자막
[제1014회] 금융안정지표에 대한 이해
(2025. 11. 21(금), 금융안정국 시스템리스크팀 황지영 과장)
(황지영 과장)
안녕하십니까. 한국은행 금융안정국 시스템리스크팀의 황지영 과정이라고 합니다. 먼저 추워진 날씨에도 불구하고 이렇게 먼 길 찾아와주신 분들께 감사하다는 말씀을 드립니다. 오늘 저는 한국은행 금융안정업무에서 많이 참고하고 있는 한국은행 금융안정지표에 대한 이해를 주제로 약 40분에서 50분 가량 발표를 진행하고자 합니다. 오늘 발표에서는 금융시스템 전반의 리스크를 어떻게 파악하고 그 과정에서 금융불안지수와 금융취약성지수가 어떤 역할을 하는지 조금 더 종합적으로 살펴보려고 합니다. 특히 시스템리스크의 차원에서 시계열적인 접근과 횡단면적인 접근이 어떻게 서로 보완되는지에 초점을 맞춰서 말씀드리겠습니다. 발표 내용 가운데 조금 설명이 부족한 부분도 당연히 있을 것이고 개념적으로 어렵게 느껴지는 부분도 있겠지만, 제가 아는 수준에서 최대한 열심히 설명을 드려보려고 합니다. 이번에 제가 금요강좌 발표를 처음 맡았다보니 발표 과정에서 약간 미숙하고 지루할 수도 있겠지만, 그래도 차분히 내용에 집중하여 주시면 감사드리겠습니다. 그럼 발표 시작하겠습니다.
[ Content ]
발표 순서는 다음과 같습니다. 발표는 크게 세 개의 축으로 구성되어 있습니다. 금융안정이라는 큰 틀에서 먼저 시스템리스크가 무엇인지를 개념적으로 이해하고, 시계열 기반의 접근법인 금융불안지수와 금융취약성지수의 산출 과정과 그 의미 그리고 이것을 어떻게 활용할 수 있는지에 대해서 살펴보겠습니다. 오늘 발표의 대부분은 한국은행에서 산출하고 있는 FSI와 FVI를 설명하는 데 할애가 될 것입니다. 그리고 끝으로 횡단면 기반의 접근법을 통해서 금융기관 간 네트워크 효과가 어떻게 나타나고, 이것이 시스템리스크에 어떤 영향을 미치는지에 대해서 말씀을 드리겠습니다.
[ 1. 시스템리스크 ] (p.3)
어떻게 강의를 시작할까 많은 고민을 하다가 제가 현재 속해있는 시스템리스크팀의 업무를 소개해 드리고 그런 업무 속에서 지표들을 이해해보면 도움이 될 것이라고 생각했습니다. 시스템리스크가 무엇을 의미하는지 많은 분들께서 대략적으로 의미를 이해하고 계시겠지만, 정의를 이야기하자면 떠오르지 않는 것이 사실일 것 같습니다. 그래서 제가 시스템리스크의 정의를 한번 가져와 봤습니다. 시스템리스크란 금융시스템 전체 또는 일부의 금융중개 기능이 제대로 작동하지 않아 실물경제가 심각한 충격을 받는 위험을 의미합니다. 과거 외환위기나 글로벌 금융위기와 같은 사례를 생각하면 조금 더 명확하게 이해가 될 거 같은데요. 이런 시스템리스크는 두 개의 축에서 이해를 해 볼 수 있습니다. 먼저 시계열적인 측면에서 금융시스템 취약성이 경기사이클과 맞물려서 상호강화하는 위험을 시스템리스크라고 다시 정의를 내려볼 수 있을 것 같습니다. 예컨대 신용이 증가하고 자산의 가격이 높아지면서 이런 것이 상호작용하면 금융시스템의 버블을 키우고 그렇게 금융시스템의 취약성이 높아졌을 때 대내외 충격이 발생하면 급격한 디레버리징과 함께 실물경기가 크게 위축될 것입니다. 한편 횡단면적으로 시스템리스크를 정의하자면, 금융기관 간 상호거래 네트워크, 공통 익스포저 등으로 인해 시스템 일부의 충격이 전체로 전이되고 증폭되는 위험이라고 할 수 있겠습니다. 그렇기 때문에 정책적으로는 시스템적 중요 금융기관을 지정한다든지 금융기관으로 하여금 자본적정성이나 유동성과 같은 완충 자본을 충분히 확보하도록 요구하고, 위기가 발생하였을 때는 질서 있는 정리 체계를 마련하도록 하는 등 시스템리스크를 완화하기 위해서 거시건전성 정책이나 다른 금융정책들을 설계하게 됩니다.
[ 1. 시스템리스크 ] (p.4)
시스템리스크팀의 목적은 시스템리스크를 파악하고 리스크에 대한 진단 하에서 이러한 위험이 충분히 누적되기 전에 그것을 조기에 경보하는 데 있습니다. 저희 팀에서는 금융시스템 리스크를 파악하기 위해서 두 가지의 방법을 독립적으로 활용하고 있습니다. 먼저 스트레스 테스트를 통한 대차대조표 기반의 접근이 있겠습니다. 예외적이지만 발생 가능한 경제 상황을 시나리오로 만들고 해당 시나리오에서 금융기관이 충분히 손실을 흡수할 수 있는지를 스트레스 테스트 모형을 통해 평가하게 됩니다. 특히 한국은행과 금융감독원은 은행과 저축은행 등을 대상으로 자본 적정성과 유동성 공동 스트레스 테스트를 실시하고 있습니다. 먼저 자본적정성과 관련해서 은행, 저축은행 등을 대상으로 공통적인 거시경제 충격 시나리오, 예컨대 GDP 성장률의 하락이라든지 물가상승 등 이러한 시나리오 속에서 각 금융기관이 충분히 자본을 통해서 충격을 흡수할 수 있는지를 평가합니다. 한국은행은 모든 금융기관에 대해서 하향식으로 스트레스 테스트를 진행하고요. 각 금융기관에서도 상향식으로 각 금융기관이 실제 위기 속에서도 자본을 충분히 확보할 수 있는지를 평가하고 있습니다. 그리고 이러한 두 개의 평가를 서로 비교해서 그 결과를 이해하고 해석하고 있습니다. 마찬가지로 외화 유동성과 관련해서도 은행, 보험, 증권 등을 대상으로 3개월내 현금 유출입이나 잉여자금 규모를 평가하고 있습니다. 단기적으로 외화자금이 유출되는 가정적인 상황에서도 단기 외화자금을 충분히 확보할 수 있는지 그러한 금융기관의 유동성 능력을 점검하는 것이죠. 이러한 모형 방식의 접근은 극심한 스트레스 상황을 가정하고 그 상황에서도 금융기관이 복원력을 유지할 수 있는가를 평가한다는 점에서 횡단면적인 측면과 시계열적인 측면을 동시에 평가해볼 수 있을 것 같습니다. 다음으로 지수를 활용해서 현재 금융상황에 대한 진단을 내려볼 수도 있습니다. 구체적으로 현재 단기적인 금융상황이 어떠한지 평가하고 중장기적인 취약성은 어떠한지를 파악함으로써 금융시스템의 리스크를 평가해볼 수 있습니다.
[ 2. 시계열 접근법 - 금융안정 지표 개요 ] (p.5)
지금까지 시스템리스크가 무엇인지, 그리고 시스템리스크를 시계열적으로 횡단면적으로 살펴볼 때 어떠한 위험인지를 정의했습니다. 본 장에서는 시계열적인 관점에서 금융안정 지표를 설명드리려고 합니다. 금융불안이라는 것은 다음의 단계를 거쳐서 발생합니다. 먼저 금융시스템 내부적으로 금융취약성이 크게 누적되었을 때 금융불안이 발생하기 쉽습니다. 신용 측면에서는 부채가 과도하게 증가하고 자산가격의 고평가가 이루어지면서 금융불균형이 누적되면 외부 충격에 크게 노출되게 됩니다. 이러한 상황과 동시에 금융기관이 자본이나 유동성을 충분히 확보할 수 없는 환경이라면 금융취약성이 높은 상태라고 할 수 있습니다. 이렇게 금융취약성이 높은 상황에서 외부 충격이 발생하게 되면 그것은 금융불안으로 발전할 수 있습니다. 예를 들어서 물가가 높아지는 상황에서 금리가 인상이 된다든지 글로벌하게 경기가 침체되는 상황 혹은 어떠한 지역에서 지정학적으로 리스크가 발생했을 때 그리고 이것으로 인해서 원자재 가격이 급등하게 되면 그것이 금융시스템의 취약성에 크나큰 충격으로 다가올 수 있습니다. 그리고 이러한 충격이 현실화되면서 금융중개기능이 저하되면 신용 경색과 자산가격 급락이 나타나는 금융불안이 나타날 것이고 그것이 결국에는 시스템리스크 전이로 발전할 수도 있는 것이죠.
[ 2. 시계열 접근법 - 금융안정 지표 개요 ] (p.6)
앞에서의 스토리를 조금 더 체계적으로 구분하여 말씀드리겠습니다. 먼저 표면적으로 금융시장에 불안이 나타나고 경제 불확실성이 대단히 높아지는 상황이 있을 수 있습니다. 이와 달리 표면적으로는 금융시스템이 대단히 안정적이지만 잠재되어 있는 금융불균형이 누적되고 금융기관의 복원력이 저하되는 등 리스크가 크게 쌓이는 상황이 발생할 수도 있습니다. 이러한 표면적인 리스크와 잠재적인 리스크를 포착하기 위해서 한국은행 금융안정국에서는 금융불안지수와 금융취약성지수를 산출하여 평가하고 있습니다. 이를 통해서 금융안정 상황에 대한 전반적인 평가를 내리고 그에 맞게 거시건전성 정책을 실시할 수 있게 되는 겁니다. 최근에 제가 한국은행 유튜브 숏츠 영상에서 금융불안지수랑 금융취약성지수를 소개한 적이 있었는데요. 이때 제가 금융불안지수와 취약성지수를 사람의 건강 상태를 진단하는 것에 비유를 했었습니다. 그래서 금융불안지수는 현재 금융시스템이 건강한지 혹은 감기에 걸린 상태인지를 확인하는 것이라면 금융취약성 지수는 그 시스템의 기초체력, 즉 면역력을 평가한다고 볼 수 있을 것 같습니다.
[ 2.1. 시계열 접근법 - 금융불안지수(FSI) ] (p.7)
그럼 금융안정 상황을 평가하기 위한 두 개의 축 중에서 표면적인 리스크를 측정하는 금융불안지수에 대해서 설명드리겠습니다. 금융불안지수는 다음과 같이 정의됩니다. 금융과 실물, 대외, 금융기관 부문에서 나타나는 금융불안을 저희는 스트레스라고 부르는데요. 이런 스트레스 상황과 금융불안이 확대될 수 있는 가능성을 속보성 있게 판단하는 지수입니다. 영어로는 Financial Stress Index라고 하고요. 줄여서 FSI라고 부르고 있습니다. 이런 FSI의 목적은 단기 시계에서 금융불안 상황을 포착하는 데 있습니다. 그렇기 때문에 통계는 월별로 편제가 되고 있고요. 금융불안지수는 2012년 4월 금융안정보고서를 통해 최초로 외부에 공개되었고, 이후 2023년에 한 차례 개편되었습니다.
[ 2.1. 시계열 접근법 - 금융불안지수(FSI) ] (p.8)
많은 분들께서 이미 해당 지수를 접하고 사용하고 또 뉴스에서 들어보셨을 겁니다. 그래서 이번에는 여러분이 사용하고 계신 금융불안지수가 어떻게 산출되는지를 단계적으로 말씀드리겠습니다. FSI는 크게 일곱 단계에 걸쳐서 산출되고 있습니다. 먼저 금융시스템에 중요한 구성부문을 선정하고 각 구성부문 내의 세부지표를 결정한 뒤, 세부지표의 단위가 제각기 다르기 때문에 그러한 단위를 통일시켜 주는 표준화를 진행합니다. 이후 각 구성부문별 하나의 공통요인을 뽑고요. 공통요인의 등분산 가중평균을 통해서 하나의 종합지수로 시산을 하게 됩니다. 그리고 직관적으로 이해하기 쉽도록 지수를 0과 100 사이로 스케일을 조정하는 지수변환을 하고 있습니다. 끝으로 '현재 금융불안지수가 몇이다'라고 했을 때 그게 어떤 상태인지를 평가내릴 수 있도록 해당 지수의 임계치로써 주의와 위험을 설정해서 해당 지수를 이해할 수 있게끔 설정을 해 놨습니다.
[ 2.1. 시계열 접근법 - 금융불안지수(FSI) ] (p.9)
그러면 이제 일곱 단계를 하나씩 살펴보려고 하는데요. 먼저 첫 번째 구성부문 선정에 대해서 말씀을 드리면 금융불안지수를 산출하기 위해서는 먼저 금융시스템에 중요하다고 생각이 되는 구성부문을 골라야 합니다. 2012년 개발 당시에는 실물, 가계, 기업, 금융시장, 대외, 은행 이렇게 총 여섯 개 부문을 선정해서 FSI를 구성하였습니다. 그러고 나서 2023년 개편까지 약 10년이 흘렀는데요. 그동안 경제 상황이 변화하고 비은행 부문의 중요성이 높아졌을 수 있기에 이러한 경제 상황의 변화를 반영하기 위해서 구성부문부터 다시 선정하였습니다. 그래서 현재 FSI는 실물, 금융시장, 대외, 은행, 비은행 이렇게 다섯 개 부문으로 이루어져 있고요. 실물 같은 경우에는 실물과 가계 그리고 기업을 하나로 통합해서 하나의 구성부문으로 지수를 편제하고 있습니다.
[ 2.1. 시계열 접근법 - 금융불안지수(FSI) ] (p.10)
다음으로는 각 구성부문 내에서 세부지표를 선정하게 됩니다. 세부지표를 선정하기 위해서는 어떠한 기준이 필요할 것 같은데요. 그러한 기준으로 저희는 가용성, 설명력 그리고 데이터 주기를 고려하고 있습니다. 먼저 가용성이란 해당 지표가 금융불안지수의 하나의 지표로 활용되기 위해서, 즉 통계분석을 위해서 시계열이 충분히 확보되는지를 따져봐야 합니다. 예컨대 과거 외환위기부터 현재까지 충분히 시계열이 확보가 된다면 저희는 과거부터 지금까지를 비교하기에 용이할 것이고 이러한 지표를 선정하는 것이 우선일 것 같습니다. 두 번째로는 설명력입니다. 해당 지표는 역사적으로 중요한 금융사건, 예를 들면 외환위기나 글로벌 금융위기를 설명하거나 예측하는 데 도움이 되어야 합니다. 시계열은 충분히 긴데 역사적인 금융사건과 별개로 움직이는 지표를 선정하게 된다면 당연히 그것을 통해서 취합한 금융불안지수의 설명력은 낮아질 수밖에 없을 것입니다. 마지막으로 데이터 주기인데요. 금융불안지수는 먼저 그 목적이 단기적인 금융불안 상황을 포착하는 데 있습니다. 따라서 지수는 월별로 편제되는 것이 바람직하고, 그러기 위해서는 일별 혹은 월별 데이터를 활용해야 합니다. 분기별 데이터가 정말 도움이 된다면 사용할 수도 있겠지만 그러기 위해서는 가정이 필요할 텐데, 그런 가정이나 추정은 전체적인 지수의 설명력을 낮추기 때문에 가급적이면 일별 혹은 월별 데이터를 사용하는 것이 바람직할 것입니다. 이런 기준들을 통해서 저희는 현재 20개의 세부지표를 선정하였습니다.
[ 2.1. 시계열 접근법 - 금융불안지수(FSI) ] (p.11)
세부지표들을 하나씩 살펴보려고 하는데요. 금융시장 같은 경우에는 코스피 변동성이나 코스피 하락률을 포함하였고요. 채권시장도 포함하기 위해서 신용스프레드와 장단기스프레드를 고려하고 있습니다. 대외 부문에서는 원/달러 환율의 변동성이라든지 차익거래유인, 외환보유액 갭 그리고 한국 CDS프리미엄을 활용하고 있습니다. 여기서 외환보유액 갭은 어떤 의미냐면 장기적인 추세와 비교해서 외환보유액이 감소한 상황이면 그것이 금융불안을 높이는 상황으로 해석을 할 수 있습니다. 따라서 외환보유액 갭은 그 갭 대비해서 적은지 큰지를 각 기준으로 지표에 반영이 되고 있습니다. 실물 같은 경우에도 주택부터 소비자심리 그리고 BSI에 이르기까지 앞에서 언급하였던 가계, 실물, 기업을 아우르도록 하고 있고요. 은행 같은 경우에도 외화부채 비중이나 연체율, 은행채스프레드를 통해서 금융기관의 자산건전성 그리고 차입 여건까지도 고려를 하고 있습니다. 끝으로 비은행 같은 경우에는 저축은행 연체율부터 상호금융, 여전채스프레드 그리고 보험사의 부채/자산 비율을 고려하고 있습니다. 이를 통해서 지표가 비은행 여건을 조금 더 포괄적으로 담아낼 수 있도록 노력하였습니다.
[ 2.1. 시계열 접근법 - 금융불안지수(FSI) ] (p.12)
앞서 열심히 20개의 지표를 모았다면 세 번째 단계에서는 20개의 지표를 바탕으로 실제 지수를 만들어야 할 것입니다. 그런데 20개 지표들은 서로 다른 단위를 갖고 있기 때문에 이것들을 직접 비교하는 것은 어려울 것 같습니다. 따라서 20개의 지표들을 각 원계열이 X라고 했을 때 그 평균과 표준편차를 이용해서 표준화를 시키게 됩니다. 이를 통해서 모든 지표들은 평균이 0이고 표준편차가 1인 계열로 변하게 됩니다.
[ 2.1. 시계열 접근법 - 금융불안지수(FSI) ] (p.13)
네 번째 단계에서는 저희가 앞서 선정한 다섯 개의 구성부문별로 금융불안이라는 요인을 하나씩 추출하게 됩니다. 이때 저희는 Time-varying Parameter Dynamic Factor Model 줄여서 TVP-DFM이라는 모형을 활용하고 있습니다. 이 모형의 특징이라고 한다면 모수의 시변성을 허용하면서 동태적인 공통요인을 추출하고 그를 통해서 거시경제 변화를 지수가 반영할 수 있게끔 한다는 점입니다. 아래의 수식이 조금 복잡해 보일 수 있어서 하나씩 설명을 드리겠습니다. 첫 번째로 z가 보이실 텐데요. 이 z는 저희가 앞서 뽑았던 20개의 세부지표를 의미합니다. 그 중에서 저희가 금융시장 부문을 생각해 보면, 이는 코스피 변동성부터 장단기스프레드까지 총 네 개의 세부지표를 갖고 있습니다. 이 네 개의 세부지표로부터 f라고 하는 요인을 추출하게 됩니다. 이 f는 금융시장에서 나타나는 금융불안 상황을 대변해 준다고 해석할 수 있을 것 같습니다. 제가 앞서 모수의 시변성을 말씀드렸는데요. 모수의 시변성이라는 것은 아래의 두 수식 중에 f 앞에 있는 λ(람다)라든지 f t−1앞에 있는 β(베타)가 시계열 변화에 따라서 조금씩 바뀐다는 것을 의미합니다. 하첨자로 t가 보이실 텐데요. 이는 세부지표와 그로부터 추출되는 공통요인의 관계가 하나의 숫자로 고정이 되는 것이 아니라, 지표 간의 관계가 변화하고 중요도가 바뀌면 모형도 이를 반영할 수 있도록 세팅을 해 놓은 것입니다. 이를 통해서 거시경제의 변화를 반영하고, 모형이 과거부터 지금까지를 조금 더 효율적으로 설명할 수 있게끔 구성을 하고 있습니다.
[ 2.1. 시계열 접근법 - 금융불안지수(FSI) ] (p.14)
저희는 앞에서 말씀드렸던 TVP-DFM이라는 모형을 통해서 금융시장부터 대외, 실물, 은행, 비은행 이렇게 다섯 개 부문에 대해서 각각 금융불안이라는 요인을 추출하게 됩니다. 다섯 개 부문에서 나타나는 금융불안 상황을 대변하는 요인을 뽑았다면, 저희는 이 요인을 하나의 지수로 합산할 필요가 있을 것 같습니다. 그러기 위해서 저희는 각 요인의 표준편차를 고려해서 그 역수로 가중치를 정해서 합산하게 됩니다. 각 요인들의 표준편차, 즉 분산이 서로 다른 것을 하나의 분산으로 통일시켜 주는 과정을 거치고 그를 통해서 종합적으로 하나의 지수를 추출하게 됩니다.
[ 2.1. 시계열 접근법 - 금융불안지수(FSI) ] (p.15)
다음으로 저희가 앞서 구한 종합지수를 조금 더 직관에 부합하고 이해하기 편하도록 역사적 최저점을 0, 그리고 최고점을 100으로 변환하는 Min-Max 변환을 활용하고 있습니다. 이렇게 Min-Max 변환을 통해서 최고점은 외환위기 때였는데요. 외환위기 때가 100이 되고 또 가장 낮았던 시점은 0으로 잡은 뒤 현재 시점을 평가하게 됩니다. FSI가 높을수록 저희는 해당 시점이 금융 불안정성이 높은 상태라고 판단을 내려볼 수 있습니다.
[ 2.1. 시계열 접근법 - 금융불안지수(FSI) ] (p.16)
저희가 이렇게 FSI를 산출을 해 보았는데요. 이런 FSI가 과거 금융불안시기를 정말 잘 포착하는지 평가해 볼 필요가 있을 것 같습니다. 먼저 과거 금융불안 시기가 언제였는지를 정의하기 위해서 저희는 전문가 설문조사와 반기마다 실시하는 시스템리스크 서베이 등을 활용하고 있습니다. 그리고 이러한 서베이의 응답을 토대로 과거에 식별된 금융불안 이벤트를 금융불안 시기로 판단합니다.
[ 2.1. 시계열 접근법 - 금융불안지수(FSI) ] (p.17)
이렇게 서베이를 통해서 확인되는 과거의 금융불안 시기를 잘 식별할 수 있으면 이는 좋은 지수라고 평가할 수 있습니다. 그래서 서베이에서 응답된 시기들을 금융불안이 높았던 시기부터 낮았던 시기까지 나열을 했을 때, 상위 50%와 25%에 해당하는 금융불안 상황을 잘 예측하는 수준을 FSI의 임계치로 선정하였습니다. 해당 임계치를 FSI 지수가 상회하면 금융불안 상황이라고 판단할 수 있는 것이죠. 그래서 서베이 응답에서 나타난 금융불안 시기와 FSI가 임계치를 상회한 시기가 일치할수록 저희는 좋은 FSI라고 평가를 내려볼 수 있을 것 같습니다.
[ 2.1. 시계열 접근법 - 금융불안지수(FSI) ] (p.18)
이때 저희가 최적의 임계치를 결정하기 위한 수단으로서 Noise-to-Signal Ratio라는 방법을 활용하고 있습니다. 우리가 앞서 시행했던 서베이 응답이 참이라고 가정을 해보고 FSI 임계치에 따라서 정상과 위험을 구분할 때 서베이와 지수가 같은 결과를 보이면 저희는 지수가 금융불안을 잘 평가하고 포착한다고 판단할 수 있습니다. 예를 들어서 서베이가 가정한 어떤 시기가 정상이라고 응답을 하였고 저희가 판단한 임계치가 정상을 가리키고 있다면 이는 잘 포착된 FSI라고 할 수 있습니다. 만약에 반대로 서베이는 위험이라고 했는데 저희 FSI가 정상이라고 판별한다면 이거는 하나의 오류가 될 것이고요. 반대로 서베이가 정상이라고 보는데 저희가 위험이라고 판단한다면 그것 또한 오류가 될 것입니다. 그러면 이런 1종 오류, 2종 오류는 통계학에서 많이 나오는 개념인데요. 이 개념을 가지고 저희가 FSI 임계치를 어떻게 설정하는지에 대해서 말씀을 드려보겠습니다.
먼저 FSI의 임계치를 대단히 낮게 0에 가깝게 설정을 하게 되면 어떤 현상이 나타날까요? 임계치를 0에 설정하게 되면 금융불안이 조금이라도 나타났을 때 저희는 그걸 위험이라고 판단을 내리게 됩니다. 그렇게 되면은 실제로는 위험이 아닌데도 저희는 위험이라고 판단하는 2종 오류가 발생하게 되는 것이죠. 그래서 저희가 FSI 임계치를 0으로 가까이 할수록 2종 오류가 높아지는 그래프를 확인할 수가 있고요. 반대로 FSI 임계치가 높아질수록 해당 오류는 낮아지게 됩니다. 근데 반대로 FSI 임계치를 대단히 높게 설정하면 어떤 현상이 나타날까요? 그럴 경우에 실제로는 위기인데 FSI는 계속 정상이라고 할 수 있습니다. 이런 상황이 1종 오류인데요. FSI 임계치가 높아지면 높아질수록 이런 1종 오류 가능성이 더 높아지게 됩니다. 따라서 이런 1종 오류와 2종 오류를 모두 고려해서 종합적으로 최적의 임계치를 설정하는 것이 중요합니다.
[ 2.1. 시계열 접근법 - 금융불안지수(FSI) ] (p.19)
그 결과 최적의 임계치는 어느 정도의 예측력을 보장하면서도 오류의 가능성을 최소화하는 지수값으로 선정이 됩니다. 과거의 상위 50%에 해당하는 금융불안을 잘 포착해 왔던 그 수준으로서 FSI 임계치 12를 "주의"로 정의내리고, 과거 25% 이상의 위기를 잘 예측하는 수준으로서 24 이상을 "위험"이라고 정의를 내렸습니다.
[ 2.1. 시계열 접근법 - 금융불안지수(FSI) 트렌드 ] (p.20)
지금까지 설명드렸던 산출 방법을 따라서 실제로 산출된 FSI의 트렌드는 다음과 같습니다. 보시는 바와 같이 FSI는 주요위기 때마다 높아지는 것을 확인할 수 있습니다. 앞서 말씀드렸던 "주의"와 "위험"이 각각 12와 24에 선으로 그어져 있고요. 이러한 선을 기준으로 살펴보면 외환위기 때 당연히 금융불안이 가장 높았던 것으로 나타났고, 글로벌 금융위기 때도 충분히 높은 수준이었던 것을 확인할 수 있습니다. 최근을 살펴보면 코로나 팬데믹이 나타났던 2020년 4월에 또 금융불안이 높았던 것을 확인할 수 있습니다. 그리고 또한 "위험"임계치로 설정하였던 24를 각각 금융불안지수가 상회하고 있는 상황이었습니다. 현재 FSI는 2025년 9월 기준으로 16.1을 기록하고 있는데요. 이는 최근에 증시의 호조, 그리고 소비심리 개선 등의 영향으로 금융불안이 하락하는 모습을 지수가 포착하고 있다고 보고 있습니다. 그럼에도 불구하고 현재 지수는 "주의" 수준을 상회하고 있어서 아직은 금융불안 상황에 대해서 조금 유의해야 된다고 보고 있습니다.
[ 2.2. 시계열 접근법 - 금융취약성 ] (p.21)
다음으로 금융취약성지수에 대해 살펴보겠습니다. 이미 여러 번 설명드렸지만 금융취약성의 개념을 다시 이해해보자면 좌측 그림과 같을 것입니다. 신용이 과도하게 축적이 되고 자산가격이 높아지면서 자산가격과 신용 간의 상호작용이 발생하게 되면, 저희는 그것을 금융불균형이 누증되고 있다고 볼 수 있습니다. 또한 같은 상황에서 금융기관이 손실을 충분히 흡수하지 못할 때 금융중개기능이 저하되거나 왜곡되고 신용공급이 위축될 것입니다. 같은 충격이 발생하더라도 경제에 미치는 영향은 서로 다를 수 있습니다. 우측에서 보시는 것처럼 대단히 탄탄한 피라미드 모양으로 금융시스템이 구성된다면, 예를 들어서 신용이 완만하게 증가하고 자산가격은 내재가치와 일치하며, 금융기관이 충분한 자본과 유동성을 확보해서 탄탄한 복원력을 갖는다면 같은 충격이 오더라도 금융불안이 나타나기는 어려울 것입니다. 그러나 좌측에 있는 위태로운 탑 모양처럼 신용과 자산 그리고 금융기관 복원력 모두가 취약할 때는 충격에 흔들려서 금융불안이 발생하고, 그중에서 한 부분이 무너지면 저희는 그것이 금융위기라고 볼 수 있습니다.
[ 2.2. 시계열 접근법 - 금융취약성지수(FVI) ] (p.22)
금융불안지수는 앞서 보여드렸던 불안한 탑 속에서 발생한 금융불안 상황을 포착하는 지수였습니다. 그렇다면 금융취약성지수는 무엇이냐? 해당 시스템이 불안한 탑 모양인지 아니면 탄탄한 피라미드 모양인지를 평가한다고 볼 수 있습니다. 금융취약성지수는 금융시스템 내에 잠재하고 있는 금융취약성을 평가하고 중장기적인 리스크를 측정하기 위해서 산출된 지수입니다. 영어로는 Financial Vulnerability Index라고 부르고 저희는 줄여서 FVI라고 부르고 있습니다. 금융취약성지수는 2021년 6월 금융안정보고서에 처음으로 실렸고요. 해당 내용은 앞서 보여드렸던 그림과 같이 신용이 확대되고 자산가격이 상승하면서 서로 상호작용이 나타나는 금융불균형 누증과 금융불균형이 시스템리스크로 전이되지 않도록 대내외 충격을 흡수하는 금융기관 복원력을 함께 고려하는 지수입니다.
[ 2.2. 시계열 접근법 - 금융취약성지수(FVI) ] (p.23)
금융취약성지수를 산출하는 방법은 기존에 설명드렸던 FSI와 유사합니다. 각 금융시스템에서 중요한 평가요소와 구성부문을 선정한 뒤 각각의 세부지표를 고르게 됩니다. 그런 다음에 세부지표로부터 공통요인을 추출하게 되고요. 그런 공통요인들을 하나의 지수로 가중평균해서 0과 100의 지수로 산출을 하고 있습니다.
[ 2.2. 시계열 접근법 - 금융취약성지수(FVI) ] (p.24)
그럼 각 단계를 마찬가지로 설명드리겠습니다. 금융취약성지수는 3가지 평가요소와 11개 구성부문으로 이루어져 있습니다. 평가요소는 앞서 말씀드렸던 신용축적, 자산가격, 금융기관 복원력입니다. 그리고 구성부문을 골라야 하는데, 이때 저희가 구성부문을 고르기 위해서 역시나 참고하는 것은 과거 위기사례들입니다. 외환위기 때 기업신용이나 대외 쪽에서 문제가 발생하였고, 카드사태 때는 가계신용과 카드사에서 문제가 발생하였습니다. 또한 글로벌 금융위기 때도 마찬가지로 대외와 금융기관, 자산 쪽에서 문제가 있었을 것입니다. 끝으로 최근 2021년에 있었던 자산가격의 버블 같은 경우에는 부동산, 민간신용, 그리고 금융자산 측면에서 취약성이 나타났을 것으로 이해가 됩니다. 그래서 저희는 이러한 과거의 역사적인 취약성 부문을 고려해서 가계부터 기업, 대외 그리고 자산가격으로서 주식, 채권, 부동산 그리고 금융기관 복원력을 통해서 각 금융업권을 포괄하여 총 11개 구성부문을 구성하고 있습니다.
[ 2.2. 시계열 접근법 - 금융취약성지수(FVI) ] (p.25)
다음으로 11개 구성부문에 대해서 세부지표를 선정하게 됩니다. FSI와 마찬가지로 FVI에서도 데이터의 설명력과 가용성, 그리고 데이터의 주기를 동시에 고려하게 됩니다. 이를 통해서 현재 FVI는 11개 구성부문에 대해서 세부지표 총 39개를 선정하고 있습니다. 자산가격 같은 경우에는 주식, 부동산, 채권을 골고루 반영할 수 있도록 하였고, 신용도 가계신용, 기업신용, 대외채무 요소들을 각각 녹여서 지표로 선정하였습니다. 금융기관 복원력 같은 경우에는 레버리지비율이나 단기부채비율 그리고 자본비율들을 혼합해서 각각 지표들을 선정하고 있습니다.
[ 2.2. 시계열 접근법 - 금융취약성지수(FVI) ] (p.26)
FVI는 기본적으로 분기별로 편제가 되고 있는데요. 39개의 세부지표들을 골랐다면 역시나 각각의 단위를 조정하는 표준화를 진행하게 됩니다. 이를 통해 모든 지표들은 평균이 0이고 표준편차가 1인 지표로 변환됩니다.
[ 2.2. 시계열 접근법 - 금융취약성지수(FVI) ] (p.27)
이 역시 FSI의 방법론과 동일합니다. 마찬가지로 TVP-DFM을 통해서 11개 구성부문에 대해서 각각 취약성 요인들을 하나씩 추출하게 됩니다. 예를 들어 은행은 은행의 취약성 수준을 대변하는 거고요. 부동산 같은 경우에도 부동산의 취약성 수준을 대변하게 됩니다.
[ 2.2. 시계열 접근법 - 금융취약성지수(FVI) ] (p.28)
이렇게 11개 구성부문을 각각 대변할 수 있는 취약성 요인들을 추출하게 되면 마찬가지로 등분산 가중평균을 통해서 종합지수로 시산하게 됩니다.
[ 2.2. 시계열 접근법 - 금융취약성지수(FVI) ] (p.29)
그러한 종합지수를 마찬가지로 0과 100 사이의 값으로 스케일을 변환해서 최종적으로 지수를 만들게 됩니다. 이를 통해서 FVI가 가장 취약했던 시점을 100, 그리고 가장 취약하지 않았던 시점은 0으로 잡은 다음에 현재의 수준을 그 사이의 값으로 평가합니다. FVI가 높일수록 중장기적인 금융취약성이 높은 상태라고 평가를 내릴 수 있습니다.
[ 2.2. 시계열 접근법 - 금융취약성지수(FVI) ] (p.30)
해당 그래프는 역사적인 금융취약성 수준을 보여주고 있습니다. 역시나 주요 위기였던 외환위기나 2003년 카드사태 직전, 그리고 글로벌 금융위기 때 취약성 수준이 대단히 높았던 것을 확인할 수 있습니다. 그리고 최근 자산가격이 크게 급등하였던 2021년 3/4분기에 취약성지수가 가장 고점에 이르렀다는 것을 확인해 볼 수 있습니다. 최근에는 주식이나 부동산 측면에서 자산가격이 상승하면서 2025년 3/4분기 기준 32.9로 나타나고 있는데요. 32.9는 2008년 이후 장기평균을 계산해 봤을 때 33.9와 어느 정도 근접하고 있어서, 현재 금융상황에서 금융취약성 수준이 조금 우려되는 상황이라고 평가를 내려볼 수 있습니다.
[ 2.3. 시계열 접근법 - 지수의 활용 ] (p.31)
이번에는 FSI와 FVI를 함께 그려 보았습니다. 외환위기와 글로벌 금융위기 등 주요 위기를 보면 대체로 FVI가 FSI보다 선행하는 것을 확인할 수 있습니다. 이를 해석해 보자면, 금융불안이라는 상황이 나타나기 전에 먼저 금융취약성 수준이 누적이 되고, 이런 취약성수준이 누적이 되었을 때 외부의 충격에 취약해진 상태에서 금융불안이라는 상황이 나타날 수 있을 것입니다. 이러한 것은 앞서 말씀드렸던 시스템리스크의 관점과 일맥상통한다고 볼 수 있습니다. 한편 2003년 카드사태와 2008년 글로벌 금융위기 당시에 FSI와 FVI를 살펴보면, 해당 시기에 FVI는 상당히 높은 수준이었던 것으로 보입니다. 즉, 두 시기 모두 금융취약성이 꽤나 위태로웠던 상황이라고 이해할 수 있습니다. 그런데 그런 상황에서 나타난 금융불안의 높이는 조금 다르게 이해가 됩니다. 그 이유는 아무래도 카드사태 때보다는 글로벌 금융위기 때 대내외적으로 큰 충격이 왔기 때문에 비슷한 수준의 금융취약성이라도 금융불안이 나타나는 정도는 다를 수 있습니다.
반면에 제가 가장 우측의 초록색 박스로 코로나 시기를 표시해 봤는데요. 이 때가 되게 재밌는 시기입니다. 해당 시기에는 금융불안과 취약성 측면에서 살펴봤을 때 취약성은 그렇게 누증이 되기 전의 모습이었던 것으로 보입니다. 이렇게 금융취약성이 별로 크지 않았음에도 불구하고 외부에서 워낙 큰 실물충격이 발생함에 따라서 이것이 금융시스템의 불안으로 이어졌던 것을 확인할 수 있습니다.
[ 2.3. 시계열 접근법 - 지수의 활용 ] (p.32)
금융불안지수와 금융취약성지수는 한국은행 홈페이지에서도 확인해 볼 수 있습니다. 한국은행 홈페이지를 들어가시면 가장 상단에 금융·경제 스냅샷이라고 보이는데요. 해당 금융·경제 스냅샷에 들어가면 금융불안지수와 금융취약성지수를 검색해서 여러분이 활용할 수 있습니다. 다만 지수를 볼 때 조금 유의하실 점을 말씀을 드리면, 앞서 말씀드렸던 TVP-DFM의 특성상 모수가 계속 변한다는 점을 허용하고 있습니다. 그렇다 보니 매번 새롭게 데이터를 추정하게 되면 과거부터 현재까지 모든 시계열들이 조금씩 변하게 됩니다. 그래서 수치가 0.1 달라지는 경우가 빈번히 발생하고요. 그렇기 때문에 수치 자체에 집중하기보다는 금융불안지수와 금융취약성지수의 흐름·변화에 조금 더 초점을 맞춰서 해석을 하면 더 도움이 될 것 같습니다. 만일 여러분께서 지수를 보고 싶으면 그때그때 홈페이지에 들어가서 확인해 주시면 가장 최신의 데이터를 확인해 볼 수 있습니다.
[ 2.3. 시계열 접근법 - 지수의 활용 ] (p.33)
금융취약성을 거시경제와 연계하여 해석해 볼 수 있습니다. 1차적으로 금융취약성지수의 목표가 금융시스템의 취약성수준을 평가하는 거라면, 동시에 금융취약성이 높아졌을 때 우리나라 거시경제에 어떠한 영향을 미치는지를 평가해 볼 수 있을 것 같습니다. 금융취약성이 높아졌을 때 외부의 충격이 발생하면 자산과 신용의 디레버리징이 발생하고 금융중개기능이 저하되면서 거시경제가 위축될 수 있습니다. 이러한 거시경제 하방리스크를 정량적으로 평가하기 위해서 저희는 Adrian이 발표하였던 2019년 Vulnerable Growth 방법론을 활용하고 있습니다. 그 방법론을 저희는 GaR, Growth at Risk라고 부르고 있는데요. 이 연구는 거시경제 하위 5% 성장률에 어떤 영향을 주는지를 계산하여 금융취약성이 높아졌을 때 거시경제 꼬리위험이 얼마나 나타나는지를 평가하게 됩니다.
[ 2.3. 시계열 접근법 - 지수의 활용 ] (p.34)
해당 그래프는 2024년 12월에 실린 금융안정보고서의 분석 내용입니다. 당시에 FVI가 상승전환하는 시기였고 이렇게 금융취약성이 누적이 되었을 때 우리나라 경제성장률의 하위 5% 값에는 어떤 영향을 미쳤는지를 보여줍니다. 또한 당시 12월이라면 금리가 인하되는 시기였는데요. 이렇게 금리가 인하될 때는 금융여건이 완화되고 그로 인해서 금융취약성이 누적될 위험이 있습니다. 이렇게 금융취약성이 누적되었을 때 동시에 거시건전성 정책을 어떻게 펼치냐에 따라서도 거시경제 하방리스크에 미치는 영향도 달리 나타날 수 있습니다. 그래서 저희는 그러한 거시건전성 정책과 금리 그리고 금융취약성을 가지고 실제 우리나라의 거시경제와 어떤 연관이 있는지를 보았던 것입니다. 해당 내용을 조금 더 자세하게 보고 싶으시면 한국은행 홈페이지에서 작년 12월 금융안정보고서를 참고해 주시면 되겠습니다. 금융취약성지수는 이렇게 금융취약성과 거시경제 간의 관계를 연결해주는 하나의 참고지표가 될 수 있기 때문에, 거시건전성 정책과 통화정책의 조화로운 운영을 뒷받침하는 하나의 지표로 활용될 수 있을 것으로 보입니다.
[ 3. 횡단면 접근법 - 상호연계성 ] (p.35)
제가 40분가량 시계열적인 관점에서 금융불안지수와 금융취약성지수를 설명드렸는데요. 이런 시계열적인 관점에서의 평가 말고도 동시에 시스템리스크가 횡단면적인 측면에서도 나타날 수 있다고 말씀을 드렸습니다. 시스템 금융취약성이 높아지는 가운데 금융기관 간의 상호연계성이 어떻게 이루어지느냐에 따라서 그 결과가 또 다르게 나타날 것입니다. 저희가 금융시스템 리스크를 횡단면적으로 정의를 내리면 금융기관 간의 상호거래 네트워크, 공통 익스포저 등으로 인해 시스템 일부의 충격이 전체로 전이되면서 증폭되는 위험을 의미합니다. 금융기관 간의 상호거래가 나타나면 금융기관의 대차대조표는 그 크기가 확대될 수 있습니다. 특히 금융여건이 완화되는 시기에서 금융기관 간 차입과 대출을 통해서 레버리지를 확대하고 자산 규모를 증대시킬 수 있습니다. 따라서 이런 상호연계성은 경기사이클과도 어느 정도 상응하는 측면을 가집니다. 이런 네트워크효과 이외에도 금융기관은 특정 실물부문에 공통적으로 대출을 해줌으로써 위험을 공유할 수도 있습니다. 예를 들어서 금융기관이 A라는 기업에 대출을 해주었는데, A가 부실이 나타나면 A에 대출해 주었던 다른 금융기관들이 공통적으로 위험에 처하게 되는 것이죠.
[ 3. 횡단면 접근법 - 상호연계성 ] (p.36)
횡단면적인 시스템리스크를 파악하기 위해서 저희 시스템리스크팀에서는 금융기관 간의 상호연계 구조를 분석하고 있습니다. 금융기관 간의 상호연계 구조를 분석하기 위해서 저희가 활용하고 있는 것은 자금순환통계인데요. 자금순환통계에서는 각 금융업권의 자산과 부채 규모를 발표하고 있습니다. 저희는 이러한 자금순환통계를 기반으로 금융기관이 각각 보유하고 있는 자산과 부채들을 서로 연결을 해서 각 금융업권 간의 상호거래 규모를 추정합니다. 즉, 어떠한 금융업권이 다른 금융업권으로부터 자금을 조달하고 다른 금융업권의 자산으로서 운용을 하는지를 살펴보는 것입니다. 아래의 그림은 최근에 나왔던 2025년 6월 금융안정보고서에 수록되었던 내용입니다. 보시는 바와 같이 금융기관 간 상호거래는 2020년부터 꾸준히 증가를 하고 있고, 이러한 금융기관의 상호거래가 전체 금융기관 총자산에서 차지하는 비중도 꾸준히 증가한 것을 확인할 수 있습니다. 또한 주황색 막대 그래프에 보이는 것처럼 비은행 간의 상호거래도 높아지면서 금융시스템에서 비은행기관이 차지하는 영향력도 점차 높아지고 있습니다. 우측 그래프는 이런 상호연계성을 거미줄 그림으로 표현을 한 건데요. 선이 굵을수록 해당 업권 간의 상호거래가 더 큰 것을 의미합니다. 아무래도 국내은행을 중심으로 상호거래가 나타나는 가운데 투자펀드, 신탁, 증권사, 보험사가 서로 간의 상호거래가 대단히 높은 것을 확인할 수 있습니다.
[ 3. 횡단면 접근법 - 상호연계성 ] (p.37)
이러한 상호연계 구조를 통해서 특정 업권에 부실이 나타났을 때, 이런 부실이 다른 업권으로 확산되는 충격의 크기를 대략적으로 추정해 볼 수 있습니다. 이 추정을 위해서 저희가 활용한 것은 Battiston의 2012년 논문이었던 Debtrank라는 방법론인데요. 이 방법론에서 저희는 특정 업권의 도산 등 충격이 다른 거래상대방과의 상호거래 익스포저를 통해서 순차적으로 확산되어 나타나는 손실 합계를 전체 금융부문이 보유하고 있는 자본과 비교해서 하나의 지수로 표현합니다. 아래 그래프를 보시면 앞서 상호거래가 2020년부터 높아졌던 것과 동일하게 상호연계 규모가 높아지면서, 특정 업권에 부실이 나타났을 때 전체 금융시스템에 미치는 손실의 영향도 점차 높아지고 있는 것을 확인할 수 있습니다.
[ 감사합니다. ] (p.38)
이제 발표를 마무리하고자 하는데요. 정리하자면 저희는 먼저 시스템리스크가 무엇인지 살펴보고, 이러한 시스템리스크를 분석하기 위해서 시계열적으로 어떻게 접근할 수 있는지, 그리고 횡단면적으로는 어떻게 이해할 수 있는지를 각각 금융안정지표를 활용해서 살펴보았습니다. 구체적으로 금융불안지수는 단기적인 금융시장의 긴장을 평가한다면 금융취약성지수는 조금 더 구조적이고 중장기적인 취약성을 평가하는 지표였습니다. 또한 횡단면적인 접근을 통해서 금융기관 간 연결관계에서 발생하는 리스크를 측정해 볼 수 있었습니다. 이러한 세 가지가 결합이 되면 저희는 시스템리스크를 조금 더 입체적으로 해석하고 분석해 볼 수 있을 것입니다. 그럼 다시 한 번 귀중한 시간 내어 저희 한국은행 금융안정업무, 그중에서도 금융안정지표에 대한 이해를 주제로 한 오늘의 발표를 경청해 주셔서 감사드립니다. 이상으로 오늘의 발표를 마치겠습니다. 감사합니다.