입니다. 보시면 은행 대출에 대한 반응이 즉각적으로 약화되고, 약화된 효과가 지속적인 것을 확인할 수 있습니다. 즉 핀테크 서비스의 이용량이 많아졌을 때 통화정책의 충격에 대한 영향이 약화되는 것을 볼 수 있는데 특히 대출 측면에서 이런 약화되는 효과가 좀 더 지속적이고 강하게 나타나더라는 것이 주요 실증분석 메세지입니다.

[3. 핀테크 확산과 통화정책 파급효과](p.18)
앞서 이 주요 실증분석 결과에 대해서 제가 간략하게 설명을 드렸고요. 그렇다면 그 다음으로 이런 결과들을 설명을 드리면 궁금하실 수 있습니다. 핀테크 서비스의 이용 확산이 통화정책의 파급효과를 약화시키는 결과로 움직인다는 것은 실증분석 결과를 통해서 알 수가 있는데 과연 그렇게 되는 메커니즘이 무엇일까?, 어떤 경로로 통화정책의 파급효과의 약화를 만들어내는가?에 대한 궁금증을 가질 수 있는데 그렇기 때문에 이 연구에서는 이런 핀테크 서비스의 이용 확산이 통화정책의 파급효과를 약화시키는 잠재적인 메커니즘에 대한 추가적인 연구를 진행했습니다. 그래서 이러한 잠재적 메커니즘 관련해서는 일단 기본적으로 핀테크나 금융과 관련된 선행 연구들을 바탕으로 해서 가능한 잠재적인 메커니즘들을 몇 개를 골랐고, 메커니즘이 실제로 작동을 하는가에 대해서 각각 실증분석을 진행을 했습니다.

[3. 잠재적 메커니즘 분석](p.19)
다음에 보여드리는 슬라이드가 제가 이 연구에서 같이 이야기해볼 잠재적인 메커니즘들입니다. 우선 첫 번째로 이 슬라이드에서 잠재적인 메커니즘들에 대해서 간략하게 설명을 드리고 각각에 대해서 좀 더 구체적으로 추후에 다시 설명을 드리도록 하겠습니다. 일단 첫 번째로는 신용제약(financial constraint)의 완화라는 메커니즘입니다. 기본적으로 핀테크 신용 같은 경우에는 일반 은행의 대출과 달리 담보에 덜 의존적인 성향을 가지고 있습니다. 그렇기 때문에 핀테크 서비스의 확산이 신용제약을 일시적으로 완화시킴으로써 대차대조표 경로(balance sheet channel)를 통한 통화정책의 파급효과를 약화시킬 수 있다는 내용입니다. 예를 들면 개인이나 신생 기업들 같은 경우에는 신용제약이 어느 정도 있을 텐데요, 그런 신용제약으로 인해서 통화정책의 파급효과가 영향을 미치는데, 핀테크가 들어오면서 이런 신용제약이 완화가 돼버리면 통화정책의 파급효과가 이런 대차대조표 경로를 통해서 들어오는 영향이 약화될 수 있습니다. 이게 하나의 잠재적인 메커니즘이라고 할 수 있고. 두 번째 메커니즘은 전통적인 금융시장과의 경쟁 관계입니다. 우리가 앞서 잠깐 핀테크의 특징으로 말씀을 드렸던 것 중 하나가 핀테크의 확산이 기존 금융시장의 영향력을 약화시킬 수 있다고 설명을 드렸는데 그것과 직접적으로 연관이 되어있는 메커니즘이라고 할 수 있겠습니다. 예를 들면 핀테크와 기존의 금융시장이 어떤 관계를 가질 것인가에 대해서 상상을 해볼 수 있는데 두 가지가 가능하겠죠. 보완 관계도 있을 수 있고 대체 관계도 있을 수 있습니다. 예를 들면 보완 관계 같은 경우 기존의 은행 서비스로 포함하지 않았던 고객들이 핀테크 서비스를 이용함으로써 오히려 통화정책의 영향을 더 많은 사람들이 받게 되는 경우, 그랬을 경우에는 오히려 핀테크가 기존 은행들의 보완 관계를 가짐으로써 통화정책의 파급효과를 증대시킬 수도 있는 가능성이 있습니다. 하지만 반대로 만약에 이런 전통적 금융시장과 핀테크가 대체 관계에 있다고 생각을 했을 때는 이러한 기존에 가지고 있던 은행의 서비스들을 핀테크 회사들이 대체를 함으로써 통화정책에 좀 더 민감하게 반응하는 은행 서비스들의 비중이 약화될 수 있고, 그런 경로를 통해서 통화정책의 파급효과가 약화될 수 있는 가능성이 있습니다. 마지막으로는 규제차익의 유인입니다. 보시면 핀테크 기업들은 전통적인 금융시장의 규제로부터 어느 정도 자유로운 그림자금융, 여러분들 많이 들어보셨을 텐데 shadow banking이라고 불리는 그림자금융의 형태를 가지고 있습니다. 그림자금융이라고 한다면 일반적인 상업은행, 전통적인 형태의 상업은행이 제공하는 금융 서비스들을 제공하고 있지만 정상적인 형태의 규제로부터 자유로운 그런 형태의 비은행금융기관들을 총칭하는 개념이라고 할 수 있겠습니다. 그렇기 때문에 핀테크 기업들 또한 은행에서 제공하는 서비스라고 할 수 있는 대출이라든가 신용평가라든가 지급결제와 같은 서비스들을 제공하면서 동시에 은행이 가지고 있는 규제들로부터 자유롭기 때문에 마찬가지로 이런 규제차익의 유인에 의해서 움직일 수 있는 메커니즘이 존재합니다. 특히 Chen과 공저자들의 논문에 따르면 이런 그림자금융 대출들이 은행권의 통화정책 충격에 대한 반응을 유의미하게 약화시킨다는 연구 결과가 있기 때문에 그런 것들을 바탕으로 해서 핀테크 기업들 또한 어느 정도는 그림자금융의 형태를 가지고 있고, 그렇기 때문에 이런 규제차익의 유인에 의해서 통화정책의 파급효과를 약화시킬 수도 있겠다는 가능성이 있습니다.

[3. 신용제약의 완화 가능성](p.20)
다음으로는 저희가 각각의 잠재적인 메커니즘들에 대해서 간략하게 설명을 했고, 그 다음으로는 그렇다면 신용제약의 완화 가능성에 대해서 조금 더 구체적으로 이야기를 해보도록 하겠습니다. 저희가 여기서 가설이라고 적혀있는데요, 만약에 이런 잠재적인 메커니즘이 실제로 작동을 한다면, 이런 잠재적 메커니즘이 실제로 작동을 해서 핀테크의 확산이 통화정책의 파급효과를 약화시키는 방향으로 작동을 한다면 신용제약이 강한 지역에서 이런 핀테크 확산에 따른 통화정책 효과의 약화가 더 두드러지게 나타날 것이다 라는 게 가설입니다. 그리고 이런 가설이 맞는지를 확인하기 위해서 신용제약의 메커니즘에 대한 대리변수를 고려했는데, 신용제약이 얼마나 강하게 걸려있는지 안 걸려있는지에 대해서 어떤 변수로 고려할 것인가는 쉽지 않은 문제인데요, 여기서는 신용제약의 메커니즘에 대한 대리변수로 5년 이하의 신생기업이나 자영업자 비율을 고려를 했습니다. 예를 들면 자영업자들이나 5년 이하의 신생기업들 같은 경우에는 물리적 담보를 통해서 은행에서 대출을 받는게 상대적으로 쉽지가 않고, 그렇기 때문에 신용제약에 많이 걸려있을 가능성이 높습니다. 그래서 특정 지역의 5년 이하의 신생기업이나 자영업자 비율이 높을 경우에는 상대적으로 신용제약이 크다고 우리가 분석할 수 있고, 그렇기 때문에 신용제약이 상대적으로 높은 지역과 낮은 지역에 대해서 각각 핀테크 사용량에 따른 통화정책 충격 효과를 추정을 해봤습니다. 우리가 가설 자체는 신용제약이 강한 지역에서 오히려 이런 약화 효과가 더 강하게 나타날 것이라고 이야기했는데 실제로 이런 분석을 통해서 신용제약이 상대적으로 큰 샘플에서 핀테크가 통화정책의 파급효과를 더 강하게, 많이 약화시키더라는 결론을 얻었습니다. 그 내용에 대한 설명을 짧게 드리겠습니다.

[3. 신용제약의 완화 (유의성 검증)](p.21)
이 테이블이 그런 결과들을 정리하고 있는데 보시면 숫자가 굉장히 많습니다. 제가 여기서 몇 가지 주요한, 이런 숫자들이 하나하나 주요한 의미를 가지고 있지만 여기서 키 메세지를 전달하기 위해서 보여드리는 것은 빨간색 박스와 파란색 박스를 비교해보시면 되는데요. 여기서 마이너스라는 것은 핀테크 서비스 이용량이 많을수록 파급효과가 약화된다는 것을 의미합니다. 여기 별표(*)가 있는데, 별표가 없다는 것은 이게 통계적으로 유의미하지 않은 결과라는 것을 의미하고, 별표가 많을수록 좀 더 통계적으로 유의미한 결과라는 의미를 가지고 있습니다. 여기서 파란색과 빨간색 박스를 비교해보시면 빨간색 박스 부분의 경우에는 상대적으로 신생기업의 비율이 높은 샘플, 혹은 자영업자가 굉장히 많은 샘플에서 오히려 더 핀테크 서비스 확산에 따른 통화정책 파급효과의 약화가 두드러지게 나타나더라, 상대적으로 파란색 박스가 있는 부분은 신생기업의 비율이 낮거나, 아니면 자영업자가 별로 없는 지역에서는 핀테크의 확산이 통화정책의 파급효과를 약화시키는 효과가 존재하긴 하지만 상대적으로 훨씬 약한 것을 확인할 수 있습니다.

[3. 신용제약의 완화 가능성](p.20)
앞서 제가 설명드렸던 가설, 신용제약이 강한 지역에서 핀테크의 확산이 통화정책을 더 많이 약화시키더라 라는 가설을 확인할 수 있었습니다. 그렇기 때문에 저희가 이런 잠재적 메커니즘을 통해서 핀테크가 통화정책의 파급효과를 약화시킬 수 있다고 잠정적인 결론을 얻을 수 있겠습니다.

[3. 기존 금융기관과의 경쟁관계](p.22)
그 다음으로는 기존 금융권, 쉽게 말해서 은행과의 경쟁관계에 대한 내용입니다. 보시면 마찬가지로 저희의 가설은 만약에 이러한 메커니즘이 실제로 작동을 한다면 전통적 은행과의 경쟁관계가 심한 지역에서 핀테크 서비스의 확산에 따른 통화정책 파급효과의 약화가 더 강하게 일어날 것이라는 것이 저희의 가설입니다. 여기서도 마찬가지로 그렇다면 핀테크 기업과 전통적인 금융시장 간의 경쟁관계를 어떻게 측정을 할 것인가 라는 문제가 있는데요. 여기서는 경쟁관계 메커니즘에 대한 대리변수로 두 가지를 고려하고 있습니다. 첫 번째로는 인구 1천명당 은행 지점 수입니다. 기본적으로 인구 1천명당 지점 수가 훨씬 많으면 이미 은행 서비스가 커버하고 있는 지역이라고 할 수가 있고, 은행 서비스를 이용하는 고객들이 많은 것을 의미합니다. 이런 지역에 핀테크 서비스 기업들이 새로 들어오면 둘의 경쟁관계가 더 심화될 수 있습니다. 두 번째 사용하고 있는 대리변수는 비정부계 은행의 비율입니다. 보시면 중국 같은 경우에는 정부계 은행이 있고, 비정부계 은행이 있는데 정부계 은행 같은 경우에는 시장 논리가 아니라 정치나 정책적인 목적의 영향을 많이 받기 때문에 상대적으로 비정부계 은행이 많은 지역은 좀 더 시장 논리에 따른 경쟁 관계가 형성될 가능성이 높습니다. 그렇기 때문에 여기서 저희가 비정부계 은행이 많은 지역을 핀테크 기업과의 경쟁관계가 높을 가능성이 있는 지역이라고 보고 있습니다. 그래서 인구 1천명당 은행 지점의 개수가 많을수록, 혹은 비정부계 은행의 비율이 높을수록 기존의 은행 서비스와 핀테크 서비스가 경쟁관계에 있을 가능성이 높다고 볼 수 있습니다. 이 가설도 마찬가지로 경쟁관계가 큰 샘플에서 상대적으로 파급효과의 약화가 더 유의미하게, 강하게 일어나는 것을 확인해볼 수 있었습니다. 즉 핀테크 기업과 기존의 금융시장들 간의 경쟁관계가 은행이 가지고 있는 대출이나 서비스들을 핀테크 회사들이 대체함으로써 통화정책의 영향에 더 민감하게 반응하는 은행 부문의 비중이 약화될 수 있고, 그렇기 때문에 핀테크의 확산이 통화정책의 파급효과를 약화시킬 수 있다고 이야기를 할 수 있겠습니다.

[3. 은행과의 경쟁관계 (유의성 검증)](p.23)
마찬가지로 이 표를 보시면 똑같은 구조입니다. GDP나 인플레이션이라든가, 대출, 주택가격에 대한 반응도 다 유의미하게 나왔지만 특히 저는 여기서 빨간색 박스나 파란색 박스에 해당하는 은행 대출에 대한 반응을 집중적으로 설명을 하고자 합니다. 보시면 빨간색 박스가 있는 부분은 상대적으로 은행 지점 수가 많은 샘플, 그리고 상대적으로 비정부계 은행이 많은 지역에 대한 반응을 나타내는 것이고, 파란색 박스는 상대적으로 은행의 지점 수가 적은 지역, 또한 비정부계 은행의 비중이 낮은 지역을 의미하고 있습니다. 즉 저희의 가설에 따르면 빨간색 박스가 있는 이 샘플이 좀 더 은행과 핀테크 기업 간의 경쟁관계가 더 강한 지역으로 보고 있고, 실제로 분석 결과도 보시면 경쟁관계가 높은 지역에서 훨씬 강하고 유의미한 통화정책 효과의 약화를 볼 수가 있었습니다.

[3. 기존 금융기관과의 경쟁관계](p.22)
앞서 설명드린 것처럼 기존 은행과의 경쟁관계와 그 영향력에 의해서 핀테크의 확산이 통화정책의 파급효과를 약화시킬 수 있겠구나 라는 이야기를 할 수 있겠습니다.

[3. 규제차익의 유인](p.24)
그 다음으로 고려해볼 수 있는 게 규제차익의 유인입니다. 예를 들면 어떤 기업을 운영할 때 규제가 있는 은행과 규제가 약하거나, 아니면 나에게 좀 더 유리한 규제가 있는 금융기관이 있다면 그런 규제의 차익에 따른 이익을 얻기 위해서 규제가 약하거나 없는 금융기관을 이용하게 되는 행동을 하게 되는데 이런 게 규제차익의 유인입니다. 앞서 설명드렸듯이 핀테크 회사 같은 경우에는 은행과 어느 정도 비슷한 금융 상품이나 서비스를 제공하고 있지만, 은행이 가지고 있는 규제가 없는 경우가 많기 때문에 그런 측면에서 규제차익의 유인에 의해서 통화정책의 파급효과를 약화시킬 수 있는 가능성이 있습니다. 보시면 마찬가지로 가설은 규제차익의 유인이 강한 지역에서 핀테크의 확산에 따른 통화정책 효과의 약화가 더 두드러지게 나타나더라는 게 저희의 가설입니다. 그리고 이런 가설에 대해서 검증을 하기 위해서 사용하고 있는 대리변수로 규제차익의 유인이라는 것들을 어떤 변수로 설명할 수 있을까 고민하다가 저희가 여기서 고려하고 있는 건 첫 번째로는 전체 대출량 대비 그림자금융의 대출 비율입니다. 은행과 비은행의 전체 대출량에서 그림자금융에 해당되는 대출의 비율이 높은 지역이 좀 더 규제차익에 대한 필요가 있다, 그런 것들에 의해서 유인이 좀 더 강하게 나타나는 지역이라고 보고 있고. 두 번째로 고려하고 있는 변수는 예금 대비 대출률입니다. 보시면 중국의 은행들이 직접적으로 이런 예대율을 양적 규제 변수로, 기준으로 삼고 있습니다. 그렇기 때문에 상대적으로 예대율이 높은 지역은 규제가 강하게 들어가있을 가능성이 높고, 그렇기 때문에 규제차익의 유인에 의해서 핀테크 회사들의 서비스를 좀 더 이용할 유인이 있다고 할 수가 있겠습니다. 그렇기 때문에 이러한 두 가지 변수들을 기준으로 샘플을 나눈 다음에 각각의 샘플에 대해서 통화정책의 파급효과가 핀테크 확산에 따라서 어떻게 달라지는지를 분석하고 비교를 했습니다. 가설에서와 마찬가지로 규제차익의 유인이 큰 샘플에서 상대적으로 파급효과가 더 강하게 나타나는 것을 볼 수가 있었습니다. 즉 규제차익의 유인이 실제로 핀테크의 확산을 통해서 통화정책을 약화시키는데 영향을 줄 수 있다는 잠정적인 결론을 얻을 수 있습니다.

[3. 규제차익의 유인 (유의성 검증)](p.25)
이 부분에 대한 결과입니다. 보시면 앞에서와 마찬가지로 빨간색 박스가 있는 부분이 상대적으로 전체 대출 대비 그림자금융의 대출이 높은 지역, 규제차익의 유인이 강하게 유지가 되고 있는 지역을 의미하고. 예대율이 높은 지역, 상대적으로 규제가 있는데 거기에 대한 예대율이 높은 지역에서는 상대적으로 규제차익의 유인에 의해서 핀테크 서비스를 이용할 가능성이 더 높다고 봤을 때 예대율이 높은 지역에 대한 샘플입니다. 반대로 파란색 박스가 있는 지역은 상대적으로 전체 대출 대비 그림자금융 대출 비율이 낮거나 혹은 예대율이 낮은 지역을 의미합니다. 보시면 마찬가지로 붉은색 박스에서의 대출 감소량을 보시면 훨씬 크고 유의미하다는 것을 알 수가 있습니다. 즉 이러한 규제차익의 유인에 의해서도 핀테크의 확산이 은행 서비스를 대체할 수 있고, 은행 서비스의 영향력을 약화시킴으로써 통화정책의 파급효과를 약화시키는 영향을 줄 수 있다는 그런 부분입니다.

[3. 잠재적 메커니즘 분석](p.19)
이러한 내용을 통해서 앞서 설명드렸던 세 가지 종류의 잠정적 메커니즘에 대해서 확인을 해봤고, 통화정책의 파급효과가 핀테크의 확산에 따라서 약화되는데 특히 그 약화가 은행의 대출 측면에서 훨씬 지속적이고 즉각적으로 나타났다. 이러한 즉각적인 약화에 대해서 어떻게 설명할 것인가에 대한 부분에 있어서 이 연구에서는 첫 번째로는 잠정적으로 신용제약을 완화시킴으로써 영향을 약화시킬 수 있고, 두 번째로는 전통적 금융시장과의 경쟁관계를 통해서 은행의 서비스를 대체하는 효과가 있을 수 있고, 마지막으로는 규제차익의 유인에 의해서 이런 영향을 받을 수 있다는 내용을 분석 결과를 통해서 보여드리고 있습니다.

[4. 시사점](p.26)
이처럼 처음 우리의 질문은 핀테크 서비스를 우리가 일상적으로 많이 사용하는데 이런 핀테크 서비스가 확산이 되었을 때 이런 핀테크 서비스의 확산이 통화정책의 파급효과에 어떤 영향을 줄 수 있을까, 영향을 준다면 어떤 방향으로 영향을 줄 것인가, 강화시키는 방향일까, 약화시키는 방향일까? 라는 질문에서 시작해서 거기에 해당하는 모형과 중국 사례에 대한 데이터를 바탕으로 분석을 했고, 그 결과 핀테크 서비스의 확산이 통화정책의 파급효과에 유의미한 영향을 주는데 특히나 약화시키는 방향으로 영향을 줄 수가 있다는 것을 보였습니다. 거기에 대한 잠정적인 메커니즘에 대해서도 연구를 진행하고 있는 단계입니다. 그렇다면 핀테크 서비스의 확산이 통화정책의 파급효과에 영향을 줄 수 있다고 한다면 앞서 설명드렸듯이 핀테크가 굉장히 빠른 속도로 확산이 되고 있습니다. 우리나라도 현재는 상대적으로 지급결제 부문에서의 영향이 크지만 그 외 다른 서비스들도 마찬가지로 빠르게 성장하고 있다고 봤을 때 이러한 관련 서비스의 추이를 굉장히 면밀하게 모니터링할 필요가 있고, 이렇게 모니터링한 결과를 통화정책에 유의하게 반영을 할 필요가 있다는 시사점을 보여주고 있습니다. 또한 이러한 핀테크 서비스의 금융활동들 같은 경우에는 규제로부터 자유롭습니다. 우리가 그동안에는 금융기관에 대한 규제에 대해서만 이야기를 해왔는데요, 이런 핀테크 서비스가 좀 더 일상화되고 보편적으로 많이 이용됨에 따라서 금융기관이 아니라 어떤 특정한 금융활동들에 대한 규제가 필요한가, 그 규제가 있을 때 좀 더 경제가, 금융이 안정될 수 있는가에 대한 논의 또한 우리가 시작해볼 필요가 있다는 생각이 듭니다.

[참고 - 핀테크와 통화정책 파급효과 (강화)](p.27)
여기 계신 많은 분들이 대학생 분들이나 대학원생 분들이라고 얘기를 들었기 때문에 참고 자료로 슬라이드를 하나 더 준비했는데요. 제가 오늘 강연에서 말씀드린 내용은 핀테크가 통화정책의 파급효과를 약화시키는 방향으로 작동을 하더라, 잠정적인 메커니즘은 다음과 같다고 설명을 드렸는데, 그렇다면 기존의 핀테크 관련된, 혹은 금융과 관련된 선행 연구들을 바탕으로 핀테크가 통화정책의 파급효과를 강화시킬 가능성은 전혀 없을까? 사실 기존의 연구들을 바탕으로 하면 이런 가능성이 없다고 할 수 없습니다. 제가 이 연구에서 저는 보여드린 게 약화시킬 가능성이 강하다고 보여드렸지만 여기 계신 대학생 분들이나 대학원생 분들이 이런 주제에 대해 관심이 있으시면 이런 핀테크가 통화정책의 파급효과를 강화시키는 방향으로는 작동을 하지 않을까에 대해서도 한 번 생각해보시면 굉장히 흥미로운 주제가 될 것이라고 생각해서 짧게 준비를 해봤습니다. 간단하게 설명을 드리면 핀테크의 확산이 통화정책을 강화시킬 가능성 또한 있고, 그런 메커니즘도 존재합니다. 우선 첫 번째로 핀테크도 마찬가지로 금융 혁신의 일환입니다. 앞서 설명드렸듯이 기존의 금융 혁신과의 차이점은 있지만 금융 혁신의 일환이고, 그런 측면에서는 마찬가지로 금융 부문의 마찰을 어느 정도 완화시키는 효과가 있습니다. 금융 마찰이 존재했을 때는 통화정책의 파급효과가 약화될 수 있는데 이런 핀테크를 통해서 금융 부문의 마찰이 완화된다면 오히려 통화정책의 파급효과가 증대되는 효과가 있을 수 있겠습니다. 이런 가능성이 있기도 하고. 두 번째로는 이자율에 대한 민감도가 오히려 핀테크가 높지 않나 라는 기존의 선행 연구들이 있습니다. 보시면 은행 같은 경우에는 여러분이 은행과 거래를 하면 주거래 은행이 존재하고, 은행과 고객들이 좀 더 긴 관계를 유지하기 위해서 은행이 오퍼를 할 때가 많은데요, 핀테크 같은 경우에는 그런 은행과 고객들 간의 관계성에 관심이 상대적으로 없습니다. 그렇기 때문에 상대적으로 전통적인 금융시장과는 달리 핀테크 시장에서는 신용공급이나 이런 부분들이 신용대출자의 경제상황 변화에 더 민감하게 반응할 수 있습니다. 경제상황이 안 좋아지면 대출을 안 해주거나 좋아지면 해주거나. 그게 은행과 고객과의 관계성 차이라고 할 수 있는데 그런 측면에서는 오히려 핀테크가 이자율에 대해서 더 민감하게 반응할 수도 있겠구나 라는 가능성도 기존의 연구들을 바탕으로 생각해볼 수 있을 것 같습니다. 다음으로는 위험선호 경로의 강화입니다. 우리가 risk-taking channel이라고 부르는 통화정책의 파급효과에 대한 내용인데 예를 들면 핀테크 이용자가 위험 성향이 통화정책 변화에 더 민감하게 반응하더라 라는 기존의 연구들을 바탕으로 해서 오히려 핀테크의 확산이 통화정책의 risk-taking channel을 통해서 더 영향을 많이 줄 수도 있는 가능성이 존재합니다. 마지막으로 앞서 잠깐 설명드렸듯이 기존 금융권과의 관계성에서 오히려 보완관계가 있을 수 있습니다. 즉 기존에는 은행의 서비스를 이용하지 못하는 사람들이 핀테크를 통해서 대출을 받고 서비스를 이용함으로써 오히려 기존의 통화정책이 그런 사람들한테까지 영향을 줌으로써 새로운 고객 유치를 통해서 통화정책의 파급효과가 강화되는 가능성 또한 존재합니다. 발표에서 제가 약화된다고 이야기를 하고 거기서 마무리를 하는 게 좀 더 분명한 메세지를 전달하겠지만 여기 계신 분들이 대학생 분들도 많으시고 하니까 혹시나 이런 분야에 관심이 있으시면 다양한 시각이나 가능성을 열어두고 고민을 해보시면 좀 더 흥미로운 주제가 될 것이라고 생각이 됩니다.

[Thank You](p.28)
이상으로 오늘 준비한 한은 금요강좌의 강의를 마치겠습니다. 경청해주셔서 감사합니다.

콘텐츠 만족도


담당부서 및 연락처 : 경제교육실 경제교육기획팀 | 02-759-4269, 5325
문서 처음으로 이동