금리스프레드의 경기 예측력 비교분석 1)kostat.go.kr/file_total/edusri/24-1-01.pdf ·...

통계연구(2019), 제24권 제1호, 1-25

금리스프레드의 경기 예측력 비교분석1)

김민국2)・이한식3)

요약

금리스프레드는 경기변동의 예측에 중요한 정보변수로 활용되고 있다. 우리나라는 2006년 경기

종합지수 개편 이후 장단기 금리스프레드를 경기선행지수 구성 항목으로 사용하고 있으며, 2016

년에 장기금리 자료를 3년 만기에서 5년 만기 국고채로 변경했다. 본 연구에서는 다양한 금리스

프레드의 경기변동 예측력에 대한 비교・분석을 시도했다. 이를 위해 3년 및 5년 만기 국고채

수익률과 콜금리의 차이로 정의된 두 기간스프레드와 3년 만기 회사채 수익률과 국고채 수익률

간의 신용스프레드를 구성했다. 선형회귀모형 추정 결과에 의하면, 스프레드에 따라 선행성의 차

이는 있지만 미래의 경기변동을 잘 예측하는 것으로 분석됐다. 프로빗 모형을 적용한 분석 결과,

각 스프레드가 미래 경기전환점을 어느 정도 잘 예측하는 것으로 나타났다. 특히 5년 만기 수익

률을 사용한 스프레드가 3년 만기 수익률을 사용한 스프레드에 비해 예측력이 우수한 것으로 분

석됐다. 이러한 결과는 장기금리 기초자료를 조정한 통계청의 최근 경기종합지수 개편 배경과

일치하는 것으로 판단된다. 선행지표의 체계적 구성이 미래 경기예측에 중요한 의미를 갖는다는

점을 고려할 때, 금리스프레드의 효용성을 재조명한 본 연구의 분석결과는 향후 경기종합지수

운용에도 유용한 정보를 제공할 것으로 기대된다.

주요용어 : 기간스프레드, 신용스프레드, 경기변동, 경기예측력, 프로빗 모형

1. 서론

미래의 경기상황에 한 측은 경제주체들의 의사결정에 요한 향을 미친다.

이에 따라 미래 경제활동의 측에 활용할 수 있는 변수를 모색하기 한 연구가 활

발하게 진행 다. 특히 Stock and Watson(1989)의 연구 이후 진행된 장단기 리스

드의 경기 측력 분석 결과를 토 로 미국에서는 1996년 이후 장단기 리스 드

를 경기선행지수 구성항목에 포함했다. 우리나라도 2006년 경기종합지수 제7차 개편

이후 장단기 리스 드를 경기선행지수 구성항목으로 포함하여 경기 측의 요한

정보변수로 활용하고 있다. 2006년 도입 시에는 3년 만기 국고채 수익률을 장기 리

기 자료로 사용했으며, 2016년 제9차 경기종합지수 개편에서 5년 만기 국고채 수익

률과 콜 리의 차이로 도출한 기간스 드를 ‘장단기 리차’라는 명칭으로 선행지수

구성 지표로 활용하고 있다.

한편 외환 기 이후 채권 발행 유통 규모가 크게 늘어나 장・단기 채권시장 간

연계성이 강화되었고, 채권 시장의 제도 개선에 한 필요성이 부각되면서 1999년의

국채발행 정례화 국채 선물시장 개설, 2000년의 채권 시가평가제도 도입 등을 통해

1) 본 논문은 제1 자의 서강 학교 경제학 석사 학 논문을 수정·보완함.

2) 제1 자. 서울 등포구 경인로 841, 우체국 융개발원, 연구원. E-mail: [email protected]

3) 교신 자. 서울 마포구 백범로 35, 서강 학교 경제학과, 교수. E-mail: [email protected]

김민국․이한식2

채권 시장의 기반도 크게 개선 다. 한 한국은행은 물가 안정 목표제를 도입하면서

종 의 지 비 을 운용목표로 활용한 통화량 목표제에서 단기시장 리를 앙은행

이 설정한 정책 리에 근 한 수 에서 유지하는 리 심의 통화 정책 운 체제를

운용하고 있다. 이에 따라 이자율의 기간 구조가 정상화되어 미래 경기 변화를 측할

수 있는 선행지표 하나로 기간스 드의 활용성이 높아졌다.

그러나 최근 기간스 드의 경기 측력이 약화하 다는 주장이 제기되고 있다.

미국의 경우, 2000년 반 이후 연방 비제도(Federal Reserve System) 학계를

심으로 수익률곡선의 역 상이 장단기 실질 리나 인 이션 측치의 변화

에 기인하는 것이 아닌 장기 채권의 유동성 리미엄 감소에 기인한다면 경기후퇴를

망하는 것으로 해석하기는 어렵다는 견해가 제기 다. 우리나라에서는 2013년 이후

선행지수 순환변동치의 격한 상승에도 불구하고 동행지수 순환변동치는 지속 으

로 횡보하는 가운데 양 지표의 격차가 확 되어 선행지수의 경기 측력에 한 한계

가 나타났다. 이를 반 하여 통계청은 2016년 6월에 경기종합지수를 개편하면서 3년

만기 국고채 신 5년 만기 국고채를 상으로 기간스 드를 도출한 ‘장단기 리차’

를 선행지수 구성 지표로 변경했다. 이 과정에서 주택담보 출 리, 3년 5년 만기

국고채 리 등을 상으로 동행지수 순환변동치와의 선행시차, 만기별 유통액, 진폭 등

을 분석한 결과, 경기 응력 등의 측면에서 5년 만기 국고채 수익률이 가장 우수한 것

으로 분석 다.

이처럼 기간스 드의 경기 측력이 과거에 비해 약해졌다는 주장들이 제기되면

서 Friedman and Kuttner(1991)의 연구를 비롯하여 험채권과 무 험채권 수익률의

차이로 정의되는 신용스 드의 경기 측력에 한 분석도 활발하게 진행되고 있다.

신용스 드는 기업의 신용도와 채무불이행 험 등에 따른 이자율 스 드를 나타

내며, 시장참가자의 미래 경기 상과 통화 정책의 방향에 의해 변화하는 형태를 보인

다. 즉 완화 통화정책이 시행되거나 미래 경기확장이 상되면, 기업의 채무불이행 가

능성이 감소하여 험채권과 무 험채권 수익률의 차이가 어들고 신용스 드가 축

소된다. 반 로 긴축 통화정책이 시행되거나 미래 경기수축이 상되면, 기업의 부도

험이 증가하면서 신용스 드가 확 된다. 이는 신용스 드가 축소되면 경기확장

을 고하고, 확 되면 경기수축을 고한다는 함의를 나타낸다.

본 연구에서는 경기 측력이 약화되었다고 평가받는 기간스 드의 경기 측력을

재조명하고자 한다. 특히 2006년 도입 시에 사용 던 3년 만기 국고채 수익률과 콜 리

의 차이로 도출되는 기간스 드와 2016년 개편에서 장기 리기 자료를 5년 만기 국

고채 수익률로 변경한 기간스 드를 심으로 이의 경기선행성을 비교・분석한다. 이

와 함께 3년 만기 AA- 등 회사채 수익률과 3년 만기 국고채 수익률의 차이로 신용

스 드를 정의하여 기간스 드와 경기선행성을 비교하고자 한다.

본 연구의 구성은 다음과 같다. 제2장에서는 스 드의 경기 측력을 분석한 선

행연구들을 소개한다. 제3장에서는 본 연구에 사용된 자료의 기 통계량을 제시하고

리스 드와 경기변동의 추이를 설명한다. 제4장에서는 본 연구의 분석 방법을 소

개하고, 분석 결과에 해 설명한다. 마지막으로 제5장에서는 결론 시사 에 해

논의한다.

금리스프레드의 경기 예측력 비교분석 3

2. 금리스프레드의 경기 예측력에 관한 기존 연구

Stock and Watson(1989)의 연구 이래 리스 드의 경기 측력에 한 분석은

거시경제학의 주요 연구과제로 다루어지고 있다. Bernanke(1990)에 의하면, 경제주체

의 통화정책에 한 신뢰성 감소와 융 신, 규제 완화 등에 의해 화폐의 체 가

능성이 증가함에 따라 통화정책에 한 이자율의 민감성이 약화 다. 이와 함께 1980

년 반까지 우수한 경기 측력을 나타냈던 3개월 만기 기업어음(Commercial Paper)

수익률과 3개월 만기 국채(Treasury Bill) 수익률 간의 신용스 드의 경기선행성이

약해졌다는 실증분석 결과를 제시했다.

이자율의 기간구조에 한 이론 검증을 시도한 Campbell and Shiller(1991)는 기간

스 드가 항상 미래의 단기이자율 측에 도움을 주는 것이 아니며, 스 드의 변

동이 기 이론에 부합하지 않는 형태로 나타날 수 있음을 주장했다. 캐나다의 경기변

동을 분석한 Harvey(1997)는 캐나다의 기간스 드 외에 미국의 기간스 드를 정

보변수로 추가하 을 때 캐나다의 경기 측을 한 모형의 유용성이 향상됨을 논의했

다. Estrella and Mishkin(1996, 1998)은 기간스 드와 주가지수, 경기선행지표 등을

각각 설명변수로 사용한 로빗 모형의 경기수축에 한 측력을 비교하여, 단기에

는 주가지수가 경기 측에 유용하지만, 장기에는 기간스 드의 측력이 우수하다

는 결과를 제시했다. 기간스 드를 미래 단기 리의 변화분과 유동성 리미엄 부분

으로 분해하여 미래 실질 GDP의 변동에 미치는 효과를 분석한 Hamilton and

Kim(2002)은 두 부분 모두 GDP의 변화에 측력을 가지고 있다는 결과를 논의했다.

특히 유동성 리미엄보다는 단기 리의 변화 효과가 더 큼을 제시했으며, 그 이유로

기간스 드의 축소가 미래 단기 리의 하락을 의미하기 때문이라고 주장했다.

한편 Mody and Taylor(2003)는 이자율의 기간구조나 장단기 리스 드가 미래

경제활동에 해 측력을 갖는다는 결과는 1970년 와 80년 에만 용될 뿐이며,

2000년 이후에는 성립하지 않는다는 결과를 제시했다. Wright(2006)는 기간스

드를 기본 설명변수로 설정한 네 가지의 로빗 모형을 추정했다. 먼 기간스 드

만 사용한 모형의 경우, 경기침체가 발생하지 않은 2006년에 해 경기수축확률이 상

승하는 것으로 측하여 스 드의 경기 측력이 약화되고 있음을 보 다. 그러나

연방기 리(federal fund rate)를 정보변수로 포함한 모형의 경우 경기수축기에 한

측력이 제고됨을 논의했다. Kishor and Koenig(2010)는 ․장기에 해서는 기간

스 드의 추가 인 측력이 있지만, 고용 증가로 반 되는 경제활동 측에는 고

수익채권의 신용스 드가 더 유용하다는 결과를 제시했다.

국내에서도 외환 기 이후 채권시장이 발 하면서 리스 드의 경기 측력에

한 연구가 활발히 이루어졌다. 이창선(2001)은 로빗 모형을 이용하여 미국 한국

을 상으로 스 드의 경기선행성을 비교한 결과, 두 나라 모두 신용스 드의 경

기 측력은 낮고 기간스 드는 높은 측력을 가짐을 보 다. 미국의 경우 Treasury

Bond(10년) 수익률과 Treasury Bill(3개월) 수익률 차이로 정의되는 기간스 드의 경

기 측력이 가장 높은 것으로 나타났다. 한국에서는 5년 만기 국민주택채권 수익률과

1년 만기 통화안정증권 수익률 간의 기간스 드가 3년 만기 회사채 수익률과 5년 만


기 국민주택채권 수익률 간의 신용스 드에 비해 경기수축 확률 추정에서 더 우수한

측력을 보 다. 지호 ·박상규(2002)는 동행지수 순환변동치를 종속변수로 하고, 기

간스 드 는 신용스 드를 설명변수로 설정한 모형을 이용하여 경기선행성을 비

교했다. 로빗 모형과 그랜 인과 계 분석 결과, 기간스 드는 높은 측력을 보

이지만, 신용스 드는 통계 으로 유의하지 않다는 결과를 논의했다.

이 기(2007)는 2000년 반 이후 기간스 드의 경기 측력 약화가 향후 경기

변동과 무 한 험 리미엄의 감소에 기인한다는 미국 학계의 연구 결과가 한국에도

성립하는지에 한 분석을 시도했다. 추정 결과에 의하면, 기간스 드와 험 리미

엄이 매우 유사한 추이를 보 으며, 험 리미엄의 감소는 경기수축과 계없는 장

기채권의 수 요인에 향을 받을 수 있다는 에서 기간스 드의 축소를 곧바로

경기수축의 징조로 해석하는 것에 유의해야 한다고 주장했다. 김진용·이한식(2011)은

융증폭이론에 근거하여 신용스 드 간 경기 측력을 비교했다. 선형회귀모형과

로빗 모형을 통해 분석한 결과, 우량 채권을 이용한 신용스 드에 비해 비우량채

권의 신용스 드가 더 선행하여 미래의 경기변동을 설명함을 논의했다. 곽노선·김원

기(2012)는 기간스 드 신용스 드와 미래 경기변동 사이의 계를 분석하여,

기간스 드 구성 시 단기 리로 통화안정증권을 사용한 경우에는 측력이 떨어진

다는 결과를 제시했다. 그 이유로 통화안정증권의 리가 다른 단기 리보다 비교

만기가 길다는 과 장기채권 리와 만기 차이가 짧아 기 인 이션의 변화를 스

드가 제 로 반 하지 못한다는 을 언 했다. 따라서 기간스 드의 경기 측

력은 장기 리보다는 단기 리의 성격에 의존하는 경향이 강하다고 주장했다. 한

구조형 VAR 모형을 사용하여 실물 경기 지표로 사용한 산업생산지수에 한 기간스

드와 신용스 드의 선행 정도를 분석하여, 두 스 드 모두 뚜렷한 경기선행

성을 가짐을 확인했다.

이근 (2013)은 기간스 드와 주가, 환율 등의 융변수를 사용하여 경기수축기에

한 측력을 분석하여, 측기간이 짧은 단기에는 주가를 통한 측이 유용하지만

장기에는 리스 드의 측력이 더 우수하다는 결과를 제시했다. 이헌상(2013)은 기

간스 드가 신용스 드에 비해 경기에 한 설명력이 낮고, 경기확장기와 수축기

간에 유의 인 측결과를 보이지 않아 측력이 감소했다는 결과를 논의했다. 한

정부의 정책의지가 반 된 변수를 설명변수로 추가할 경우 모형의 측력이 제고됨을

근거로 콜 리를 정보변수로 추가한 결과에 해 논의했다. Hwang and Lee(2016)는

유동성 리미엄 이론을 도입한 기간스 드의 경기선행성을 분석하여, 유동성 리

미엄을 고려하는 경우 기존의 기간스 드에 비해 측력을 향상시킬 수 있다는 결과

를 도출했다.

이와 같이 국내외 기존 연구들은 경기선행지표로서 스 드의 이론 특성을 검

증하거나 여러 분석 방법을 통해 스 드의 경기 측력을 평가했다. 이 과정에서 주

로 실물 경기를 나타내는 변수를 종속변수로, 리스 드를 설명변수로 사용한 회

귀분석을 사용하거나, 로빗 모형을 이용하여 경기수축 확률을 추정하는 방식으로

스 드의 측력을 분석했다. 본 연구는 이러한 기존 연구들의 분석 방법을 활용한

리스 드의 측력 추정에 더해 기존 국내 연구에서는 많이 사용되지 않은 방법


으로 재고순환지표(생산), 기계류내수출하지수(투자), 수출입물가비율( 외), 구인구직

비율(고용), 코스피지수( 융) 등 통계청에서 작성하는 경기선행지수의 구성 지표를

추가 설명변수로 포함한 모형을 사용했다. 이를 통해 각 부문의 변수들 어떤 정

보변수가 스 드의 경기 측력 제고에 더 합한지에 한 분석을 시도했다.4) 한

표본 외(out-of-sample) 측을 토 로 여러 리스 드의 측력에 한 비교・분

석 결과를 논의했다.

3. 분석 자료

여기에서는 먼 리스 드와 동행지수 순환변동치의 추이를 살펴보고, 본 연

구의 분석에 사용한 자료의 구성 기 통계량에 해 소개한다.

3.1 금리스프레드와 경기변동의 추이

기간스 드는 미래의 실질 리, 인 이션, 유동성 리미엄 등으로 구성되며

시장참여자들의 기 를 반 하고 있어 경기변동에 한 측력을 갖는다. 실제로 무

험채권의 만기별 수익률을 나타내는 수익률 곡선은 미래 경기확장이 상되면 확

되고, 경기수축이 상되는 경우에는 감소하여 기울기가 평평해진다. 한 그 정도가

심할 경우 수익률 곡선의 역 상이 나타날 수도 있다.

<그림 3.1>에는 3년 5년 만기 국고채 수익률과 콜 리의 차이로 정의된 각 기

간스 드와 동행지수 순환변동치를 시계열 도표로 나타냈다. 이를 보면 두 스

드가 비슷한 패턴을 나타내면서 변동해왔음을 알 수 있다. 음 으로 표시된 부분은

통계청에서 발표하는 기 순환일에 의한 경기수축기를 표시하는데, 특히 IMF 외환

기 시기에는 두 스 드 모두 (-)의 값을 기록해 수익률 곡선의 역 상이 발생하

기도 했다. 다른 수축기에도 체 으로 하락하는 모습을 보여, 기간스 드가 경기

수축기에 감소하는 패턴을 잘 나타내고 있다. 한편, IMF 외환 기와 로벌 융 기

이후 심각한 경기후퇴기를 벗어나 회복 추세로 반 하는 시기에 앞서 기간스 드가

격히 상승하는 모습을 나타냈는데, 이는 경기확장기에 기간스 드가 경기에 선행

하여 확 된다는 기존 연구 결과와 일치한다.

4) 본 논문에서는 Estrella and Hardouvelis(1991), Wright(2006) 등 기간스 드 이외에 연방

기 리 등의 정보변수를 추가한 기존 연구를 토 로 정보변수를 추가했는데, 국내 연구에서

는 이와 같이 선행종합지수를 구성하는 변수를 추가한 분석은 없다. 이러한 근 방법은 각 부

문의 변수들 어떤 정보변수가 스 드의 경기 측력 제고에 더 합한지를 비교하는 데 유

용할 것으로 단된다.


자료: 통계청(KOSIS) 한국은행(ECOS)

주: CI는 동행지수 순환변동치, SPD3, SPD5는 각각 장기 리기 자료로 3년, 5년 만기

국고채 수익률을 사용한 기간스 드를 나타냄.

<그림 3.1> 기간스 드 동행지수 순환변동치의 추이

<그림 3.2>는 AA- 등 의 3년 만기 회사채 수익률과 3년 만기 국고채 수익률의

차이로 나타나는 신용스 드와 동행지수 순환변동치의 추이를 나타낸다. 신용스

드는 기간스 드와는 달리 IMF 외환 기와 융 기 기간에 크게 증가함을 볼

수 있다. 특히 경기수축기에 경기 하강이 시작되는 시 에서 격히 상승하고, 경기침

체기를 벗어나 회복 추세로 반 하기 시작한 1998년 8월과 2008년 말에는 격히 하

락하는 모습을 나타냈다. IMF 외환 기와 로벌 융 기 시기에는 융 부문의 부

실과 외 충격이 주요한 요인으로 작용해 경기수축이 발생했고 이로 인해 기업의

신용 험이 격히 상승한 시기이다. 즉 신용스 드의 주요한 결정 요인이 채권을

발행한 기업의 신용도와 채무불이행 험이라는 면에서 다른 수축기와는 달리 신용스

드에 큰 변화가 발생한 것으로 해석할 수 있다. 이는 신용스 드가 경기침체

기간에 증가하고 경기상승기에 감소함을 나타낼 뿐만 아니라, 경기에 선행하면서 경

기 측력을 갖고 있음을 시사하는 것으로 해석된다.

자료: 통계청(KOSIS) 한국은행(ECOS)

주: CI는 동행지수 순환변동치, SPDAA는 AA- 등 의 3년 만기 회사채 수익률과 3년 만

기 국고채 수익률의 차이로 도출된 신용스 드를 나타냄.

<그림 3.2> 신용스 드 동행지수 순환변동치의 추이


3.2 자료의 구성 및 특징

본 연구의 분석을 해 융투자 회 채권정보센터 한국은행의 ECOS에서 제

공하는 3년 5년 만기 국고채 수익률로 최종호가수익률을 사용한다. 이를 장기 수

익률의 기 자료로 하고, 이와 콜 리의 차이를 기간스 드로 정의한다. 한 기간

스 드와의 비교를 해, 3년 만기 AA- 등 회사채 수익률과 3년 만기 국고채 수

익률의 차이로 도출된 신용스 드의 경기 측력 분석을 시도한다. 실물 경기의 상

황을 나타내는 지표로는 통계청의 KOSIS에서 제공하는 동행지수 순환변동치를 사용

한다. 본 연구에서 사용된 자료의 구성은 <표 3.1>에 정리했다.

실물 경기지표로는 일반 으로 실질 GDP 증가율을 사용하는 것이 가장 합하지

만, 이는 분기별 자료라 데이터 수가 충분하지 않은 단 이 있다. 이 경우 산업생산지

수를 사용하기도 하나, 이는 총체 국민경제를 표하기에는 무리가 있다. 이를 고려

하여 통계청의 경기종합지수의 개편과 련한 분석이라는 본 연구의 목표에 맞게 통

계청이 발표하는 동행지수 순환변동치를 경기지표로 사용했다.

<표 3.1> 자료의 구성

변수 정의

CI 동행지수 순환변동치

SPD3 3년 만기 국고채 수익률 – 콜 리

SPD5 5년 만기 국고채 수익률 - 콜 리

SPDAA 3년 만기 AA- 등 회사채 수익률 - 3년 만기 국고채 수익률

IC 재고순환지표

MDDS 기계류내수출하지수 (선박제외)

EI 수출입물가비율

JS 구인구직비율

KOSPI 코스피지수

한 분석 모형의 측력을 제고하기 해 사용한 실물 경기에 한 정보를 담고

있는 정보변수로 ‘장단기 리차’ 이외에 선행종합지수를 구성하는 지표 재고순환지

표(생산), 기계류내수출하지수(투자), 수출입물가비율( 외), 구인구직비율(고용), 코스

피지수( 융)를 사용했다. 분석 기간은 한국은행의 통화정책 운 체제의 변화를 고려

하여 IMF 외환 기 기간을 포함한 1998년 1월에서 2016년 12월까지로 설정했다.

<표 3.2>에는 본 연구에서 사용된 자료의 기 통계량을 제시했다. 먼 기간스

드의 기 통계량을 보면, 5년 만기 국고채 수익률을 사용한 스 드가 3년 만기

국채 수익률을 사용한 경우보다 더 큰 표 편차를 나타냈다. 이와 같이 5년 만기 국

고채 수익률의 변동성이 3년 만기 국고채 수익률보다 더 크다는 특징은 통계청의 경

기종합지수 개편 배경과 일치하는 것으로 해석된다. 한편 신용스 드의 표 편차는

기간스 드에 비해 훨씬 작게 추정 다. 이는 IMF 외환 기와 로벌 융 기로

인한 경기수축기에 신용스 드가 크게 변화하는 모습을 나타내는 결과로 해석할 수

있다.


<표 3.2> 자료의 기 통계량

변수 평균 표 편차 최솟값 간값 최댓값

CI 99.85 1.55 93.00 100.00 102.60

SPD3 0.78 1.56 -10.33 0.54 4.59

SPD5 1.09 1.62 -8.68 0.79 5.24

SPDAA 0.88 0.83 0.22 0.75 8.36

IC 2.12 12.45 -28.20 -0.80 48.70

MDDS 82.12 15.55 36.60 84.45 112.20

EI 129.79 36.45 85.08 116.99 218.54

JS 56.17 15.52 8.81 58.47 101.13

KOSPI 1342.20 576.77 312.15 1397.87 2153.13

주: 각 변수의 정의는 <표 3.1> 참조.

참고: 두 기간스 드의 최솟값은 모두 IMF 외환 기 기간인 1998년 1월에 측된 반면,

신용스 드의 경우에는 이 기간에 최댓값이 측됨.

시계열 자료를 상으로 회귀분석을 시행할 경우 나타날 수 있는 가성 회귀

(spurious regression) 문제를 고려하여 분석 상 자료들에 해 단 근 검정을 시행

했다. 분석 결과, 두 기간스 드, 신용스 드 동행지수 순환변동치는 안정 시

계열로 정 다. 한편 추가 분석을 해 사용된 정보변수들의 경우에는 수 변수에

있어 단 근이 있는 것으로 나타나 각 자료의 특성에 맞게 월차(%p) 는 월비

(%) 등으로 변환한 안정 변수를 회귀분석에 사용했다.5)

4. 실증분석 결과

리스 드의 경기 측력을 분석하기 한 방법으로는 선형회귀모형과 로빗

(Probit) 모형이 가장 리 이용된다. 선형회귀분석은 경제성장률 등 경기를 나타내는

지표를 종속변수로 하고 스 드를 설명변수로 하는 선형모형을 추정하여 스 드

가 실물경제의 변동을 얼마나 측하는지를 살펴보는 방법이다. 설명변수로 사용되는

스 드는 시차변수를 이용하며 측주기에 따라 몇 분기 는 개월 이 의 스

드가 미래 경기변화에 한 설명력이 가장 높은지를 분석한다. 한 Estrella and

Hardouvelis(1991), Wright(2006)와 같은 맥락에서 측의 정확성을 제고하기 해 단기

리나 주가지수 등을 설명변수로 추가한 분석을 시도한다. 로빗 분석은 불황기와

호황기를 구분하는 가변수를 종속변수로 하고, 스 드를 설명변수로 하는 회귀모형

을 이용하여 스 드가 나타내는 미래의 불황 발생확률을 도출하는 방법이다. 특히

설명변수로 사용되는 스 드의 시차변수를 이용하여 불황확률을 추정하고, 이를 토

로 불황 발생가능성에 한 망을 시도한다. 선형회귀모형과 로빗 모형은 경기

선행성을 갖는 지표의 경기 측력 분석에 가장 많이 사용되는 실증분석 기법으로 두

모형의 추정결과는 미래 경기변화에 한 망에 서로 보완 인 정보를 제공하는 것

으로 해석된다.

5) 아래 주 7) 참조.


4.1 교차상관계수 분석

리스 드의 경기 측력 분석에 앞서 먼 각 스 드와 동행지수 순환변동치

사이의 교차상 계(cross correlation)를 추정해보았다. 이는 시계열자료 사이의 동태

계를 악하기 한 비 분석으로 자주 사용된다. 본 논문의 분석 상인 동행

지수 순환변동치를 , 각 스 드를 라고 할 때 두 변수 간의 시차 교차상

계수는 다음과 같이 계산된다.

(4.1)

식에서 추정된 교차상 계수는 시 스 드와 시 동행지수 순환변동

치 사이의 상 계를 나타내는데, 여기에서는 로 –9와 3 사이의 정수를 고려했다.

어떤 경제 시계열과 동행지수 순환변동치 사이의 교차상 계수가 (+)의 부호를 가지면,

이 변수는 경기순응 (pro-cyclical)이라고 해석한다. 반 로 동행지수 순환변동치와의

상 계수가 (-)의 부호를 갖는 경우, 경기역행 (counter-cyclical)이라고 단한다.

식에서 인 경우, 동시 상 계수(contemporaneous correlation)를 의미한다.

한 일 때의 교차상 계수는 시 의 동행지수 순환변동치와 개월 스

드 간의 상 계를 나타낸다. 따라서 에 한 교차상 계수가 동시 교차

상 계수보다 ( 댓값 기 으로) 큰 경우, 스 드가 경기에 선행(lead)한다고 해석한

다. 이와 반 로 일 때의 교차상 계수가 동시 교차상 계수보다 크면, 스

드가 경기에 후행(lag)한다고 단한다.

<그림 4.1>은 각 스 드와 동행지수 순환변동치 사이의 교차상 계 분석 결

과를 보여 다. 이를 보면 두 기간스 드(SPD3, SPD5) 모두 동행지수 순환변동치

에 해 5∼7 개월 시차에서 교차상 계수가 가장 크게 추정 다. 이는 기간스 드

가 동행지수 순환변동치의 변화에 5∼7 개월 정도 선행하는 것을 의미하며, 상 계수

가 (+)인 것으로 보아 기간스 드가 증가하면 미래의 경기가 확장된다는 이론에도

부합한다. 신용스 드의 경우, 기간스 드와는 반 로 상 계수가 (-)로 도출되어

신용스 드의 축소가 미래 경기확장을 측한다는 기존 연구 결과와 부합한다.

한 상 계수의 댓값이 5∼7개월 시차에서 가장 크게 추정되어 기간스 드와 비슷

한 정도의 선행성을 갖는 것으로 단된다. 그러나 기간스 드에 비해 상 계수의

크기( 댓값)가 작아 선행성의 강도는 기간스 드에 비해 약한 것으로 해석된다.


주: 가로축은 교차상 분석의 시차, 세로축은 교차상 계수를 나타냄.

<그림 4.1> 스 드와 동행지수 순환변동치의 교차상 계수 추정 결과

4.2 선형회귀 분석

회귀분석은 경기 련 지표를 종속변수로 하고 스 드를 설명변수로 하는 선형

모형을 추정하는 방법으로 본 연구논문에서 사용한 모형은 다음과 같다.

log log (4.2)

식 (4.2)에서 종속변수는 연율로 환산된 동행지수 순환변동치의 변동을 의미

하며, 우변의 는 기간스 드 는 신용스 드를 의미한다. 여기서 는 월단

로 측정된 측기간(forecasting horizon)을 나타낸다. 한 회귀모형의 추정에서 측

기간의 첩(overlapping)으로 인해 나타나는 측오차의 이동평균(MA) 문제를 해결하

기 해 Newey and West(1987)의 표 오차를 사용하여 자기상 을 조정했다.

<표 4.1>은 두 기간스 드 SPD3, SPD5와 신용스 드 SPDAA를 상으로 회

귀분석을 시행한 결과를 나타낸다. 두 기간스 드의 경우, 모든 시차에 해 회귀계

수가 (+)로 추정되어 스 드가 확 되면 향후 경기확장이 상되고, 축소되면 경기

수축이 측된다는 이론과 부합하는 결과가 도출 다. 신용스 드의 경우에도 이론

에 부합하게 모든 시차에 해 회귀계수가 (-)로 추정되었다. 체 으로 신용스

드보다는 기간스 드가 더 뚜렷한 선행성을 갖는 것으로 추정 다. 두 기간스

드는 거의 비슷한 패턴을 보이고 있는데, 시차 ∼에 해서는 SPD3의 계수추

정치가 SPD5보다 약간 크게 도출 다. 이러한 결과는 SPD3가 동행지수 순환변동치의

변동에 더 큰 향을 미치는 것으로 해석될 수도 있으나, 이는 SPD3가 체 으로

SPD5보다 작은 값을 보여 더 큰 계수추정치를 나타낸 것으로 단된다. 실제 경기 환

측에 한 분석을 해 경기수축 확률을 추정하는 로빗 모형에서도 시차

∼에서 SPD3의 계수추정치가 SPD5보다 더 크게 도출 으나, 모형의 설명력을 나타

내는 는 SPD5를 포함한 모형이 더 큰 것으로 나타났다. 이는 SPD5가 SPD3

보다 경기 환 측에 한 정보를 더 많이 담고 있는 것으로 해석된다.6)


<표 4.1> 선형회귀모형의 추정 결과

SPD3 SPD5 SPDAA

11.787

(4.980)0.329

1.659

(3.873)0.306

-2.734

(-3.267)0.216

21.627

(4.945)0.351

1.518

(3.859)0.329

-2.390

(-2.902)0.212

31.409

(4.865)0.328

1.323

(3.926)0.311

-1.958

(-2.552)0.177

41.213

(4.474)0.304

1.141

(3.865)0.290

-1.594

(-2.193)0.147

51.036

(4.237)0.270

0.973

(3.337)0.294

-1.339

(-1.896)0.126

60.867

(3.221)0.226

0.811

(3.762)0.212

-1.128

(-1.654)0.107

70.693

(3.665)0.173

0.652

(3.436)0.164

-0.898

(-1.467)0.081

80.529

(3.084)0.121

0.507

(2.924)0.119

-0.650

(-1.272)0.051

90.391

(2.527)0.078

0.385

(2.339)0.081

-0.421

(-0.104)0.025

100.297

(1.964)0.051

0.301

(2.023)0.056

-0.263

(-0.800)0.011

110.237

(1.642)0.036

0.242

(1.808)0.040

-0.186

(-0.652)0.006

120.185

(1.362)0.024

0.191

(1.548)0.027

-0.129

(-0.496)0.003

주: 1. *, **, *** 표시는 각각 10%, 5%, 1% 유의수 에서 유의함을 나타냄.

2. 호 안은 각 계수추정치의 t-통계치를 나타냄.

4.3 프로빗 분석

로빗 분석은 Estrella and Hardouvellis(1991) 등에 의해 미국을 상으로 하는

스 드의 경기 측력 분석에서 많이 사용되고 있다. 이는 종속변수가 1(수축기)

는 0(확장기)의 이산 인 값으로 나타날 때, 설명변수로 사용되는 스 드에 시차를

두고 추정하여 경기수축 확률을 도출하고 측하는 방법이다. 로빗 분석을 한 기

본 추정모형은 다음과 같이 표기된다.

(4.3)

식 (4.3)에서 는 기간스 드 는 신용스 드를 의미하며, 는 선행종

6) 미래 경기 환 에 한 측력 분석을 논의한 다음 의 로빗 모형을 추정 결과 참조.


합지수의 구성 지표인 재고순환지표, 기계류내수출하지수, 수출입물가비율, 구인구직비

율, 코스피지수로서 경기상황에 한 정보를 담고 있는 변수들을 나타낸다.7) 한

는 통계청에서 발표한 기 순환일을 용하여 경기수축기에는 1의 값을 갖고 경기확

장기에는 0의 값을 갖는 변수를 나타낸다. 따라서 이 식의 좌변은 각 설명변수에

해 경기수축이 도래할 확률을 의미한다.

본 연구에서는 <표 4.2>에 제시된 통계청에서 발표하는 국면별 기 순환일(reference

date)을 기 으로 정 에 해당되는 월의 다음 월부터 에 해당하는 월까지의 기간을

경기수축기로 설정했다. 경기확장기는 에 해당되는 월의 다음 월부터 정 에 해당하

는 월까지의 기간을 의미한다. 따라서 분석 상 기간 1998년 1월 ∼ 1998년 8월,

2000년 9월 ∼ 2001년 7월, 2003년 1월 ∼ 2005년 4월, 2008년 2월 ∼ 2009년 2월, 2011

년 9월 ∼ 2013년 3월을 경기수축기로 해석한다.

<표 4.2> 한국의 기 순환일 경기순환국면

기 순환일 지속 기간 (개월)

정 확장기 수축기 순환기

제1순환기 1972. 3 1974. 2 1975. 6 23 16 39

제2순환기 1975. 6 1979. 2 1980. 9 44 19 63

제3순환기 1980. 9 1984. 2 1985. 9 41 19 60

제4순환기 1985. 9 1988. 1 1989. 7 28 18 46

제5순환기 1989. 7 1992. 1 1993. 1 30 12 42

제6순환기 1993. 1 1996. 3 1998. 8 38 29 67

제7순환기 1998. 8 2000. 8 2001. 7 24 11 35

제8순환기 2001. 7 2002.12 2005. 4 17 28 45

제9순환기 2005. 4 2008. 1 2009. 2 33 13 46

제10순환기 2009. 2 2011. 8* 2013. 3* 30 19 49

제11순환기 2013. 3* - - - - -

평 균 - - - 31 18 49

자료: 통계청(2016),「제9차 경기종합지수 개편보고서」, p.49.

주: 제10순환기의 정 과 은 통계청의 잠정순환일을 나타냄.

2018년 7월 재 통계청의 공식 기 순환일은 2013년 3월의 제11순환기 까

지 공표 으나. 본 연구에서는 최신 자료를 추가하여 분석 상 자료의 수를 늘림으

로써 경기 측력 추정모형의 효율성을 제고하기 해 기 순환일 설정 기간을 확장하

여 분석을 시행한다. 이를 해 동행지수 순환변동치의 추이에 한 분석을 토 로

2015년 10월까지를 확장국면으로 간주하여 분석을 시행한다.8)

7) 각 자료의 특성을 고려하여 재고순환지표(IC), 구인구직비율(JS)과 수출입물가비율(EI)는

월차(%p), 기계류내수출하지수(MDDS), 코스피지수(KOSPI)는 월비(%)를 사용했다. 다양한

형태의 정보변수를 추가하는 경우에도 본 논문의 실증분석 결과와 비슷하게 모든 측기간에

하여 SPD5의 경기 측력이 SPD3에 비해 반 으로 우수하며, 기간스 드의 경기 측력

이 신용스 드보다 우수한 것으로 추정 다. 이와 같이 기본 인 결과는 정보변수의 포함 여

부에 따라 달라지지 않는 것으로 분석되어, 본 논문에서는 이에 한 자세한 추정 결과를 제시

하지 않았다. (필요한 경우 제공 가능함.)

8) 통계청(2016)은 2011년 8월의 경기 정 이후 유럽 재정 기 등 세계경제 불확실성 확 , 로


식 (4.3)에서 우변 ·는 표 정규분포의 분포함수를 나타내는데, 이 모형은

최우추정법을 사용해 추정된다. 이는 일반 인 로빗 모형으로, 측기간 에 따른

계수추정치를 이용하여 미래에 불황이 도래할 확률을 계산한다. 이때 모형의 설명력

을 나타내는 값을 비교하여 이를 가장 크게 하는 값을 선정하고, 기

이 에 추정된 불황확률을 실제의 불황 여부와 비교하여 스 드의 경기 측력을

분석한다. 이러한 분석에 더해 본 연구에서는 손실함수(loss function)로 모형의 측력 비

교에 자주 사용되는 평균자승오차( : mean squared error)와 평균 댓값오차

( : mean absolute error)를 용하여 모형의 측력을 비교한다.

(4.4)

(4.5)

식 (4.4), (4.5)에서 실제치 는 0 는 1의 값을 가지며, 이에 한 추정치 는 0과

1 사이의 값을 갖는다.

<표 4.3>에는 스 드만 설명변수로 포함한 로빗 모형의 추정 결과를 제시했다.

측기간 를 1개월에서 6개월로 하여 추정하는 경우, 기간스 드 SPD3, SPD5에

한 계수추정량이 각각 시차 5와 6까지 통계 유의성이 높은 (-) 값으로 도출된 것

을 확인할 수 있다. 이는 기간스 드에 해 스 드가 축소될수록 경기수축 확률

이 상승한다는 기존 연구 결과와 일치한다. 한편 신용스 드 SPDAA의 경우 3개월

까지 (+) 부호의 유의한 값을 갖는 것으로 추정되어, 신용스 드가 확 될수록 경기

수축 확률이 상승한다는 기존 연구 결과와 일치하는 것으로 분석 다.

한편, 모형의 설명력을 나타내는 는 SPD5, SPD3, SPDAA 순으로 크며,

실제치와 측치의 차이를 나타내는 , 의 경우 SPD5, SPD3, SPDAA 순으

로 작게 도출 다. 이는 선형회귀분석의 경우와 유사한 결과로 이 순서 로 실물경기

에 한 정보를 더 많이 담고 있다는 함의를 제공한다. 즉 기간스 드의 경기 측

력이 신용스 드 보다 더 우수하며, 기간스 드 에서는 SPD5가 SPD3보다 더

우수한 것으로 해석할 수 있다. 여기서 세 스 드 모두 측기간이 1개월일 때

가 가장 크게 추정 으며, 한 , 는 가장 작게 도출 다. 따라

서 측기간 을 상으로 경기수축 확률을 추정하고 통계청의 기 순환일을

벌 경기부진으로 인한 국내 경기 축 등으로 19개월간 경기가 하강하여 2013년 3월에 경기

을 은 것으로 잠정 확인했다. 한 2013년 3월부터 시작되는 제11순환기의 경기정 은 자료가

더 쌓여야 단할 수 있다고 발표했다. 실제 <그림 3.2>에 제시된 동행지수 순환변동치의 추이를

보면, 2013년 3월의 이후 등락하는 모습을 보이고 있어, 이 기간에 해 기 순환일을 추가

설정할 가능성도 배제할 수 없다. 그러나 체 으로 2015년 10월까지 상승하는 모습을 보이고

있어 이 시 까지는 확장국면으로 간주할 수 있을 것으로 분석된다. “ 반 인 경기회복”을 진단

한 기획재정부의 발표에 해 “침체국면의 입 단계”라는 견해가 두된 최근(2018년 5월)의 경

제동향에 한 논란을 고려해 볼 때, 이러한 근 방법은 추후 통계청의 발표 결과와 크게 다르

지 않을 것으로 단된다. 실제로 2013년 3월의 까지를 상으로 분석하는 경우에도 2015년

10월까지의 기간을 포함한 본 연구와 거의 동일한 결과가 도출되어 여기에서는 이를 논의하지 않

았다. (이에 한 자세한 추정 결과 제공 가능함.)


용한 실제 경기수축 기간과 비교했다.

<표 4.3> 스 드를 이용한 로빗 모형의 추정 결과

Spread1 2 3 4 5 6

SPD3

-0.562

(-4.684)

-0.482

(-4.351)

-0.387

(-3.881)

-0.300

(-3.391)

-0.190

(-2.602)

-0.084

(-1.328)

0.125 0.104 0.080 0.058 0.029 0.007

0.198 0.202 0.207 0.213 0.220 0.225

0.397 0.405 0.416 0.426 0.439 0.450

SPD5

-0.515

(-5.071)

-0.457

(-4.801)

-0.380

(-4.407)

-0.301

(-3.922)

-0.197

(-2.994)

-0.112

(-1.849)

0.142 0.124 0.099 0.072 0.037 0.013

0.194 0.198 0.203 0.209 0.217 0.223

0.388 0.396 0.406 0.418 0.434 0.446

SPD

AA

0.543

(3.384)

0.415

(2.860)

0.273

(2.034)

0.184

(1.404)

0.120

(0.923)

0.002

(0.013)

0.050 0.033 0.016 0.007 0.003 0.000

0.217 0.221 0.225 0.227 0.227 0.227

0.433 0.441 0.450 0.453 0.454 0.454

주: 1. *, **, *** 표시는 각각 10%, 5%, 1% 유의수 에서 유의함을 나타냄.

2. 호 안은 각 계수추정치의 z-통계치를 나타냄.

<그림 4.2>에는 SPD3와 SPD5를 통해 추정한 경기수축 확률을 비교했다. 두 스

드 모두 2005년 5월부터 2008년 1월까지의 확장시기에 경기수축 확률을 높게 측

하는 경우도 있지만, 체 으로 경기수축기에는 경기수축 확률이 높아지며, 확장기에

는 낮아지면서 경기에 선행하여 실제 경기수축을 측하는 모습을 나타낸다. 이와 같

이 두 스 드를 이용해 도출한 경기수축 확률 추정치는 체 으로 유사한 모습을

보이는데, 이들 사이의 경기 환 측력을 직 비교하기 해 스 드 간 경기수

축 확률에 한 추정량의 차이를 나타내는 ( )를 도출했다. 이를

보면 부분의 기간에서 값이 수축기에는 (+) 값을, 확장기에는 (-) 값을 갖는

것을 볼 수 있다. 이는 5년 만기 국고채 수익률을 장기 리 기 자료로 사용한 기간

스 드의 경기수축 측력이 약간 더 우수함을 의미하는 것으로 해석된다.


주: 제11순환기의 2013년 3월은 잠정 이며, 2015년 10월까지의 확장국면은

본 연구를 해 임의로 설정함.

<그림 4.2> SPD5와 SPD3의 수축확률 측력 비교 (1998년 1월 - 2015년 10월)

<그림 4.3>에는 SPD3와 SPDAA를 통해 추정한 경기수축 확률을 비교했다. 신용스

드인 SPDAA로 추정한 경기수축 확률의 경우, 신용스 드의 추이와 마찬가지로

IMF 외환 기와 로벌 융 기 시기에 크게 상승함을 볼 수 있다. 스 드 간 경

기수축 확률에 한 추정량의 차이를 나타내는 ( )가 2005년 5

월부터 2008년 1월까지의 확장기에 (+) 부호를 나타내기는 하지만, 체 으로 수축기

에 그 차이가 커지며, 확장기에 작아지는 패턴을 보이고 있다. 이는 기간스 드의 경

기 측력이 신용스 드보다 더 우수한 것으로 해석되는 결과라 할 수 있다.

주: 그림 <4.2>의 주 참조.

<그림 4.3> SPD3과 SPDAA의 수축확률 측력 비교 (1998년 1월 - 2015년 10월)

스 드 사이의 측력 차이에 한 추가 비교 분석을 해 경기수축 측의

단확률(cut-off probability)을 50%로 설정하고, 이를 기 으로 각 스 드의 경기수

축 측이 실제 경기수축 발생 시기와 어느 정도 일치하는지에 한 별을 시도했

다. <표 4.4>는 단확률 기 으로 각 스 드가 경기수축을 정확하게 측한 기간

을 나타낸다. 통계청의 기 순환일을 기 으로 분석 상 기간 에 실제 경기수축이

발생한 기간은 68개월이며, 이 SPD3는 53개월, SPD5는 52개월, SPDAA는 10개월


에 해 경기수축 기간을 정확하게 측했다. 따라서 기간스 드 SPD3와 SPD5가

경기수축 기간을 제 로 측한 확률은 79.1%, 77.6%로 크게 차이가 없었으며, 신용

스 드인 SPDAA의 경우에는 14.9%로 측 확률이 크게 떨어지는 모습을 보 다.

이는 기간스 드가 신용스 드에 비해 더 높은 측력을 갖는다는 앞의 분석과

일치하는 것으로 해석된다. 한 각 스 드 별로 경기수축을 제 로 측한 기간에

해서 측 확률의 평균을 구해본 결과, SPD3는 68.8%, SPD5는 70.3%, SPDAA는

69.8%로 나타나 SPD5의 경기 측력이 세 스 드 가장 높은 것으로 분석 다.

<표 4.4> 단확률 설정을 통한 스 드의 측력 비교

SPD3 SPD5 SPDAA

수축기 측 기간 53개월 52개월 10개월

수축기 측 확률 0.791 0.776 0.149

수축기 측 기간에 한 평균 확률 0.688 0.703 0.698

4.4 프로빗 분석을 이용한 표본 외 예측치 비교

앞의 제4.3 에서는 체 기간에 한 자료를 상으로 모형을 추정하고, 이를 토

로 각 스 드의 표본 내(in-sample) 자료에 한 경기 측력의 비교・분석을 시

도했다. 실제로 부분의 기존 연구들은 표본 내 추정을 기 로 스 드 사이의 선

행성 측력을 비교했다.9) 그러나 미래 시 의 경기 환 에 한 측력 분석을

해서는 표본 외(out-of-sample) 측이 필요하다. 여기에서는 체 표본(1998년 1월

∼2015년 10월)에 해 1998년 1월부터 2007년 12월까지를 기 표본으로 설정한 후,

표본 자료를 늘려가는 방법(recursive forecast)을 용하여 도출된 표본 외 측치를

기 으로 각 스 드의 경기 측력을 평가한다. 즉 기 표본 자료를 이용하여 도출

된 계수추정치를 토 로 2008년 1월의 경기수축 확률을 측하고, 다음으로 1998년 1

월부터 2008년 1월까지의 자료를 상으로 계수추정치를 구하고 이를 통해 2008년 2

월의 경기수축 확률을 측한다. 이를 계속 반복하여 마지막 94번째에는 1998년 1월

부터 2015년 9월의 자료를 사용하여 2015년 10월의 경기수축 확률에 한 측치를

추정한다.10)

<표 4.5>에는 각 스 드에 해 도출된 경기수축 확률 측치의 와

를 비교했다. 에 해서는 표본 내 측치 비교와 마찬가지로 SPD5, SPD3,

9) 리스 드의 경기 측력과 련한 국내 연구 표본 외 측을 시행한 논문은 많지 않은

데, 이에 한 표 선행 연구로 이근 (2013)을 들 수 있다.

10) 표본 외 측 방법은 크게 도우의 크기를 일정하게 유지하면서 차례 로 측하는 방법

(rolling forecast)과 기 표본을 유지한 상태에서 표본 자료를 추가하는 방법으로 나 수 있다.

후자의 방법은 로벌 융 기와 같이 경제 구조에 큰 변화를 래하는 기간이 포함될 때 모형

의 추정 측을 왜곡시킬 수 있다. 그러나 동일한 조건에서 더 많은 표본이 사용될 때, 추정

의 효율성이 제고되고, 신뢰성이 높은 측결과를 기 할 수 있다는 측면에서 본 연구에서는 이

방법을 용했다. 기 표본을 로벌 융 기 기간이 포함된 제9순환기 경기수축기의 시작

월인 2007년 12월, 는 종료 월인 2009년 1월로 잡은 경우에도 모두 추정 결과는 달라지지 않

는 것으로 분석 다. 따라서 측력 비교의 용이성을 해 측기간에 하여 수축기와 확장기

가 2개씩 포함된 1998년 1월에서 2007년 12월을 기 표본으로 설정했다.


SPDAA 순으로 작은 모습을 나타냈다. 반면 의 경우 앞의 표본 내 추정에서는

SPD5, SPD3, SPDAA 순으로 작았지만, 표본 외 측에서는 SPD5, SPDAA, SPD3

순으로 작은 모습을 보여 SPD3와 SPDAA의 순서가 바 것으로 나타났다, 그러나

표본 외 측에 해서도 SPD5를 설명변수로 사용할 때의 측오차가 세 스 드

가장 작아 체 으로 경기 측력 측면에서 가장 유용한 것으로 해석된다.

<표 4.5> 표본 외(out-of-sample) 측력 비교

SPD3 SPD5 SPDAA

0.205 0.197 0.207

0.427 0.414 0.418

<그림 4.4>와 <그림 4.5>에는 표본 외 측을 통한 각 스 드의 경기수축 확률

추정치를 비교했다. 수직 선은 기 표본의 마지막 월인 2007년 12월을 표시하며,

표본 외 측을 통한 경기수축 확률은 2008년 1월부터 표시했다. 한 는 이

과 유사하게 두 스 드를 통해 측한 경기수축 확률의 차이를 의미한다. 먼 <그

림 4.4>는 각각 SPD3, SPD5를 설명변수로 사용할 때 표본 외 측을 통한 경기수축

확률을 나타낸다. 2008년 1월 이후 측되는 두 차례의 수축기와 확장기에 한 두

스 드의 경기수축 확률 측치는 체 으로 유사한 패턴을 보이고 있다. 그러나

반 으로 가 경기수축기에는 (+) 부호를, 확장기에는 (-) 부호를 보이는 것으

로 타나났다. 이는 표본 내 추정과 마찬가지로 표본 외 측에서도 SPD3에 비해

SPD5가 더 높은 측력을 발휘하고 있는 것으로 단된다.

주: 그림 <4.2>의 주 참조.

<그림 4.4> SPD5와 SPD3의 표본 외 수축확률 측력 비교 (1998년 1월 - 2015년 10월)

<그림 4.5>는 SPD3와 SPDAA를 통해 측한 경기수축 확률을 비교한 결과를 나

타낸다. SPDAA는 로벌 융 기 기간이 포함된 수축기인 2008년 1월과 2009년 1

월 사이에 거의 1에 육박하는 경기수축 확률을 보여 매우 뛰어난 경기 측력을 보이

는 것으로 분석 다. 그러나 그 이후 차례로 발생한 2번의 수축기와 1번의 상승기에

해서는 경기수축 확률 측치가 큰 변화 없이 일정한 수 을 보이고 있어 반 인

경기 측력은 낮은 것으로 단된다.


주: 그림 <4.2>의 주 참조.

<그림 4.5> SPD3과 SPDAA의 표본 외 수축확률 측력 비교 (1998년 1월 - 2015년 10월)

체 으로 두 기간스 드는 확장기에는 감소, 수축기에는 증가하는 모습을 보

이면서 특정 시기에 계없이 일 성 있는 경기 측력을 보인다. 이러한 표본 외

측결과는 표본 내 추정결과와 일치하며, 기간스 드의 경기 측력이 신용스 드

보다 우수하다는 것을 보여주는 것으로 해석된다.

제4.3 의 분석과 동일하게 표본 외 측에 해서도 경기수축 측의 단확률을

50%로 설정하여 각 스 드의 경기 측력을 비교했다. 경기수축기와 확장기가 2개씩

포함된 표본 외 측기간은 94개월이며, 통계청이 발표한 기 순환일에 따른 실제 경

기수축 발생 기간은 32개월이다. <표 4.6>을 보면, SPD3와 SPD5는 26개월, SPDAA는

7개월에 해 경기수축기를 정확하게 측한 것으로 나타났다. 즉, 두 기간스 드의

경기수축 측확률은 81.3%로 동일하며, 이에 비해 신용스 드인 SPDAA의 경우에

는 21.9%로 뚜렷이 낮은 값을 보여 표본 내 추정결과와 일치하는 것으로 분석된다.

<표 4.6> 단확률 설정을 통한 스 드의 표본 외 측력 비교

SPD3 SPD5 SPDAA

수축기 측 기간 26개월 26개월 7개월

수축기 측 확률 0.813 0.813 0.219

수축기 측 기간에 한 평균 확률 0.634 0.646 0.857

한편 스 드 별로 경기수축을 제 로 측한 기간에 해서 경기수축 확률의 평

균을 계산한 결과, SPD3는 63.4%, SPD5는 64.6%로 두 기간스 드 SPD5의 경

기 측력이 약간 더 높았다. 한편 신용스 드인 SPDAA는 85.7%로 <표 4.4>의 표

본 내 측력과 달리 기간스 드에 비해 확연히 높은 확률을 나타냈다. 이러한 결

과는 신용스 드의 경기수축 측 기간 7개월이 모두 로벌 융 기에 따른 수축

기에 해당하는 것을 반 한다. 즉 로벌 융 기의 발생을 후하여 융부문의 부

실이 증가하고, 기업의 채무불이행에 한 험도가 높아지면서 신용스 드가 격

하게 증가한 상에 따른 것으로 해석된다.


5. 결론

미래 경기변동에 한 측은 시장참가자의 의사결정이나 정책담당자의 정책수립

에 있어 매우 요한 역할을 수행한다. 따라서 경기변동의 원인을 밝히고, 미래 경제

를 측하기 한 지표를 개발·활용하려는 노력이 꾸 히 지속되고 있다. 특히 리스

드의 경우, 주요한 선행지표로 활용되고 있을 뿐 아니라 이와 련한 연구도 활

발히 진행되고 있다.

한편 미국을 심으로 선행종합지수 구성 지표로 사용되고 있던 기간스 드의

경우, 2000년 반 이후 경기 측력이 약화되었다는 주장이 제기 다. 우리나라에서

도 2016년에 통계청이 기간스 드의 장기 리 기 자료를 3년 만기에서 5년 만기

국고채 수익률로 변경했다. 이러한 배경에서 본 연구는 다양한 리스 드의 경기

측력을 평가해보고, 두 기간스 드의 선행지표로서의 유용성을 비교해 보았다.

먼 리스 드의 경기 측력 비교를 한 비 분석으로, 교차상 계를 통

해 각 스 드가 경기에 어느 정도의 선행성을 갖는지 확인했다. 그 결과 세 스

드 모두 5∼7개월의 시차를 두고 동행지수 순환변동치에 선행하는 것으로 나타났

다. 특히, 기간스 드의 교차상 계수 댓값이 신용스 드에 비해 더 커서 경

기와의 상 계가 높은 것으로 나타났다. 다음으로 동행지수 순환변동치를 종속변

수로, 스 드를 설명변수로 설정하여 선형회귀 분석을 시행한 결과, 기간스 드

와 신용스 드의 회귀계수 추정치가 각각 (+), (-) 부호로 도출되어 리스 드

에 한 이론 ·실증 분석과 일치함을 확인했다. 특히 기간스 드가 신용스

드에 비해 경기에 더 선행하여 미래 경기변동에 한 정보를 제공하며, 기간스

드 에서는 SPD5가 SPD3보다 더 선행성이 뛰어난 것으로 분석 다.

한 로빗 모형을 이용한 표본 내 추정에서 SPD5, SPD3, SPDAA 순으로 경기

측력이 우수한 것으로 나타났다. 다양한 표본 기간에 해 일 성 있는 결과를 도

출하기 한 표본 외 측에서도 기간스 드가 신용스 드에 비해 우수한 경기

측력을 갖는 것으로 분석 다. 그러나 신용스 드의 경우, 로벌 융 기 기간에

해서는 매우 높은 경기 측력을 보임을 확인할 수 있었다.

이러한 실증분석 결과를 바탕으로 본 연구의 시사 을 다음의 두 가지로 정리할 수

있다. 첫째, 기간스 드는 실물경제 측에 매우 유용한 지표로 작용하며, 신용스

드는 기간스 드에 비해 반 인 경기 측력이 낮게 나타났다. 따라서 선행종합

지수의 구성 지표로 기간스 드 신 신용스 드를 고려할 필요성은 높지 않을

것으로 단된다. 그러나 IMF 외환 기나 로벌 융 기 기간과 같이 융 부문

의 부실, 신용 험의 등이 발생한 특별한 경제 상황에서는 신용스 드의 측력

이 높은 것으로 분석되어, 향후 이를 기간스 드의 보완 지표로 사용할 수 있을 것

으로 기 된다. 둘째, 두 기간스 드 에는 SPD5의 경기 측력이 SPD3보다 좀 더

우수한 것으로 나타났다. 이러한 결과는 2016년 9월 통계청이 ‘장단기 리차’의 장기

리 기 자료를 개편한 배경과 일치한다고 할 수 있다.

본 연구에서는 기간스 드의 경기 측력을 재확인하고, 신용스 드의 경기 측

력을 평가하여 기간스 드와 비교했다. 향후 제11순환기의 경기 환 이 확정되면


더 체계 인 스 드의 측력 비교가 가능해질 것으로 기 된다. 한 앞으로 국내

회사채 시장의 환경이 개선됨에 따라 신용스 드의 경기 측력에 한 추가 인 논

의가 이루어질 것으로 상된다.

(2018년 8월 9일 수, 2018년 11월 2일 수정, 2018년 11월 16일 채택)


참고문헌

곽노선, 김원기 (2012). Leading behavior of interest rate term spreads and credit

risk spreads in Korea, < 융연구> 26(4), 1-25.

김진용, 이한식 (2011). 신용스 드의 경기 측력 분석, <POSRI 경 경제연구>

11(3), 36-63.

이근 (2013). 융변수의 불황 측력 비교, < 융연구> 27(1), 29-69.

이 기 (2007). 장기채권 리스크 리미엄이 장단기 리 격차에 미치는 향 시사

, <한국은행 조사통계월보>, 23-48.

이창선 (2001). 리스 드의 경기 측력에 한 연구, LG경제연구원.

이헌상 (2013). 리스 드의 경기 측력 비교에 한 연구, <산업경제연구> 26(1),

89-110.

지호 , 박상규 (2002). 리스 드의 경기 측력 평가, <재무 리연구> 19(2),

233-251.

통계청 (2016). <제9차 경기종합지수 개편 결과 최근의 기 순환일 설정>, 통계청.

Bernanke, B. (1990). On the predictive power of interest rates and interest rate

spreads, NBER Working Paper, No. 3486.

Campbell, J.Y. and Shiller, R.J. (1991). Yield spreads and interest rate movements:

A bird's eye view, Review of Economic Studies, 58, 495-514.

Estrella, A. and Mishkin, F.S. (1996). The yield curve as a predictor of US

recessions, Current Issues In Economics And Finance, FRB of New

York.

Estrella, A. and Mishkin, F.S. (1998). Predicting US recessions: Financial variables

as leading indicators, Review of Economics and Statistics, 80, 45-61.

Estrella, A. and Hardouvelis, G.A. (1991). The term structure as a predictor of real

economic activity, Jounal of Finance, 46, 555-576.

Friedman, B.M. and Kuttner, K. (1993). Why does the paper-bill spread predict

real economic activity?, NBER Working Paper, No.3879, 213-253.

Hamilton, J.D. and Kim, D.H. (2002). A re-examination of the predictability of the

yield spread for real economic activity, Journal of Money, Credit, and

Banking, 34, 340-360.

Harvey, C.R. (1997). The relation between the term structure of interest rates and

Canadian economic growth, Canadian Journal of Economics, 169-193.

Hwang, S. and Lee, H.S. (2016). Predictability of term spread for economic activity

with liquidity premium theory, Emerging Markets Finance & Trade,

52, 1-14.

Kishor, N.K. and Koenig, E.F. (2010). Yield-spreads as predictors of economic

activity: A real time VAR analysis, FRB of Dallas Working Paper.

Mody, A. and Talyor, M.P. (2003). The high-yield spread as a predictor of real


economic activity: Evidence of a financial accelerator for the United

States, IMF Staff Papers, 50, 373-402.

Newey, W. K. and West, K.D. (1987). A simple, positive semi-definite, heteroskedasticity and

autocorrelation consistent covariance matrix, Econometrica, 55, 703-708.

Stock, J.H. and Watson, M.W. (1989). New indexes of coincident and leading

economic indicators, NBER Macroeconomics Annual, 4, 351-394.

Wright, J.H. (2006). The yield curve and predicting recessions, FED Working

Paper.


부 록

여기에서는 경기종합지수 운 에 유용한 정보를 제공하기 한 본 연구의 목 을

고려하여 각 리스 드와 기타 주요 선행지표 간의 교차상 계수를 추정한 결과를

제시한다. 본문의 <그림 4.1>과 같이 시차 -9에서 3까지에 한 교차상 계수 추정치

를 표로 정리했다. 이를 보면 선행종합지수를 구성하는 지표들 사이에 상 계수의 부

호 는 시차에 약간의 차이를 나타내는 것을 알 수 있다. 특히 SPDAA와 선행지표

들 사이의 교차상 계수는 기간스 드와는 다른 모습을 보이고 있다. 이는 기간스

드의 확 가 경기확장을 고하는 반면, 신용스 드의 확 는 경기불황을 고

하기 때문인 것으로 단된다.

[표 A.1] SPD3와 주요 선행지표 간의 시차상 계수

SPD3시차 IC MDDS EI JS KOSPI

-9 -0.032 0.181 0.036 0.283 -0.109

-8 0.055 0.177 0.042 0.275 -0.099

-7 0.155 0.178 0.050 0.239 -0.092

-6 0.232 0.174 0.056 0.219 -0.086

-5 0.297 0.167 0.061 0.206 -0.080

-4 0.337 0.154 0.066 0.167 -0.079

-3 0.379 0.129 0.070 0.156 -0.084

-2 0.415 0.103 0.070 0.135 -0.094

-1 0.448 0.068 0.072 0.125 -0.105

0 0.456 0.023 0.072 0.107 -0.110

1 0.452 -0.082 0.150 0.020 -0.161

2 0.443 -0.172 0.218 -0.067 -0.207

3 0.429 -0.255 0.279 -0.144 -0.252

[표 A.2] SPD5와 주요 선행지표 간의 시차상 계수


-9 0.005 0.165 0.080 0.280 -0.148

-8 0.100 0.157 0.088 0.275 -0.139

-7 0.201 0.151 0.097 0.242 -0.131

-6 0.283 0.143 0.104 0.229 -0.124

-5 0.354 0.133 0.110 0.213 -0.118

-4 0.404 0.117 0.117 0.170 -0.117

-3 0.450 0.090 0.123 0.157 -0.123

-2 0.489 0.062 0.125 0.125 -0.134

-1 0.519 0.025 0.130 0.101 -0.147

0 0.523 -0.022 0.131 0.081 -0.156

1 0.512 -0.120 0.198 -0.005 -0.204

2 0.496 -0.205 0.256 -0.088 -0.247

3 0.474 -0.284 0.305 -0.157 -0.288


[표 A.3] SPDAA와 주요 선행지표 간의 시차상 계수


-9 0.321 -0.299 0.277 -0.216 -0.300

-8 0.275 -0.317 0.283 -0.211 -0.314

-7 0.204 -0.34 0.286 -0.215 -0.323

-6 0.168 -0.356 0.291 -0.234 -0.331

-5 0.133 -0.366 0.299 -0.250 -0.342

-4 0.107 -0.374 0.304 -0.258 -0.350

-3 0.058 -0.375 0.310 -0.295 -0.355

-2 0.013 -0.376 0.319 -0.310 -0.354

-1 -0.042 -0.367 0.326 -0.347 -0.355

0 -0.059 -0.346 0.334 -0.341 -0.360

1 -0.064 -0.245 0.235 -0.239 -0.294

2 -0.058 -0.187 0.181 -0.180 -0.250

3 -0.050 -0.145 0.138 -0.121 -0.209


Predictability of Interest Rate Spreads for Economic Activity: A Comparative Analysis

Min Guk Kim11) ‧ Hahn Shik Lee12)

Abstract

The usefulness of interest rate spreads for forecasting future economic activity is now well known in the macroeconomics literature. In fact, the term spread has been included as an indicator among the composite leading index of Korea since 2006. In this paper, we explore the predictive content of alternative spreads based on the probit analysis. First, we examine the business-cycle predictability of two versions of term spreads, where five-year and three-year government bond rates are used for long-term interest rates, while the call rate plays the role of short-term rate. We also compare the credit spread, derived as the difference between the return on corporate bold of AA- class and the government bond rate. The basic finding is that the term spreads have more predictive content for business-cycle fluctuations than the credit spread. Also presented is evidence that the term spread using five-year government bond rate leads to a better prediction for future recessions than that using three-year government bond rate. Such results are expected to contribute to the background for the recent revision of the composite economic indices in 2016.

Key words : Term Spread, Credit Spread, Business Cycle, Probit Model

11) Research Assistant, Postal Savings & Insurance Development Institute, 841 Kyeongin-Ro,

Yeongdeungpo-Gu, Seoul, Korea, E-mail: [email protected]

12) (Corresponding author) Professor, Dept. of Economics, Sogang University, 35 Baekbeom-Ro,

Mapo-Gu, Seoul, Korea. E-mail: [email protected]

금리스프레드의 경기 예측력 비교분석 1)kostat.go.kr/file_total/edusri/24-1-01.pdf ·...

Documents