[제966회] 금융기관 스트레스 테스트 모형과 우리나라 금융부문 시스템리스크 평가
(2024. 07. 12(금), 금융안정국 시스템리스크팀 노유철 과장)

(노유철 과장)

안녕하세요, 저는 한국은행 금융안정국 시스템 리스크팀 노유철 과장이라고 합니다. 오늘 제가 발표할 주제가 스트레스 테스트 모형, 그리고 시스템 리스크라는 단어가 있습니다. 그래서 이 주제가 제가 생각하기에는 간단하고 쉬운 주제는 아니라고 생각을 하거든요. 그래서 발표를 준비할 때 제 스스로 좀 통상적인 한국은행 PPT 보셨던 것보다는 글을 좀 줄이고 이미지를 좀 많이 활용해 봤습니다. 그래서 발표를 들으시는 내내 눈이 즐겁고 그래서 좀 더 내용을 머릿속에 담아가실 수 있게끔 해봤는데요. 한번 시작해 보도록 하겠습니다. 제목은 금융기관 스트레스 테스트 모형과 우리나라 금융부문의 시스템 리스크 평가입니다. 그래서 주안점은 스트레스 테스트 모형 그리고 시스템 리스크입니다.

[CONTENTS]

그래서 오늘 발표를 이렇게 네 가지 단계로 나눠봤습니다. 금융 안정의 이해, 그리고 스트레스 테스트 모형의 이해, 그리고 한국은행 스트레스 테스트 모형이 무엇인지를 소개해 드리고, 저희가 이 모형을 통해서 최근에 스트레스 테스트를 실시한 게 있는데요. 그것에 대해서 소개를 해 드리고, 과연 우리나라 금융 시스템의 전반적인 리스크는 어떻게 될 것인가를 평가해 보는 시간을 갖도록 하겠습니다. 그래서 먼저 금융 안정이 무엇인가에 대해서부터 시작을 하겠는데요.

[1. 금융안정의 이해]

금융 안정이라는 것을 정의하는 건 사실 여러 가지 방법이 있습니다. 여러 가지 개념들이 있는데.

[What are our goals?] (p.1)

제가 생각하기에는 먼저 한국은행의 목표부터 살펴보고 가면 좋을 것 같습니다. 다들 아시다시피 한국은행은 기본적으로 물가 안정을 제1의 목표를 삼습니다. 그리고 과정에서 금융 안정에 유의해야 한다고 한국은행 법에 명시하고 있고요. 궁극적으로는 국민 경제의 건전한 발전을 지향합니다. 그림에서 보시면, 물가가 불안하면 마트에서 고민하게 되고, 금융 시장에 혼란이 오게 되면 우리가 하는 금융 모든 활동이 지장을 받게 됩니다. 따라서 물가 안정을 도모하는 것도 중요하지만 결국은 금융 시스템에 혼란이 없어야 합니다. 그것을 역시 저희는 유의해 가면서 정책을 수립하고 있고요.

[What is Financial Stability?] (p.2)

그럼 과연 금융 안정은 무엇인가 하는 것도 제 생각은 이렇습니다. 이 그림에서 보시다시피 금융 시스템 또는 금융 시장을 이루는 여러 가지 구성 요소가 있는데, 크게는 금융 기관, 그리고 가계, 그리고 기업을 주체로 나눌 수 있습니다. 금융 기관에는 여러분 다 아시는 은행도 있고 저축은행, 상호금융, 그리고 증권사, 보험사, 그리고 캐피탈사, 카드사 이런 것들이 포함되어 있고요. 그리고 가계, 그리고 기업이 있는데요.

[What is Financial Stability?] (p.3)

또한 금융 시장, 그리고 부동산 시장, 그리고 자본 유출입이라는 측면에서 금융 시스템을 정의해 볼 수도 있습니다. 앞서 말씀드린 가계랑 기업, 금융 기관은 하나의 에이전트이고 그들이 활동하는 영역이 과연 무엇이냐 살펴보면, 금융시장 내, 주식시장, 외환시장, 채권시장 이렇게 나눌 수 있고요. 그리고 부동산 시장도 자산 시장이 일부기는 하지만 우리가 일상생활에서 가장 많이 접하는 시장 중 하나가 부동산 시장이고 많은 자금이 투입되어 있다 보니 아무래도 부동산 시장의 상황 역시 저희가 금융 안정을 이루는 하나의 요소로 생각할 수 있습니다. 그리고 폐쇄 경제가 아니다 보니까 자본이 왔다 갔다 많이 하죠. 대외로. 그러다 보니까 자본 유출입. 우리나라로 얼마큼 자금이 들어오느냐, 얼마큼 나가느냐. 이 흐름이 그림에서 보시는 것처럼 원 달러 환율 수준의 영향을 미치게 되고요. 그 말인 즉슨 우리나라 원화 가치가 영향을 받는다는 거여서. 또 이 환율이 움직이게 되면 앞서 설명드린 가계, 기업, 그리고 금융 기관들의 재무제표 역시 영향을 받게 됩니다. 따라서 환율이 안정적인 것 역시 금융 안정의 범주에 들어간다고 할 수 있겠습니다. 따라서 금융 안정이 무엇이냐를 생각하실 때 제가 제안드리고 싶은 것은, 에이전트로서 금융 기관 그리고 가계, 기업들이 본인들이 계획한 금융 행위를 별 차질 없이 잘 수행할 수 있어야 하고, 그리고 그들이 활동할 수 있는 기반인 금융 시장이나 부동산 시장 그리고 자본의 흐름 역시 큰 혼란 없이 잘 작동되고 있는 상태. 이것을 금융 안정이라고 기억하시면 좋을 것 같습니다.

[Related issues] (p.4)

그래서 금융안정을 다룰 때 저희 한국은행에서 주로 보는 이슈들을 제가 좀 정리해 봤는데요. 우선 여러분들이 가장 신문에서 많이 보시는 가계 부채 그리고 기업 부채. 그 양이 얼마나 늘어나고 있느냐, 그리고 절대적인 규모, 다른 나라와 비교해서 얼마 정도의 문제를 일으키고 있느냐를 비교할 수도 있고요. 그래서 그것들을 통틀어서 저희가 민간 부채라고 해서 관심을 갖고 보고 있고요. 한국은행 이창용 총재님도 가끔 기자 간담회 같은 데서 이 가계 부채의 수준 자체를 좀 낮추는 방향으로 정책적 노력을 기울여야 된다라고 말씀을 하시는 것 역시 금융 안정이 유의하는 중요한 측면이기 때문에 그렇습니다. 그리고 또 금융 기관의 건전성 자체가 저희가 아주 관심깊게 보는 주제인데요. 방금 제가 발표하기 전에 보셨던 영상에서처럼 금융 기관들의 과연 자본 비율이 과연 잘 유지되고 있을까 이런 것들을 저희가 유심히 살펴보고, 그리고 부동산 시장을 매개로 해서 돈이 왔다 갔다 하게 되는데 그걸 부동산 금융이라고 하고. 부동산 금융 역시 큰 문제가 없나, 거기서 어떤 잠재된 리스크가 있지 않나, 이것 역시 저희가 금융 안정을 볼 때 보는 이슈 중에 하나입니다.

[Related issues] (p.5)

또 다른 측면으로는 이 금융시스템을 관리하기 위해서 전 세계에서 공조해서 글로벌 금융 규제를 만들어 왔습니다. 여기서 보시는 것처럼 지금 Basel Ⅲ 이렇게 저희가 지칭하는데요. 그 안에 있는 여러 요소들을 보면서 이 규제가 이렇게 변하기 때문에 우리나라 금융 기관들이 어떻게 행동할 것이고, 그리고 이 규제는 어떤 방향으로 가야 된다라는 것처럼 이런 규제 자체에 포커스를 두고 저희가 연구를 수행하기도 합니다. 그리고 또 이 규제를 국내에서 관점에서 보면 우리나라 금융 시스템을 안정적으로 유지하기 위해서 한국은행만 활동하는 것은 아니고 보시는 것처럼 기획재정부, 금융위원회, 예금보험공사, 금융감독원 등 여러 기관이 다 각자 역할을 나눠서 하고 있고. 이 과정에서 한국은행은 어느 정도 역할을 해야 될지에 대해서 논의하기도 하고. 또 어떤 이슈에 대해서는 이 중에서 어떤 기관들과 협업을 해서 대응해 나가야겠다라는 것도 역시 저희가 관심깊게 항상 보는 분야입니다. 그걸 바탕으로 거시 건전성 정책이라고 해서, 저희가 보통 이 시점에서는 당장 확인하기 어렵지만 어떤 이러한 흐름으로 가게 된다면 우리나라 금융 시스템에 좀 안 좋은 요소들이 많이 축적될 수 있겠다라는 생각이 들면 그 흐름을 좀 늦추거나 반대로 돌리기 위해서 정책을 설계하는데, 그러한 정책을 거시적 관점에서 건전성을 확보하기 위한 정책이다 해서 거시 건전성 정책이라고 부릅니다. 그래서 과연 어떤 정책들을 수립해야 하느냐 그리고 그 정책들은 얼마만큼의 효과를 발휘할 수 있을 것인가에 대해서도 저희가 심도 있게 연구합니다.

[Related issues] (p.6)

좀 더 크게 보면 최근에 아무래도 비트코인과 같은 암호 자산들이 많이 금융 시스템 내로 들어오게 되면서 저희가 그럼 가상 자산이 과연 금융 안정에 미치는 영향은 어떻게 될 것인가, 제가 앞서 말씀드린 금융 안정의 요소들에 가상 자산도 분명 금융 시장 그리고 가계 기업 금융기관 모두에게 영향을 미치는 이슈이기 때문에 가상자산의 시장의 동향도 깊게 보고 있고요. 그리고 좀 거리가 다소 멀다고 느껴질 수 있는데 기후 변화. 기후 변화가 과연 금융 시스템에 어떠한 부담을 느낄 것인가를 보기도 합니다. 예를 들어 온난화가 진행되면서 그쪽 어떤 온난화 영향으로 인해서 어떠한 산업이 많이 부실화된다는 생각을 해보면, 그 산업에 대출을 많이 해 준 금융 기관이 있을 수 있고 그럼 그 금융 기관에 빌려진 대출의 건전성은 조금씩 나빠질 수도 있겠죠. 그런 것들을 아주 긴 시계를 가지고 지구의 온난화가 이렇게 진행되면 과연 금융 기관은 어느 정도 영향을 받을까 라는 것도 저희의 관심 주제이기도 합니다. 그리고 마지막으로 빈부격차 같은 이슈도 있는데요. 빈부격차를 촉발시키는 많은 요인이 있지만 혹자들은 이렇게 평가하기도 합니다. 금융 기관에서 여신을 해 줄 때 아무래도 저희가 소득이나 담보 같은 것을 보다 보니 소득이 이미 좋고 우량한 담보를 가진 사람들에게 더 많은 자금이 흘러갈 수 있겠죠. 금융 기관 입장에서 보면은 당연한 이치인데요. 그렇게 되면 레버리지를 많이 활용할 수 있는 사람들이 더 많은 자산에 투자할 수 있는 기회가 되고, 그런 과정에서 그 투자수익이 현실화됐을 때 빈부 격차는 더 벌어질 수도 있지 않을까. 그래서 앞서 말씀드린 어떤 정책을 설계할 때 그것이 과연 빈부격차 같은 것에서 어떻게 영향을 미칠까, 그리고 그게 또 금융 시스템에는 어떻게 돌아올까라는 것 역시 저희가 관심을 갖고 보는 주제입니다. 그래서 이상 제가 설명드린 바가 저희 한국은행이 금융안정 보고서 등을 통해서 정기적으로 또는 수시로 저희가 다루는 주제이고요.

[How do we assess Financial Stability?] (p.7)

그럼 과연 금융 안정을 한국은행에서 종합적으로 평가할 때는 어떻게 평가할까를 오랫동안 고민해왔고, 지금 슬라이드에 있는 fsi 그리고 fvi라는 크게 보는 두 가지 지표를 가지고 저희가 그 상황을 진단해 나가고 있습니다. 왼쪽에서 보시는 이 fsi. 이거는 한국어로 하면 금융 불안 지수의 약자인데요. 여러 가지 요소로 이루어져 있습니다. 그래서 말씀드린 것처럼 채권 시장, 주식 시장, 외환 시장 이런 시장에서의 가격 지표들이 보이는 변동성 같은 것들이 있습니다. 그래서 그 변동성 같은 것들이 커지게 되면 금융 시장에서 받는 스트레스가 좀 크다고 생각합니다. 그래서 이런 fsi 지수가 위로 올라가게 되고요. 보시면 글로벌 금융위기 때는 한 77 정도까지 갔었습니다. 물론 이건 표준화된 수치라서 절대적인 수준 자체가 중요한 건 아닙니다만은 상대적으로 매우 높았던 것을 확인할 수 있고. 저희가 어떤 통계적 기법에 의해서 24 정도를 위험 단계로 보고 있고, 12를 주의 단계 정도로 설정을 해놓고, 24가 저희가 생각하는 하나의 임계치로 판단을 하고 있는데. 보시면은 20년 코로나 때와 그리고 22년 하반기. 아실지 모르겠지만 레고랜드 사태 때 회사채 시장에서 좀 금리가 일시적으로 많이 뛰고 이랬었는데. 그때 당시 급격하게 변동성이 커진 것들이 금융시장에 많은 스트레스를 줬다고 보고. 당시에는 위험 단계에 좀 근접했다 이렇게 보고 있고요. 최근에는 고금리 시기가 좀 지나면서 금융 시장이 받아들인 스트레스 자체는 좀 줄어든 모습입니다. 그래서 주의 단계보다는 아직 높지만 저희는 안정적인 상황에 있다고 보고 있고. 이것은 어느 정도 단기적인 관점에서 금융시장이 받는 스트레스를 측정하는 것이라고 한다면, 우측에 있는 fvi 이거는 금융 취약성 지수인데요. 이건 보다 중장기적 시계에서, 이런 겁니다. 예를 들어 우리나라 가계 부채가 그 양이 절대적으로 많이 높아지거나 하면 그것은 저희가 봤을 때 금융 시스템이 가지고 있는 중장기적인 위험이라고 보는 겁니다. 왜냐면 가계 소득에 비해서 과다한 부채가 오랜 기간 됐을 때 그것이 나중에 혹시 자산 가격이 조정되는 상황에서 그 가계 부채가 다 상환이 제대로 되지 않는다고 하면은 금융 시스템에 혼란을 줄 수 있는 거기 때문에. 가계 부채, 기업 부채도 그렇고 여러 가지 면에서 중장기적 관점에서 취약성을 높이는 요소다 하는 것이 있으면 저희가 이 지수가 커지는 방향으로 하고 있습니다. 이것 역시 글로벌 금융위기 때 좀 높았고. 보시면 20년 이후 22년까지 이 fvi가 계속 우상향 했던 모습을 보실 수 있을 겁니다. 이거는 다른 요인도 있겠지만 당시에 자산가격이 굉장히 주택 시장이 갑자기 호황을 보이고 그 상황에서 가계 부채가 빠른 속도로 늘어나다 보니까 저희가 판단하기에 중장기적으로 좀 취약해지고 있다라고 했었던 것이고. 그 이후 22년 하반기부터 저희가 금리를 인상해 나가면서 가계 부채가 늘어나는 속도 자체가 좀 완만해졌습니다. 그런 점과 다른 요인들이 좀 결합해 나가면서 지금 현재는 장기 평균보다 좀 낮아진 상태로 보고 있고. 물론 더 낮춰야 되겠지만, 지금으로서는 어느 정도 한국은행이 금융 부문의 중장기적 취약성에 통화 정책을 통해서 대응해 나갔다 이렇게 저희는 생각하고 있습니다.

[2. 스트레스 테스트 모형의 이해]

여기까지가 금융 안정에 대해서 한번 간단히 살펴봤고요. 이제 스트레스 테스트 모형이란 무엇인가에 대해서 제가 설명을 드리겠습니다. 제 담당 업무이기도 한데.

[금리를 계속 올려도, 금융안정에 별 문제가 없을까?] (p.8)

저희가 스트레스 테스트 모형이라는 것을 생각을 하면 보통 이런 질문들을 생각하게 됩니다. 그리고 아마 이런 질문들은 저희 한국은행 금융통화 위원들이 최근 몇 년 동안 생각을 좀 해왔을 그런 질문들이라 생각합니다. 그리고 이런 질문들에 내가 답을 해야 된다고 생각해 보면,

[금리를 계속 올리는데, 부동산가격까지 폭락하면 ...] (p.9)

이런 질문들을 이렇게 좀 더 구체화하게 됩니다. 금리를 올리는데 부동산 가격이 떨어지고, 그 과정에서 가계 대출을 잘 상환을 못 하게 되면 금융 기관은 괜찮을까? 이런 식으로 좀 더 구체화하게 되고요.

[지금은 금융시스템이 안정적으로 보이는데 ...] (p.10)

또 저희는 이런 질문들도 생각하게 됩니다. 지금은 아무 문제가 없어 보이지만 갑자기 혹시 코로나 때 아니면 더 그 이상의 충격이 오면 어떡할까라는 생각을 하게 되고.

[전 세계 경기가 나빠지면서, ...] (p.11)

이것 역시 답을 하기 위해서는 어떤 이런 1년의 과정들을 거쳐가면서 질문을 반복적으로 던져야 그 답을 내릴 수 있게 있게 됩니다. 그래서 이러한 질문들을 간단하게 도식화를 해 보면 결국은 이런 간단한 그림으로 바꿀 수 있는데요.

[Flows] (p.12)

왼쪽은 거시 경제 시나리오, 그리고 오른쪽은 금융 안정입니다. 이것을 저희가 경제학에서 하던 것처럼 X와 Y로 치환해서 생각을 해 볼 수도 있고요. 그래서 X란 무엇이냐, 제가 여기서는 극단적이지만 개연성 있는 이라고 좀 써 놨는데 이겁니다 결국. 어쩌면 마주칠 수도 있는, 상상하기 싫지만 당장 상상하기 싫지만 어쩌면 마주칠 수도 있는 상황을 상상을 해보고, 그 상황에서의 GDP, 금리, 물가, 환율 같은 것들을 상상해 봅니다. 이게 현실화 됐을 때 금융 안정 상황은 과연 유지될 것인가를 보는 건데. 지난 수십 년간 아까 제가 설명드린 것처럼 각 나라에서 공조해서 금융 시스템에서의 규제를 만들어 가는 과정에서 금융 시스템의 안정성을 대표하는 지표로 무엇을 하나 꼽아야 하느냐라고 묻는다면, 그것은 금융 기관의 자본 비율을 보자라고 어느 정도 합의가 이루어졌습니다. 그래서 금융기관의 자본 비율을 중심으로 규제가 많이 이루어져 있고. 그래서 저희도 이 금융 안정을 볼 때 판단하는 지표로 대용 지표로는 금융 기관의 자본 비율이 과연 이 저희가 생각하는 감독 수준, 규제 수준 그 이상을 유지할 수 있을 것인가를 보게 됩니다. 근데 만약에 또 이런 걸 그림을 보다 보면 어떤 분들은 이런 질문을 하십니다. 그렇다면 X와 Y를 저희 회귀 분석이나 시계열 분석 하는 것처럼 바로 직접적으로 추정을 해보면 되지 않느냐라고 묻습니다. 예를 들어 GDP나 금리나 물가 같은 것들을 시계열 자료를 놓고, 오른쪽에는 금융기관의 자본비율을 놓고. 둘 간에 시계열 모형이라지 아니면 패널 회귀 모형이라지 이런 거 돌려서 바로 그 영향을 보면 되는 것 아니냐라고 하시는데. 그렇게 되면 저희가 할 일이 줄어들 겁니다. 하지만 아쉽게도 각 나라의 스트레스 테스트 모형이라는 것은 그림에 있는 도미노처럼 한 단계 한 단계 다 거쳐가면서 계산을 하고 추정을 하고 하게 돼 있습니다. 그 이유는 어떤 감독 규정에 따라서 금융 기관의 자본 비율까지 가는 길이 굉장히 구체적으로 정해져 있습니다. 어떻게 반영을 하라고 하는 것들이 가이드라인이 있어서. 그 단계를 하나하나 거쳐가면서 저희는 추정을 계속해 나가고 있고요.

[How it works] (p.13)

그래서 그걸 좀 더 구체적으로 설명을 해 드리면 이렇습니다. 먼저 저희가 하는 일은 거시경제 변수의 시나리오를 생성합니다. 저희 어떤 전망이라기 보다는 저희가 지금 현재 시점에서 잠재 리스크들을 고려해 봤을 때 이 정도 상황까지는 아주 어쩌면 있겠다라는 것을 시나리오 생성을 하고, 시나리오 생성 역시 일종의 생성을 하는 모형이 있습니다. 생성을 하고 그게 현실화됐을 때 우선 각 금융 기관들이 직접적으로 입게 되는 손실과 이익의 규모를 추정합니다. 예를 들어 대출은 얼마나 과연 부실화될 것인가. 그리고 이 금융기관이 가지고 있는 채권, 주식, 외화 자산이 있는데 이 자산들의 가격은 얼마나 하락할 것인가. 그러면 흔히 말하는 시장 손실이라고 하는데. 내가 시장성 자산에 투자해 놓은 것에서 얼마만큼 손실이 발생할 것인가를 측정을 하고, 이 과정을 거치면 직접적인 충격에 의해서 이 기관이 받게 되는 손익 규모를 저희가 확정을 하고. 그 다음으로 해야 될 일은 그렇다면 금융 시스템 내에 여러 가지 기관들이 있는데 이 기관이 많기 때문에 나라는 A라는 기관에 자금을 빌려준 기관 B가 있을 것이고, 그럼 B가 빌려준 자산에서 손실이 나게 되고. 또 다른 C라는 기관은 그 상황을 보면서 상황이 좋지 않으니 내가 빨리 보수적으로 자금을 빨리 회수해야겠다, 아니면 내가 가지고 있는 자산이 가치가 더 떨어지기 전에 빨리 처분해야겠다 라는 것들이 있습니다. 그럼 이런 것들이 서로 상호 연계성을 통해서 영향을 주고받게 됩니다. 예를 들어 은행 다섯 개가 동시에 보유하고 있는 채권을 처분한다고 하면 다른 기관이 가지고 있던 채권의 시가 또한 떨어지게 될 것이고, 그러니까 이렇게 서로 영향을 주고받는 것들 또한 다 저희가 나름의 추정을 해서 끝까지 반영했을 때, 그러면 이 시스템 내의 기관들은 과연 자본 비율이 감독 수준 위를 여전히 상회할 것인가. 이렇게 이러한 구조로 진행되는 것이 스트레스 테스트 모형이고요.

[Example] (p.14)

이거를 제가 좀 더 이렇게 재밌게 표현을 해봤는데, 예를 들어보겠습니다. 예컨대 GDP가 빠지고, 금리는 오르고, 주택 가격이 갑자기 한 20% 하락하고, 환율은 굉장히 높게 뛰는 그런 상황을 먼저 상상을 하고, 그 상황에서 어떤 A라는 은행의 부도율이 과연 대출의 부도율이 얼마나 높아질 것인가를 추정하는 길을 먼저 따라갑니다. 그래서 예를 들어 제가 A라는 은행에 돈을 빌렸는데, 저 같은 사람이 한 100명 있는데 100명 중에서 한 10명 정도는 대출 못 받겠구나 라고 하면. 쉽게 말해서 한 10% 정도의 대출에서 부도가 나게 되는 것이고. 그럼 그 다음으로 해야 될 것은 그럼 제가 대출을 연체했을 때 그럼 금융기관은 그 대출에서 얼마 정도를 과연 회수할 수 있을 것인가를 알아야 됩니다. 그것을 저희가 부도시 손실률이라고 하고요. 그래서 부도가 날 확률을 계산하고, 그래서 부도가 나면 그 대출에서 발생하는 손실의 비율을 계산하고. 그렇게 해서 신용 손실이라는 것을 저희가 추정을 하게 되고요. 이걸 하게 되면 이제 동일한 상황에 있는 다른 기관 그리고 업권들 간의 상호 연계성을 파악을 합니다. 이것은 저희 한국은행에서 발표하는 자금순환 통계라는 것이 있고요. 또 금융 기관에서 금융 감독원에 제출하는 업무보고서 같은 것들이 있습니다. 그래서 그런 것들에 있는 기초 자료들을 최대한 확보해서 과연 금융 기관들이 얼마만큼 연계되어 있는가를 파악을 하고 있고. 그래서 그걸 토대로 전염 손실이라는 것을 결국 추정을 하는 것이고요. 마지막으로는 그렇다면 이렇게 했을 때 과연 각 금융 기관들은 자산의 규모는 또 감독 규정에 따라서 어떻게 바뀌어야 되는 것인가라는 것들이 있는데. 그런 걸 하고 나면 마지막에 있는 자본 비율을 정확하게 추정할 수 있게 됩니다. 자본비율이 분모는 자산이고 분자는 자본이기 때문에, 자산과 자본의 어떤 변화를 다 추정을 하고 나면 이 기관의 자본 비율에 대해서는 저희가 추정치를 얻게 되고. 저희의 목표는 이 마지막에 있는 과녁처럼 가능한 정확하게. 정확하게 추정하는 것을 목표로 삼고 있습니다.

[What after that?] (p.15)

그래서 이렇게 자본비율을 산출하고 나면 이 모형을 통해서 저희가 무엇을 하느냐가 궁금하실 텐데. 저희 한국은행처럼 어 금융안정을 볼 때 일종의 거시적 점에서 보는 기관은 이렇게 금융기관의 자본비율이 하락하는 기관이 과연 전체 기관 중에서 몇 퍼센트가 되느냐. 그리고 만약에 혹시 그중에서 굉장히 크고 중요한 기관들의 자본 비율이 크게 떨어지지 않을까라는 것을 보고, 이를 통해서 시스템 전체적으로 리스크가 있겠다 없겠다라는 것을 판단을 하고 있고요. 그래서 그러한 결과를 금융안정 보고서를 통해서 소개를 하고 있습니다. 그리고 또 이 결과를 금융감독원처럼 조금 더 미시적인 관점에서 개별 기관의 건전성을 관리해 나가는 기관하고 공유하고, 서로 협력해 나가면서. 예를 들어 내년부터 저희가 이런 거를 해나갈 계획인데 스트레스 테스트를 해서 저희가 금융 기관마다 자본 비율이 떨어지는 폭을 추정을 하게 되면, 금융감독원이 그것을 바탕으로 우선 은행권을 대상으로 너희는 테스트를 해 보니까 이 정도 자본비율 하락하니 보수적으로 이 정도를 언제까지 더 쌓는게 좋겠다라고 규제를 아마 도입을 할 예정입니다. 그래서 이런 것들을 하게 되면 스트레스 테스트 모형이 단순히 추정이나 이런 분석을 위해서만 있는 도구라기보다는, 실제 어떤 기관들의 건전성을 선제적으로 확보하기 위한 어떤 그런 도구로 활용될 수 있다고 보고 있습니다.

[What a stress test model is] (p.16)

그래서 지금까지 제가 말씀드린 스트레스 테스트 모형을 제 나름대로 한번 정의를 해 봤습니다. 정의를 해 보면 이렇게 왼쪽부터 하나씩 말씀을 드려보면. 테스트 모형은 기본적으로 저희가 시나리오를 세우지만 어떤 거시경제 변수가 어떻게 흘러갈지를 전망하는 것은 아닙니다. 맨 왼쪽 그림에 있는 것처럼 어떤 분포가 있으면 그 분포의 꼬리에 있는 상황을 저희는 계속 생각을 하는 겁니다. 그리고 오른쪽에 제가 카메라 하나 놔뒀는데 그 이유는 마치 재난 영화를 촬영한다고 생각을 하고 당장 허리케인이 오진 않겠지만 허리케인이 당장 내일 아침에 오면 어떻게 될까를 상상하고 카메라를 한번 켜보는 작업을 하는 겁니다. 그렇게 하고 나서 어떤 가상의 임무를 설정해서 저희가 경제 모형에서 무슨 dsg 모형이나 하는 것처럼 어떤 순수하게 이론에 기반해서 뭔가를 한다기보다는, 실제로 금융 기관들이 가지고 있는 데이터랑 그리고 금융 기관들을 어떻게 행동하라고 이미 규정에서 해 놓은 어떤 감독 규정에 따라서, 그 방식대로 그 선 안에서 추정을 해 나가는 겁니다. 그래서 저는 개인적으로 아주 고급 계산기로서의 역할을 계속 해 나가는게 스트레스 테스트 모델이라 생각을 하고 있고. 그리고 기본적으로는 개별 기관에 초점을 두고 저희가 모든 작업을 하지만, 앞서 말씀드린 전염 손실처럼 한 기관에 초점을 두기 보다는 기관들이 가지고 있는 연계성 자체에도 굉장히 큰 관심을 갖고 있는게 스트레스 테스트 모델입니다. 그리고 궁극적으로는 단순한 분석을 위한 도구라기 보다는 금융감독원이랑 한국은행이 협력하는 것처럼 미시적으로 그리고 또는 거시적 관점에서 어떤 금융안정을 선제적으로 확보하기 위해서 정책으로 이루어질 수 있도록 하는게 스트레스 테스트 모형이라고 생각하고 있습니다. 그래서 이런 네 가지 요소들을 잘 기억을 해두시면 스트레스 테스트 모형이 무엇인지에 대해서 아마 관념이 좀 더 잘 잡힐 거라 생각을 하고요.

[3. 한국은행 스트레스 테스트 모형(SAMP) 소개]

그럼 저희 한국은행은 어떤 모형을 가지고 있느냐라는 것에 대해서 한번 설명을 해 드리겠습니다.

[SAMP] (p.17)

보시면 Systemic risk Assessment model for Macroprudentiol Policy 라고 해서 약자를 따서 SAMP라고 저희는 이름을 짓고 있습니다. 그래서 여기 있는 그림은 좀 다소 복잡한데, 결국은 제가 앞서 말씀드린 것처럼 어떤 충격을 설정하고 그 직접적인 손실을 추정을 하고 그리고 연계성에 따른 전염 손실을 추정하고 그리고 자본 비율을 추정한다. 그냥 이 네 가지의 단계로 생각을 하시면 좋을 것 같고요. 그리고 오른쪽 그림에서 보면 이 금융 기관들 여건마다 표현 표현을 해 놨는데. 은행, 그리고 현재로서는 은행, 그리고 보험 회사, 증권 회사, 신용카드 회사, 그리고 저축은행, 상호 금융 이렇게 있고. 상호 금융 안에는 농협, 수협, 신협, 새마을금고, 산림 조합 같은 것들이 다 포함이 되어 있습니다. 그래서 기관 수는 굉장히 많고요. 그래서 이런 모형을 저희가 운영을 해오고 있는데.

[모형 재구축: SAMP1.0 -> SAMP 2.0] (p.18)

2012년에 처음으로 저희가 은행 부문을 대상으로 먼저 모형을 개발했습니다. 앞서 말씀드린 것처럼 이 모형을 설계하고 하는 과정이 굉장히 구체적이고 반복적이기 때문에 처음부터 모든 업권을 대상으로 하긴 힘들고, 따라서 2012년에 저희가 영란은행 영국 중앙은행이나 주요 선진국들 은행이 가지고 있던 모형들을 주로 참고해 나가면서 우리나라 은행 부문의 모형을 개발을 했고. 그리고 시간이 흘러서 점점 자료도 확보하고 해 나가면서 2018년 경에 앞서 보여드린 다른 비은행 부문의 각 업권들도 다 포함하고, 그리고 은행뿐만 아니라 은행과 다른 업권에 있는 금융 기관들 간의 연계성까지 다 반영을 해서 모형을 구축해서 저희는 2018년에 기본적으로 어떤 통합적인 스트레스 테스트 모형을 만들었다라고 해서. 그때까지 작업한 일련의 작업들을 SAMP 1.0이라고 명명을 하기로 했습니다. 그렇게 해서 저희가 분석에 잘 활용을 해오고 있었는데, 보셨다시피 이 모형이라는게 어떤 특정한 기법도 중요하지만 얼마나 그 기초 자료들이 세밀하고 잘 축적돼 있느냐가 굉장히 추정에 퀄리티 영향을 미치기 때문에, 저희는 그 뒤로 계속 금융감독원이나 예금보험공사와 협업해 가면서 최대한 기초 자료들 아주 세부적인 자료들을 확보해 나가는 작업들을 쭉 지속을 해왔고요. 저희가 보기에 2023년입니다, 작년 상반기쯤 이 정도로 자료가 쌓였으면 이제는 한 번 더 모형의 어떤 깊이랄까요, 모형의 퀄리티를 좀 더 높이는 작업을 대대적으로 해보자라고 생각을 했고. 작년 한 상반기부터 최근까지 저희가 인력이랑 장비를 많이 확충을 해서 모형 자체를 좀 퀄리티를 높이는데 집중했습니다. 그래서 기초 자료가 최근에 작업한 것을 저희가 일단은 SAMP 2.0이라고 명명을 하기로 했고요. 2.0이라고 한 이유는 앞으로도 더 나아갈 것들이 많기 때문에 저희가 일단 2.0으로 하고 여기서 구축한 모형을 가지고 일단 분석에 활용을 하기로 했습니다.

[Example] (p.19)

그래서 간단히 예를 들어 보면. 보시면 SAMP 1.0이라는 것에서는 저희가 활용했던 자료가 은행 단위입니다. 그래서 이게 무슨 말이냐면 우리나라에 국민은행, 우리은행 같은 한 20개 정도의 은행이 있는데, 그 20개 은행이 우리은행은 대출의 부도율이 얼마야 하고 냅니다. 그러면 그것은 은행마다 하나의 숫자만 있겠죠. 그러면 저희는 총 20개의 숫자가 어떤 대출의 부도율을 추정할 때 활용하는 데이터 양의 전부였다고 한다면, SAMP 2.0부터는 저희가 우리나라 은행의 모든 계좌, 전수 계좌 단위를 활용하기 시작했습니다. 자료를. 그래서 더 이상 샘플도 아니고 쉽게 말해서 모든 금융권에 있는 계좌 원장 자체 단위를 정보를 다 입수해서, 그걸 기초로 해서 이런 상황에서 이런 은행들은 이 정도의 부도가 발생하겠다 라는 것으로 하기로 했고요. 저희가 보기에는 자료 양이 굉장히 많이 늘어났다고 생각하고요. 그래서 계좌 단위에서 쌓아 올려서 한 차주 단위로 해서, 예를 들어 2015년 이후, 한 9년 정도의 자료를 활용을 하고 있는데. 예를 들어 국민은행이나 이런 은행들로 하면은 한 2 300만 차주 정도 됩니다. 그런 전체 차주를 활용하고 있기 때문에 저희는 모형의 추정에 정확성이 한층 더 높아졌다고 생각을 하고 있습니다.

[Example] (p.20)

또 은행뿐 아니라 지금 보여 드린 거는 상호 금융인데. SAMP 1.0에서는 상호금융 내에서 농협, 수협, 산림 조합, 신협, 새마을금고가 일종의 상호금융 내에서 하나의 저희가 업권이라고 부르는데, 테스트 대상이 그냥 업권 하나였습니다. 예를 들어 저희가 관심 있는 거는 농협이라고 해도 지역별로 다 단위 조합이 있기 때문에, 관심 있는 건 내가 살고 있는 지역 그리고 내가 조합원인 이 기관의 과연 자본 비율이 괜찮을까인데. 예전에는 그런 자료들을 저희가 다 입수하기 쉽지 않아서 그냥 농협중앙회라고 하죠. 예를 들어 1000개 정도의 지역 조합이 있으면 조합들의 자료를 전체로 하나로 합친 농협중앙회 차원에서 농협 전체에서 평균적으로 자본 비율이 어느 정도 떨어지느냐 추정하는데 그쳤습니다. 아무래도 제약이 있었기 때문에 그랬는데. SAMP 2.0부터는 저희가 말씀드린 것처럼 은행은 차주지만 상호금융은 그 개별 조합 단위 자료들을 다 구축을 해 왔습니다. 그래서 이제는 예를 들어 충격이 오면 농협 중에서는 어느 지역에 있는 어느 조합의 자본 비율이 어디까지 떨어진다는 것들을 다 할 수 있고. 그리고 새마을금고까지 그런 작업들을 할 수 있기 때문에, 저희가 대외적으로 발표하는 자료에는 그런 것들을 담기 쉽지 않지만 내부적으로는 그런 것들을 다 이제 모니터링 할 수 있고. 그래서 어느 조합이 취약하다는 것도 판단할 수 있게 되어서 제가 생각하기에는 스트레스 테스트 모형이 예전보다 훨씬 좀 더 날카로운 도구가 되지 않았나라고 생각을 하고 있습니다.

[What we aim for] (p.21)

그리고 저희가 이 SAMP 1.0에서 2.0으로 가면서 저희가 그럼 과연 모형을 개선을 하는데 뭐에 초점을 두어야 할 것이냐에 대해서 좀 생각을 해봤는데. 왼쪽을 보면 예전에는 충격이 오고 자본비율까지 가는데 조금 다소 불투명한 부분이 있었습니다. 왜냐면 자료가 제약이 있었기 때문에 정말 세부적으로 그런 것들을 다 투명하게 보고 그 모형을 설계하는 사람조차도 어느 정도에서는 좀 타협이 필요했는데. SAMP 2.0으로 가면서부터는 오른쪽 그림에서 보시는 것처럼 그 경로를 저희가 최대한 자세히 파악할 수 있게 됐습니다. 그 이유는 미시 자료를 많이 활용했기 때문에 그렇게 됐고. 예를 들어 이 도미노에서 보시면 빨간색을 저희가 봤을 때, 흔히 말하는 약한 고리라고 생각을 해 보면, 정확히 예를 들어 이 은행에서는 이 약한 고리에 해당하는 취약한 차주들이 어느 정도 있다, 이런 것들을 가늠을 이제 다 할 수 있기 때문에, 동일한 충격을 받아도 이런 취약한 차주들이 훨씬 많은 은행은 상대적으로 더 많은 충격을 받게끔 할 수 있어서 저희로서는 그 금융 기관들이 가는 어떤 경로랄까요. 그런 것들을 좀 더 투명하게 볼 수 있게 된다 생각을 하고 있고. 그리고 이 도미노를 어떤 관점에서 바라보느냐에 따라서 특정한 테마를 가지고 스트레스 테스트를 할 수 있게 되었습니다. 예를 들어 주택 가격이 특정 지역에서만 많이 하락하는 시나리오를 세우면 그것에 대한 테스트를 할 수도 있고. 예를 들어 조선업이 안 좋은 상황, 관광업이 안 좋은 상황, 이런 어떤 단순히 GDP가 빠지는 거라기보다는 어떤 업종에 대한 충격에도 할 수 있기 때문에 그런 것들을 목표로 삼아서 했고. 그래서 저희로서는 모형 활용도가 좀 높아졌다 이렇게 생각을 하고 있습니다.

[Imagine a stress test model is like a car] (p.22)

그래서 이걸 제가 며칠 전에 앉아 가지고 챗GPT 이렇게 작업을 해 보면서 내가 이런 작업들을 생각을 하는데 너는 이걸 어떻게 생각해라고 하면서 대화를 좀 나눠봤습니다. 그러면서 이걸 자동차로 비유하면 어떻게 그림을 그려 볼 수 있을까라고 생각을 해 봤고요. 그래서 해보면, SAMP 1.0은 저희가 예전에 왼쪽에 있는 차가 아마 소나타일 텐데. 다른 나라에는 있었지만 우리나라에는 없었을 당시에 아주 굉장히 준수한 어떤 하나의 자동차를 개발했다고 생각합니다. 다만 이 그림에서 보시면 안에 정확히 누가 타 있는지가 잘 안 보이고, 그래서 엔진은 과연 어떤 걸 쓰고 있는지 이런 것들을 볼 수가 없습니다. 그래서 제가 서두에 말씀드린 것처럼 이 스트레스 테스트 모형은 어떤 그런 가이드라인이나 지켜야 될 것들을 따라서 그 길을 잘 통과해 가면서 최대한 경로를 이탈하지 않으면서 목적지에 도달을 해야 되는데. SAMP 1.0은 저희가 충격을 줘서 자본비율을 추정하기는 하지만 과연 그것이 아주 정확하게 잘 가고 있느냐를 보는 데 한계가 있었다라고 생각을 하고요. SAMP 2.0에서는 저희가 정말 세부적인 마이크로데이터를 활용을 하면서 앞서 보신 그 도미노처럼 이제는 좀 더 정교해지고, 안에 정확히 은행 은행이면 은행에 맞는 자료, 저축 은행이면 저축은행에 맞는 자료. 농협도 부산에 있는 농협이면 그 농협에 맞는 자료. 인천에 있으면 인천에 있는 자료. 그래서 저희는 이제 가는 과정이 최대한 좀 투명해졌다 생각하고. 그래서 SAMP 2.0은 이 정도로 저희가 좀 진행을 하고 했다고 생각을 합니다. 그래서 이걸 제가 스트레스 테스트 모형, 한국은행 모형에 대해서 설명을 좀 했고요.

[4. 최근 스트레스 테스트 결과 및 시스템리스크 평가]

그래서 이제 저희가 이런 모형을 가지고, 재구축한 모형을 가지고 최근 2024년 6월 금융안정 보고서에 스트레스 테스트 결과를 발표한게 있습니다. 그것을 좀 설명을 해 보겠습니다.

[Scenario] (p.23)

최근에 물론 우리나라 경제 상황이 대내적으로 변동성이 있지만 잘 유지되고 있습니다. 그렇지만 좀 더 깊게 생각해 보고 해보면 여러 가지 불확실성이나 큰 변동성에 직면해 있는 것도 부정할 수 없는데요. 그래서 저희는 왼쪽에 어떤 거시경제 전개 양상이라고 해서 앞으로 우리나라에서 어떤 충격이 오면 이러한 양상으로 전개가 되겠다라고 생각을 했습니다. 첫 번째로 요즘에 중동지역에서 자꾸 안 좋은 이슈가 있다 보니까 어떤 그런 지정학적 갈등이 있다 보면은 글로벌 공급망에 불안함이 오게 되고, 그것이 이제 유가 나 이런 원자재 가격을 높이는 요인이 되면 최근에 좀 둔화세가 강해지고 있던 인플레이션이 다시 또 재차 확산될 수 있다. 이런 것 역시 하나의 리스크로 꼽았고. 또 하나는 중국도 있고 우리나라 주로 교역 우리나라가 대외 의존도가 높다 보니까 주로 교역 상대국에서 특별히 안 좋은 경기 상황이 생기면 아무래도 수출 여건이 안 좋아지고. 그게 최근에 물론 내수가 좋긴 하지만 경기 하방 압력이 좀 커지는 요인이 될 수 있겠다라고 생각을 했고요. 그리고 신문에서 많이 보셨겠지만 금융 당국에서 부동산 PF를 질서 있게 정리해 나가고 있고 잘 추진해 나가고 있지만, 어찌됐든 예상치 못한 사건이 발생할 수 있다고 생각했습니다. 그래서 거기서 이벤트가 생기면 다시 또 심리가 위축되면서 건설 경기도 다시 안 좋아지고, 금융 시장에서 전반적으로 경계감이 좀 높아질 수 있다고 봤습니다. 그렇게 되면은 환율, 주가, 그리고 주택 가격 다 안좋아질 수 있다라고 봤고요. 그래서 이런 상황을 염두에 두고 저희가 그렇다면 이번에 스트레스 강도를 어떻게 정해볼까에 대해서 금융감독원이나 다른 기관들이 좀 이야기를 나눠 봤고요. 그래서 이 오른쪽에 제가 좀 보기 쉽게 그림으로 한번 정리를 해봤는데. 여기서 제가 보면 역사상 스트레스 강도라고 해서 0에서 100까지 해놨습니다. 이건 뭐냐면 1991년부터 2023년까지 한 34년 정도의 분기별로 이런 GDP, 물가, 회사채 금리, 주택 가격, 주가, 원 달러 환율 등 한 20개 정도 거시경제 변수가 있는데. 그런 변수들을 30년간의 자료들을 놓고 가장 안 좋았을 때가 100, 가장 좋았을 때를 0으로 했습니다. 예를 들어 주택 가격으로 보면은 주택 가격이 가장 많이 빠졌던 시기를 100으로 해놨을 거고, 그다음에 주택가격이 가장 높게 상승했을 때를 0이라고 해놨을 겁니다. 왜냐면 스트레스 관점에서 그렇고요. 그래서 보시면은 대부분 이 초록색 동그라미 표시되어 있는 외환위기 때가 아무래도 우리나라로서는 가장 큰 이벤트였고요. 지금까지. 그리고 2007년 당시 글로벌 금융위기는 전반적으로 한 50에서 100 사이 정도에 있습니다. 그리고 저희가 최근에 경험했던 코로나 19. 그때 당시에는 글로벌 금융위기보다 높았던 부분도 있고 낮았던 부분도 있습니다. 그래서 저희가 이번에 설정한 시나리오는 보면 이 빨간색 다이아몬드로 표시된 건데. 보면은 먼저 오른쪽부터 보시면, 이 주택 가격 하락률 그리고 주가 그리고 원 달러 환율 수준처럼 금융 외환 시장 같은 경우는 저희가 굉장히 좀 높은 강도를 설정을 했습니다. 반면에 왼쪽에 있는 GDP, 물가, 회사채 금리 같은 경우는 과거에 비춰보면 아주 안 좋은 상황까지는 아닙니다. 왜냐면 GDP 같은 경우는 최근에 1분기 때 GDP 성장률이 좀 좋게 나오기도 했고, 그리고 전반적으로 전 세계적으로 코로나를 거치면서 좀 부진했던 게, 그리고 다시 또 금리가 점차 낮아지는 흐름으로 갈 것으로 예상이 되면서 GDP가 예상치 못한 충격이 있어서 많이 떨어질 수 있겠지만, 그래도 글로벌 금융위기 때까지 가지는 어렵지 않을까라는 생각을 해서 이 정도로 생각을 해봤고. 그리고 물가도 예전에 보면은 한 7 8%였던 때도 꽤 있었습니다. 그거에 비해서 요즘에 다시 한 4 5% 정도로 높아진다고 해도, 역사적으로 한 중간 정도 좀 아래에 못미치는 수준으로 봤고요. 그리고 회사채 금리 같은 경우는 아마 아시겠지만 요즘에 저희가 고금리라고 하지만 역사적으로 보면은 아직도 상당히 금리 수준 자체가 절대적으로 높지 않기 때문에. 저희가 지금 시점에서 뭔가 안 좋은 스트레스를 상상을 하더라도 금리 수준 자체는 굉장히 높은 수준으로 가기 어려웠습니다. 그래서 강도는 그렇게 높진 않았고요.

[Scenario] (p.24)

그래서 이걸 좀 더 쉽게 그래프로 보시면. GDP 같은 경우는 저희가 24년 말 25년 정도에서 다시 한 0%대 정도로 다시 하락하는 상황을 좀 가정을 해봤고. 이 소비자 물가 같은 경우는 보시면 이 보라색이 베이스 라인이라서 지금 대내외적으로 어느 정도 이 정도로 갈 거라고 그냥 전망들 하는 것이 있는데. 그것보다는 다시 좀 다시 높아졌다가 떨어지는 상황 봤고요. 그리고 그 요인은 아까 말씀드린 것처럼 중동 지역에서 사건이 생기면서 유가 같은 것들 다시 튈 때, 이럴 수 있다라고 봤습니다. 그리고 회사채 금리 같은 경우도 레고랜드 사태인 2022년 하반기보다 좀 더 높아지는 상황, 다시 또 높아지는 상황을 했고. 원 달러 환율 같은 경우도 한 1500원 정도까지 다시 갈 수도 있지 않을까라는 상상을 한번 해 봤고요. 주가 같은 경우는 2,000 정도 수준으로 빠지고. 주택 가격 같은 경우도 한 5 6% 정도 빠지는 걸로 했습니다. 근데 이 주택 매매 가격 같은 경우는 항상 시나리오를 제가 설명을 드리면 너무 안일하게 본 것 아니냐라고들 질문을 하시는데. 이 매매 가격이라는 것이 한 5% 정도 빠진다고 보면, 우리가 흔히 기사에서 본 아파트 실거래가 기준으로 하면은 한 15%에서 20% 정도는 빠지는 상황입니다. 그래서 저희가 물론 가끔 기사에서 몇억씩 빠졌다고 하니까 그게 굉장히 큰 수치 같지만, 그걸 비율로 해보면 저희가 하고 있는 이 정도 수준도 생각보다는 잘 일어나지 않는 상황이고요. 그래서 앞서 보신 것처럼 주택가격 같은 경우는 저희가 역사적으로 봐도 굉장히 강한 상황을 한번 가정을 해봤습니다. 이런 상황에서 제가 테스트를 한번 진행을 해봤는데요.

[테스트 결과(자본비율 변화)] (p.25)

해서 보니까 결과를 보면은 은행 같은 경우는 국내, 시중, 지방, 특수 은행 이렇게 나눠서 저희가 보는데. 이 빨간색 점선이 감독 기준입니다. 말씀드린 것처럼 Basel Ⅲ라고 해서 전 세계적으로 이 정도로 규제 기준 가져 가자라고 합의한게 있고, 그거에 따라서 우리나라 은행 중에서 좀 크고 중요한 은행 다섯 개가 있는데. 국민, 신한, 우리, 하나, 그리고 농협. 현재는 그렇습니다. 그 다섯 개 은행 같은 경우는 아무래도 중요하다 보니까 자본 비율을 좀 더 높게 관리야 된다고 해서 12.5%입니다. 그리고 나머지 은행들 같은 경우는 11.5%인데요. 보시면 국내은행 전체로 봐도 그렇고 시중은행, 지방은행, 특수은행. 특수 은행에는 산업은행 수출입은행 등이 있고요. 보면은 2023년 말이 기준 시점인데 애당초에도 감독기준을 꽤 크게 상회하고 있고, 앞서 말씀드린 그런 스트레스 상황을 가정하더라도 자본 비율이 떨어지는 정도가 한 14% 다 이상으로 유지됐습니다. 그래서 감독 기준으로 봤을 때 아직 은행마다 편차는 있지만 한 최소 3 4%p 정도는 어떤 버퍼가 있다라고 봐서 은행 부분 자체는 건전성에 큰 우려는 없다라고 저희가 결과를 냈고요. 그리고 오른쪽에 보시는 저축은행 같은 경우 보면 최근에 저축은행에 대한 우려가 언론에서 많이 보도가 되고 있는데. 저축은행 같은 경우는 자산 규모에 따라서 자산 규모가 1조 원이 넘는 아주 큰 저축은행 같은 경우는 대형이라 해서 감독 기준이 8%고요. 자본 비율이. 그 미만은 중소형 저축 은행이라고 해서 7% 적용하고 있습니다. 그래서 보시면 은행이랑 비교해 보면 아무래도 자본 비율이 떨어진 하락폭은 좀 더 큽니다. 그 이유는 앞서 보셨던 것처럼 뭐 대출에서 부도가 나는 것들 아무래도 저축은행 같은 경우는 차주들의 건전성이 상대적으로 낮은 측면이 있기도 하고 하다 보니까. 은행과 동일한 충격을 받아도 저축은행에서 좀 더 많은 손실이 발생하는 경향이 있습니다. 따라서 자본 비율이 상대적으로 좀 더 많이 하락하는 걸 봤는데, 그럼에도 불구하고 전체적으로는 그 감독 기준보다는 한참 위에 있어서. 물론 언론에서 일부 부실한 저축은행에 대한 우려가 있지만, 전반적으로 봤을 때는 저희 저축은행 역시 업권 전체적으로 큰 무리는 없겠다라는 테스트 결과를 확인할 수 있었고요.

[테스트 결과(자본비율 변화)] (p.26)

그리고 좀 더 눈여겨 보셔야 될 건 이 상호금융인데. 상호금융 같은 경우는 저희가 최근에 어쨌든 새마을금고에 대한 이슈도 좀 있었고 하다 보니까 좀 더 자세히 최대한 세부적으로 나눠서 테스트를 좀 했습니다. 그래서 일단 왼쪽에 있는 그림을 먼저 보시면 농협, 새마을금고, 그리고 신협, 수협 산림. 각각 역시 다 빨간색은 각 업권의 감독 기준이고요. 그래서 보시면 농협 같은 경우는 거의 영향을 받지 않았습니다. 농협 같은 경우는 아무래도 차주들의 건전성이 생각보다 기대했던 것보다 훨씬 더 양호하게 나와서. 상호 금융이 작은 조합이긴 하지만 지역 단위에서도 농협의 조합 건전성은 우수하다고 저희가 할 수 있었고. 너무 안 떨어져서 저희가 계속 반복을 해서 해봤지만 농협은 계속해서 유지하는 상황을 유지하는 걸 볼 수 있었습니다. 새마을금고 같은 경우도 저희가 우려했던 거에 비해서는 훨씬 더 양호했습니다. 새마을금고가 정말 수없이 많다 보니까 일부 건전성이 좀 부실한 근거들이 있겠지만, 그래도 전반적으로는 자본 비율이 꽤 괜찮은 상황이었다는 것을 확인할 수 있었고. 신협이나 그리고 수협 살림 역시 감독 기준이 2%인데 2%보다는 꽤 좋게 나왔습니다. 그래서 저희가 어떤 이슈가 있을 때 내가 혹시 큰 대형은행이 아니고 작은 조합이나 이런 곳에 예금을 해 놓은 분들이 좀 우려할 수 있겠지만, 그래도 그 개별 조합 역시 금융감독원도 그렇고 저희도 그렇고 저희가 보고 있는 어떤 규제나 감독의 테두리 안에 있기 때문에 다 건전성 관리가 기본적으로 잘 되고 있다라는 것을 확인할 수 있고요. 다만 이 오른쪽에 상호금융 업권 내 그룹별이라는 것을 보면, 이게 새마을금고, 신협, 수협 산림이라 작업을 할 때 근거들을 모두. 예를 들어 새마을 금고로 예를 들어 설명을 해 보면, 다 동일하게 취급하지는 않았습니다. 예를 들어 23년 말 기준으로 봤을 때 이미 자산의 건전성이 굉장히 안 좋은 금거들이 있습니다. 대출이 100개라고 하면 10개 이상은 이미 대출이 부도가 나 있는 그런 금고들이 있다면, 그런 금고들은 저희가 취약한 금고다 해서 하나의 그룹으로 묶었고. 그리고 중간이면 보통, 양호하고 했습니다. 그렇게 해서 각자 달리 추정을 했고. 그렇게 해서 결과를 내보니까 역시나 충격이 왔을 때 이미 과거에 어 대출에서 이미 많이 부실이 났던 근거들은 앞서 미래에 발생할 충격에서도 취약하게 결과가 나오게 되고. 더 큰 충격을 받게 되고. 그러다 보니까 새마을금고랑 신협, 수협 산림 다 취약한 그룹들은 평균적으로 자본 비율이 감독 기준과 굉장히 아슬아슬한 정도로 붙는 모습을 좀 확인할 수 있습니다. 물론 감독 기준을 상회 하니까 당장 큰 이슈가 있지 않겠지만, 그래도 이 정도로 어느 정도 붙는 걸 보면 그래도 분명히 취약한 어떤 금고나 기관은 있다. 그래서 이런 모형을 통해서 그런 금융감독원의 협조를 통해서 세부적으로 그런 기간관 대해서는 뭐 조치를 좀 해 나갈 필요가 있겠다라는 것을 확인할 수 있었고.

[테스트 결과] (p.27)

저희가 그 배경을 좀 살펴보니까 왼쪽에 있는 그림은 설명드린 것처럼 어떤 충격이 왔을 때 취약한 그룹이 보통이나 양호한 그룹에 비해서 부도율이라는 것이 더 빠르게 올라가는 것을 저희가 확인한 그런 그림이고요. 오른쪽 그림들을 보시면 이 취약한 그룹들이 갖고 있는 공통점이 무엇이냐, 왜냐면 그것을 알아야 저희가 처방을 할 수 있기 때문에. 보면 여러 가지 요인이 있었지만 가장 뚜렷한 것은 기업 대출에 대한 비중이 굉장히 높다는 것이었습니다. 사실 저희가 상호 금융이라 하면 그것의 본래 목적은 어떤 지역에서 일종의 관계형 금융을 하라는 겁니다. 그래서 꼭 대형 금융기관이 아니더라도 영세한 개인이나 소상공인들 사이에서 어떤 금융 행위를 중개하는 그런 일종의 서민 금융으로서의 역할에 충실하는 것이 원래의 목적인데. 저금리 기간이 장기화 되다 보니까 이런 기간들이 좀 더 수익성이 높은 사업에 눈을 돌린 시기가 꽤 있었습니다. 그러다 보니까 저희가 최근에 보는 것처럼 무슨 부동산 PF 사업, 그리고 기업 대출, 부동산 개발 사업 이런 것들에 좀 돈을 경쟁적으로 대출해준 부분이 있었습니다. 그래서 어떤 지역에 있는 영세한 소상공인이나 가계 대신 그런 부분에 좀 자금이 많이 흘러갔고. 그러다 보니 이 세로축이 고정이하 여신비율이라는 건데, 고정이하 여신비율이라는 거는 이제 법적인 어고. 치환을 하면 일종의 대출 자산 중에서 3개월 이상 연체가 된 어떤 그런 자산의 비율이라는 것인데. 보면 그렇게 좀 아무래도 고수익을 가져다줄 수 있지만 그에 상응하는 어떤 고위험의 성격을 가지고 있는 기업 대출에 많이 자금이 흘러간 금고일수록 고정여신 비율, 즉 3개월 이상 연체된 비율이 높게 나타났다. 그래서 앞서 보신 것처럼 이런 취약한 그런 기관들을 줄여나가기 위해서는 이렇게 서민 금융인 상호 금융들이 이렇게 기업 대출 적으로만 자산을 대출을 집중하고 이런 것들은 어느 정도 흐름을 좀 돌려놔야 되겠다. 이런 결론을 확인할 수 있습니다. 그래서 정책이나 제안 같은 것도 그런 방향으로 해나가고 있고요.

[시스템리스크] (p.28)

그래서 앞서 보신 것처럼 이런 결과들을 보면, 업권 전반적으로는 다 문제가 없었습니다. 다만 취약한 그룹 내에서 일부 기관들이 분명히 자본비율이 감독기준 밑으로 하락하는 기관이 있을 수도 있고, 그리고 취약한 그룹 같은 경우 평균적으로도 좀 감독 기준에 근접하다 보니까. 이런 경우에 저희가 과연 그럼 이런 개별 기관들이 부실 됐을 때 과연 실물 경제까지 어떻게 가느냐. 그래서 그 부실이 굉장히 크다면 실물 경제에도 큰 영향을 미칠 텐데. 그렇다면은 저희가 이때는 시스템 리스크로 판단할 여지가 있겠다라고 보는 것이거든요.

[시스템리스크 평가] (p.29)

그래서 이런 관점에서 봤을 때 저희가 평가를 좀 해보면. 은행이랑 저축은행 같은 경우는 워낙 대부분 다 감독 기준을 꽤 상회하다 보니까 그런 이슈가 적다고 생각했지만, 상호금융 같은 경우는 새마을금고나 일부 아주 취약한 금고에서 감독 기준에 붙기 때문에 저희가 그러면 그 기관들이 과연 큰 기관인가 먼저 살펴봤는데. 맨 왼쪽 그래프에 보시면 이 상호 금융에서 취약한 그룹, 그러니까 이미 기업 대출에 굉장히 많은 대출을 해 주고 그래서 자본 비율이 많이 떨어지는 어떤 그런 개별 조합들. 과연 자산 규모가 어떻게 되느냐를 봤더니, 전체 상호금융 조합들 중에서 보시면 2천억 원 미만이 47%. 4천억 원 미만이 32%. 그래서 이 기관 금융 기관이라고 생각해 보면 이 정도는 사실 큰 규모는 아닙니다. 자산 규모가. 그래서 이 분포에서 보실 수 있는 것처럼 그래도 이렇게 상대적으로 영세한 규모 파급력이 크지 않은 조합들이 상대적으로 좀 취약한 그룹에 많이 속해 있구나. 해서 이 기관이 부실화 되더라도 그 충격이 좀 크진 않겠다라는 것을 가늠을 할 수 있고요. 가운데 있는 그래프를 보시면 이게 업권간 상호거래 구조 및 규모라고 해서, 기관들을 은행, 증권, 투자, 펀드, 서민금융 이렇게 나누어 보면. 보시면 이 초록색들이 아무래도 상위 네 개입니다. 우리나라 금융 시스템에서 금융 기관들끼리 주고받는 어떤 자금 흐름을 봤을 때 서로 주고받는 그 자금 규모가 클수록, 두 동그라미들을 이어주는 선이 굵게 나타나는데. 보시면 국내은행 그리고 증권사 그리고 투자 펀드, 신탁회사 이런 것들이 아무래도 좀 두껍습니다. 보험사도 그렇고. 눈여겨 봐야 될 것은 오른쪽 아래에 있는 서민 금융입니다. 이 서민 금융이 달리 말하면 상호 금융이거든요. 그래서 신협이나 새마을금고 같은 것들이 서민 금융인데. 보시면 서민 금융 같은 경우는 은행에서 일부 자금을 운용하기도 하고 조달하기도 하지만, 다른 건들의 연결된 선을 보시면 굉장히 얇습니다. 왜냐면 기관들은 기본적으로 자금을 조달할 때 어떤 금융 기관에서 조달하기보다는 예금자. 개별 가계나 기업들이 이렇게 예금을 하는 것으로 자금을 조달하기 때문에. 금융 시스템 내에서 여타 업권들, 그러니까 은행과의 거래도 많지 않고. 예를 들어 서울에 있는 한 농협 조합이 증권사는 거래를 하느냐, 그러면은 그런 건 거의 희박하다고 보기 때문에. 저희는 서민 금융 내에서 일부 취약한 조합들이 부실화 되더라도 그것이 다른 금융권으로 퍼져나가는 어떤 흐름이나 양 자체는 굉장히 제한적이겠다고 판단했습니다. 그래서 맨 오른쪽 그림을 보시면, 실제로 그 가로축에 있는 자금 조달 의존도인데. 각 업권들이 내가 자금을 100을 조달할 때 그 중 몇 퍼센트를 다른 금융 업권에서 가져오냐는 건데. 보시면 서민금융 같은 경우는 한 10%도 안 됩니다. 전체 100의 자금을 도달한다고 하면 한 8에서 9 정도만 자금을 조달하기 때문에 큰 문제는 없다라고 봤습니다. 그래서 이렇게 전반적으로 다 봤을 때 결론을 좀 내려보면, 저희가 한 2 30년 만에 한 번 정도 발생한 어떤 충격을 가정을 했고, 그 가정을 한 상황에서 충격이 발생했을 때 각 금융기관들이 받는 충격을 추정을 했고, 그 결과 은행, 저축은행, 상호금융 그리고 물론 증권사 보험사도 했습니다. 그렇지만 그건 양호하게 나타났고요. 봤을 때 대부분은 다 감독 기준보다 한참 상회한다. 다만 상호금융 일부에서, 기업 대출을 무리하게 해 준 어떤 그런 기관들에서 좀 건전성이 우려할 만한 수준이 있을 수 있겠다라는 결론을 내렸고. 그렇다면 그럼 그 기관들은 중요하냐와 유의하냐를 봤을 때 이런 일련의 차트들을 봤을 때 그 파급력은 크지 않을 것으로 본다라고 판단을 내렸습니다. 그렇게 해서 이런 충격이 와도 우리나라 금융 시스템에서 어떠한 시스템 리스크라고 불리는 것에 대한 가능성은 높지 않다라는게 저희가 이번에 금융안정 보고서를 통해서 안내해 드린 내용이고요. 다만 이렇게 하게 되면 하나 남는 의문이 있습니다.

[시스템리스크 평가] (p.30)

무엇이냐면 ,어를 들어 제가 살고 있는 지역이 경기도인데. 경기도에는 저희 지역에 새마을금고에 제가 예금을 넣어놨습니다. 한 1억 정도 넣어 놨다고 하는데. 충격이 왔을 때 그 금고에 예를 들어 자본 비율이 하락한다고 했을 때, 설명하신 것처럼 다른 시스템으로 퍼져나가는 건 없겠지만, 나에게 중요한 거는 내가 맡겨 놓은 예금 아니겠습니까. 그래서 과연 내가 맡겨놓은 조합이나 금고에서 유동성의 문제가 되면은 나는 피해를 볼 수 있기 때문에, 이렇게 시스템 리스크라는 것을 평가하고 나면 그다음 관심은 그럼 과연 그 기관들은 유동성이 괜찮냐는 것입니다. 그래서 예금 인출 요구에 다 응할 수 있냐라는 것이고. 그래서 저희가 한 단계 더 나아가서 마지막으로 이런 것들을 좀 평가를 해 보는데. 이것도 역시 저희가 금융안정 보고서에서 소개를 해 놨습니다. 보시면 어떤 이런 금융위기 때나 외환위기 때처럼 저희가 상황을 봤을 때, 그 당시에 각 업권에서 자금이 빠져나갔던 인출됐던 비율이 있습니다. 당시에 예금이 10조였으면 그중에서 한 5천억이 빠져나갔다라면 그 비율이 있겠죠. 그래서 그런 것들을 저희가 적용을 해서, 향후 3개월간 각 기관이나 업권들이 빠져나갈 돈에 대비, 그게 이제 현금 유출 예상액이고. 대비해서 내가 그 이상을 확보할 수 있느냐라는 것을 계산을 하고. 그것이 이제 100을 넘으면 저희는 유동성에도 별다른 문제는 없겠다라는 것인데. 그래서 현금을 확보할 수 있는 것은 여러 가지지만 내가 빌려줬던 돈에 뭐 만기가 도래하는 것도 있을 것이고, 내가 가지고 있던 자산을 일부 판매할 수도 있는 것이고. 그래서 봤더니 보험사, 증권사, 여전사 같은 경우는 200을 훨씬 상회해서 유동성에는 저희가 봤을 때 큰 문제가 없겠다고 생각을 했고. 다만 이 상호금융이랑 저축은행은 여 타권에 비해서는 유동성이 이렇게 높진 않았습니다. 근데 물론 그 자체는 일종 업권의 특성이라는게 있습니다. 최대한 금융 기간은 그 자금을 조달해서 최대한의 운용을 해서 수익을 내야 되기 때문에 본인들이 리스크를 감내할 수 있는 상황에서 최대한 어느 정도 전략을 가져갈 수밖에 없고요. 그래서 어쨌든 그런 상황을 염두에 두고 있기 때문에, 100에 근접했다고 해서 반드시 저희가 규제를 하거나 행위를 탓할 수 없는 것이고. 다만 상호금융이나 저축은행은 상대적으로 타이트하게 관리가 되는 것을 볼 수 있기 때문에 저희가 좀 자세히 살펴봤더니, 업권 별로도 저축은행 역시 다 100 이상이었고. 대형 중소형 다. 그리고 상호금융도 신협, 그리고 새마을금고, 농 수 산림 다. 3개월 정도는 다 빠져나갈 것으로 예상되는 것에 비해서는 많이 가지고 있다. 그래서 저희가 봤을 때 시스템 리스크 우려도 크지 않지만, 일부 언론 또는 어떤 일반 저희가 우려하는 것처럼 유동성 상황이 갑자기 크게 악화될 수 있는 상황이 올 것이냐라고 봤을 때, 그런 혼란은 크지 않다라고 저희가 확인하고 있고요. 그래서 이번에 저희가 재구축한 모형을 통해서 이런 작업들을 해봤고, 앞으로도 이런 모형들을 통해서 금융감독원, 예금보험공사, 그리고 금융위원회, 그리고 나아가 기업체 정부까지 해서 협조해서 앞으로도 수시로 분석한 결과를 소개하고, 그리고 금융안정 보고서를 통해서 6월이나 12월에 발간을 할 예정입니다. 그래서 그걸 좀 유의 깊게 봐주시면 좋을 것 같고요. 그리고 스트레스 테스트 모형이라는게 나오면 적어도 오늘 들으신 내용을 좀 기억해 가면서 좀 더 관심깊게 지켜봐 주셨으면 좋겠습니다. 네 그럼 이상으로 오늘 준비한 강의를 마치도록 하겠습니다. 감사합니다.