거시경제와 금융안정을 종합 고려한 최적 통화정책체계 연구

Hur, Joonyoung; Oh, Hyoung Seok Article 거시경제와 금융안정을 종합 고려한 최적 통화정책체계 연구 KDI Journal of Economic Policy Provided in Cooperation with: Korea Development Institute (KDI), Sejong Suggested Citation: Hur, Joonyoung; Oh, Hyoung Seok (2024) : 거시경제와 금융안정을 종합 고려한 최적 통화정책체계 연구, KDI Journal of Economic Policy, ISSN 2586-4130, Korea Development Institute (KDI), Sejong, Vol. 46, Iss. 1, pp. 91-129, https://doi.org/10.23895/kdijep.2024.46.1.91 This Version is available at: https://hdl.handle.net/10419/289789 Standard-Nutzungsbedingungen: Die Dokumente auf EconStor dürfen zu eigenen wissenschaftlichen Zwecken und zum Privatgebrauch gespeichert und kopiert werden. Sie dürfen die Dokumente nicht für öffentliche oder kommerzielle Zwecke vervielfältigen, öffentlich ausstellen, öffentlich zugänglich machen, vertreiben oder anderweitig nutzen. Sofern die Verfasser die Dokumente unter Open-Content-Lizenzen (insbesondere CC-Lizenzen) zur Verfügung gestellt haben sollten, gelten abweichend von diesen Nutzungsbedingungen die in der dort genannten Lizenz gewährten Nutzungsrechte. Terms of use: Documents in EconStor may be saved and copied for your personal and scholarly purposes. You are not to copy documents for public or commercial purposes, to exhibit the documents publicly, to make them publicly available on the internet, or to distribute or otherwise use the documents in public. If the documents have been made available under an Open Content Licence (especially Creative Commons Licences), you may exercise further usage rights as specified in the indicated licence. https://creativecommons.org/licenses/by-sa/4.0/ KDI Journal of Economic Policy, 2024, 46(1):91-129 https://dx.doi.org/10.23895/kdijep.2024.46.1.91 거시경제와 금융안정을 종합 고려한 최적 통화정책체계 연구 † 허준영 ⋅ 오형석 * 한국은행은 금융위기 이후인 2011년 법 개정을 통해 기존의 물가 안정 이외에 금융안정 책무를 추가로 부여받았는데, 그 이후 장기 간에 걸쳐 가계신용이 소득 여건에 비해 빠르게 증가해 온 결과 최 근의 가계부채 상황은 소비와 성장을 제약하고 부정적 경제충격 발생 시 위기 발생 가능성을 높일 수 있다는 우려가 제기되고 있 다. 현재의 금융불균형 누증 상황이 앞으로 우리 금융⋅경제의 안 정적 흐름을 제약하지 않도록 정부와 중앙은행이 더욱 유 의해야 할 시기인 것으로 판단된다. 본 연구는 BIS가 중장기 경제안정화 를 위해 거시⋅금융안정(macro financial stability)을 모색하고 자 제안한 정책운용 체계인 통합적 물가안정목표제(IIT)의 국내 적 용 가능성을 점검해 보고, 정책적 시사점을 도출해 보았다. 우 선 VAR 모형을 통해 통화정책의 주택가격, 가계부채 파급효과를 살 펴본 결과, 금융위기 이후 금리 인하에 따른 위험선호 경향이 뚜렷 하게 증대된 것으로 나타났다. 또한 DSGE 모형을 통해 2000년 이 후 2021년까지 약 20여 년간의 통화정책 운영 행태를 분석해 본 Key Word: 거시경제⋅금융안정, 통화정책체계, 금리준칙, 가계부채 JEL Code: E52, E58, E44 * 허준영: 서강대학교 경제학부 부교수(E-mail: [email protected]); 오형석: 한국은행 조사국 경제모형실 거시모형팀장(E-mail: [email protected]) * Received: 2023. 11. 4 * Referee Process Started: 2023. 11. 29 * Referee Reports Completed: 2024. 1. 7 † 본 연구는 한국은행 연구용역 사업으로 수행되었다. 다만, 본 연구 결과는 집필자들의 개인 연구 내용이며, 한 국 은행의 공식 견해와는 무관함을 밝힌다. 본 연구에 소중한 조언을 아끼지 않으신 익명의 두 분 심사위원님들과 박철 범 교수님(고려대 경제학과), 엄상민 교수님(경희대 경제학과), 한국은행 경제모형실 세미나 참가자분들께도 깊은 감 사를 드린다. 아울러 본 연구 수행에 필요한 자료정리 등 관련 업무를 최선을 다해 지원해 준 한국은행 이시은 조사역 님께도 진심으로 감사를 표한다. 91 92 KDI Journal of Economic Policy FEBRUARY 2024 결과, 한국은행은 기준금리 결정 시 물가와 성장을 종합적으로 고 려하면서, 가계신용 증가에도 일부 대응한 것으로 나타나 약한 형 태의 IIT를 운영한 것으로 분석되었다. 다만, 금리평활화 계수가 매우 높게 추정되어 금리 조정에 상당히 신중했던 것으로 나타났 다. 한편, 중앙은행 손실함수를 최소화하는 최적 금리준칙을 추정 해 본 결과, 물가와 성장을 균형적으로 감안하면서, 경제 여건 변 화에 대응하여 기준금리를 보다 적극적으로 조정하고, 소득 여건에 비해 가계부채가 빠르게 증가하는 경우에는 가계신용 상황에도 유 의하는 정책이 바람직한 정책방안으로 분석되었다. 이 같은 연구 결과를 고려할 때 BIS가 제안한 통합적 물가안정목표제는 중 장기 시계에서 우리 경제의 안정적 성장을 뒷받침할 수 있는 정책체계 대안으로 고려해 볼 수 있을 것으로 판단된다. Ⅰ. 서 론 전통적으로 거시경제의 안정을 목적으로 통화정책을 운영하는 중앙은행이 가계신용 등 금융안정 요인에도 대응해야 하는지 여부에 대해서는 그간 학계와 국제기구, 각국 중앙은행 간에 이견이 존재해 왔다. 미 연준과 IMF는 금융불균형 발생 시 중앙은행의 통화정책이 아 닌 거시건전성 정책으로 대응하는 것이 바람직하다는 입장을 견지해 왔다. 이는 통화정책은 경제 전반에 영향을 미치는 거시정책으로서 금융불균형 완화를 목적으로 활용될 경우 실물 경제에 의도하지 않은 부작용을 초래할 우려가 있는 반면, 거시건전성 정책은 과열된 금융 ⋅자산 부문에 한정하여 선별적으로 영향을 미치게 되므로 금융안정 정책의 효율성이 담보 된다는 점에 기인한다. 이에 따라 통화정책은 물가안정에, 거시건전성 정책은 금융안정에 중점을 두고 운영하는 분리대응원칙(separation principle)이 바람직하다는 견해이다. 그런데 금융위기 발생을 계기로 과도한 가계신용 누증, 주택가격 거품 등 금융불균형 누 증은 결과적으로 경제위기를 초래하는 등 금융안정 리스크가 거시경제에 막대하고 장기적 인 영향을 미친다는 사실이 확인되면서, 중앙은행이 통화정책 운용 시 성장과 물가 등 거시 경제 안정 이외에도 금융불균형 완화를 위해서도 적극 대응할 필요가 있다는 견해가 확산되 었다. 이는 가계신용, 주택가격 등에 대한 통화정책의 파급효과가 확대1된 상황에서는 금융 불균형 누증을 완화하기 위해 통화정책을 활용하는 것이 금융⋅경제 안정화 도모에 효과적 이라는 점에 기인한다. 이에 더해 거시건전성 정책은 규제 회피 가능성 등으로 상황에 따라 1Borio and Zhu(2012) 등은 통화정책의 위험선호 경향이 증대된 상황에서는 금융불균형 완화를 위해 통화정책을 활용 하는 것이 바람직하다는 견해를 제기하고 있다. 본고의 분석 등에서 금융위기 이후 기준금리 조정에 따른 가계신용과 주택가 격의 반응이 이전 기간에 비해 상당폭 확대된 것으로 나타나, Borio and Zhu(2012)의 견해가 우리나라에서도 성립할 가능성 이 높은 것으로 보인다. VOL. 46 NO. 1 거시경제와 금융안정을 종합 고려한 최적 통화정책체계 연구 93 금융불균형 완화 효과가 불확실할 수 있는 데다, 금융불균형 누증은 지속가능한 성장을 제 약함으로써 성장과 물가 등 거시경제의 안정이라는 통화정책 본연의 목표 달성을 어렵게 할 수 있다는 점도 중앙은행의 통화정책 대응 필요성을 뒷받침하고 있다. 금융위기 이후 통화정책의 금융불균형 대응 필요 견해가 널리 확산되면서 주요국 중앙은 행의 책무에 전통적인 물가안정 외에 금융안정을 추가하는 국가들이 증가하기 시작하였다.2 우리나라에서도 2011년 한은법 개정을 통해 한국은행의 통화정책 목적에 금융안정 조항이 추가되었다.3 그런데 한국은행은 주요국 중앙은행과 달리 통화정책 결정 시 금융안정 요인 을 어떻게 고려하는 것이 바람직한지에 대한 논의와 합의가 아직까지 충분히 이루어지지 못 한 상황이다.4 이 같은 상황에서 우리나라 가계부채 규모는 금융위기 이후 디레버리징을 경험한 미국 등 주요 선진국과 달리 증가세를 지속해 왔다. 특히 코로나19 이후에는 경제위기에도 불구 하고 주택가격 상승을 배경으로 가계신용이 빠른 속도로 증가5하여 최근 우리나라 가계부채 비율(104.5%, 2022년 말 기준)은 주요국 중 3번째6로 높은 수준까지 상승하였다. 학계와 주요 국제기구 등의 연구 결과에 따르면, 이 같은 가계부채 누증은 소비 등 성장을 제약할 뿐만 아니라 대내외 부정적 충격 시 위기 발생 가능성을 높이고, 경기 복원력을 상 당폭 약화시키는 것으로 알려져 있다. 예를 들면 Cechtti et al. (2011)과 Lombardi et al. (2017) 등의 연구에서는 GDP 대비 가계신용비율이 각각 85% 및 80%를 상회할 경우 성장 (GDP)의 둔화요인으로 작용하게 됨을 밝혔으며, Jordà et al. (2015) 등의 분석에 따르면 Figure 1. Trends in Household Debt in Major Countries (2005~2022) Figure 2. Household Debt to GDP Ratio in Major Countries Note : As a share of GDP, BIS. Note : As of 2022: Q4, BIS. 2금융위기 이후 IMF(2010)의 조사 결과 등에 따르면, 서베이 대상 국가 중 90% 이상의 대다수 중앙은행들이 금융안정 책무를 부여받고 있는 것으로 나타났다. 3한국은행법 제1조 ②, “한국은행은 통화신용정책을 수행함에 있어 금융안정에 유의해야 한다.” 4예를 들면 한국은행은 2018년 11월 금통위 회의에서 기준금리를 25bp 인상(1.50% → 1.75%)하면서 가계대출 증가세 지속 등 금융안정에 유의할 필요성을 중점적으로 고려하였다. 당시 예금은행 가계대출 증가율은 7% 후반대(2018년 10월: 7.9% → 11월: 7.8%, 전년 동월 대비)를 나타내었으며, 서울 APT 가격은 14%를 웃도는 높은 상승률(2018년 10월: 14.4% → 11월: 14.2%, 전년 동월 대비)을 지속하였다. 당시 금통위 의사록을 살펴보면, 다수 위원들은 금융불균형 누적에 유의해야 한 다는 의견을 제시하면서 금리 인상을 주장한 반면, 2명의 금통위원은 금융불균형 완화보다 거시경제의 하방 위험에 초점을 두 고 금리 동결의 소수의견을 제시하면서 금통위 내에서도 동 이슈에 대한 이견이 컸던 것으로 보인다. 52019년 말 대비 2022년 말 기준 가계부채비율 상승폭(+9.5%p)을 보면 우리나라는 홍콩(+14.4%p)에 이어 세계 2번째 로 빠른 것으로 나타났다. 62022년 말 가계부채비율(BIS 기준): 스위스(126.4%) > 호주(111.9%) > 한국(104.5%). 94 KDI Journal of Economic Policy FEBRUARY 2024 소득 여건을 벗어난 과도한 가계신용 증가와 주택가격 상승이 동반하여 발생할 경우 이 같 은 부정적 파급효과가 더욱 심화되는 것으로 나타났다. 또한 Park et al. (2022; 2023) 등에 서도 민간부채 누증이 실물경제에 미치는 효과를 분석해 본 결과, 가계부채 증가는 단기적 으로 생산 증가를 유발하지만 3년 이후의 중기 시계에서는 성장의 둔화요인으로 작용하는 것으로 분석되었으며, 기업부채의 경우에는 중기적 시계뿐만 아니라 단기적으로도 생산 증 가 효과가 유의하지 않은 것으로 추정되었다. 민간부채 중 가계부채 누증은 선진국에서, 기 업부채의 경우에는 신흥국에서 부정적 효과가 두드러진 것으로 분석되었다. 한편, 최근 국 내 연구로 권도근 외(2023)는 우리나라를 포함한 국가별 패널분석을 통해 가계부채 증가는 단기적으로 경기부양 효과가 있으나, 중장기적으로는 성장둔화와 경기침체 요인으로 작용 하는 것으로 추정하였다. 특히 동 연구에서는 가계신용 규모가 GDP 대비 80%를 초과할 경우 성장에 미치는 부정적 효과가 확대되는 것으로 분석되어 기존의 주요 연구 결과에 부 합하였다. 국내 금융불균형 누증이 거시경제에 미치는 부정적 파급효과에 대한 우려가 높아지는 가 운데 BIS는 2019년 거시경제와 금융안정을 종합적으로 고려하는 정책체계인 Integrated Inflation Targeting(이하 ‘IIT’) Framework을 제안하면서, 동 체계가 성장과 물가만을 고려하는 물가안정목표제에 비해 중장기 경제안정화 도모에 보다 효과적이라는 입장을 밝 혔다. 동 견해에 따르면, 중앙은행의 금융안정 도모 책무가 보다 강화될 필요가 있으며, 실 제 통화정책 운용 시 금융안정 요인을 체계적으로 고려할 것을 권고하고 있다. 특히 금리준 칙에 민간신용 관련 변수를 명시적으로 반영할 경우 성장과 물가뿐만 아니라 금융안정도 효 과적으로 도모할 수 있다고 밝혔다. 아울러 중앙은행이 정책결정 과정의 투명성을 제고하고 Figure 3. The Speed of Recovery by Financial and Economic Situation After Economic Downturn Note : 1) t+0 indicates the year starting an economic downturn; 2) ① In cases where there is no simultaneous surge in housing prices or increase in household credit before an economic downturn. ② Cases where housing prices surged before an economic downturn. ③ Cases where there was a sharp increase in housing prices and a significant rise in household credit before an economic downturn. Source : Jordà et al . (2015). VOL. 46 NO. 1 거시경제와 금융안정을 종합 고려한 최적 통화정책체계 연구 95 커뮤니케이션을 강화하는 것은 경제주체들의 효율적 기대형성을 통해 금융⋅경제 안정 도 모 등 중앙은행 책무를 효율적으로 달성하는 데 도움이 된다는 의견을 제시하였다. 한편, 이와 관련하여 Shin and Shin(2023)은 한국의 경우 거시금융 전반의 안정을 도모 하는 정책체계(macro-financial policy framework)에 통화정책을 함께 고려하는 것이 중요하고 중앙은행의 금융안정 책무가 명확히 설정될 필요가 있으며, 통화정책과 거시건전 성 정책이 일관된 방식으로 운용되는 것이 중요하다는 견해를 제기하였다. 이에 본 연구는 코로나19 이후 국내 가계부채 누증에 대한 우려가 높아지고 있는 상황에 서 향후 중장기 시계에 있어 한국은행이 거시경제와 금융안정을 효과적으로 도모하기 위한 정책체계를 마련하기 위해 BIS가 제안한 IIT7의 국내 적용 가능성을 점검해 보고, 최적의 통화정책 운용 전략을 분석해 보았다. 본고는 크게 4장으로 구성되어 있다. 제Ⅱ장에서는 VAR 모형 분석을 통해 2000년부터 2021년까지 주요 충격(주택가격⋅가계신용⋅통화정책 등) 발생 시의 경제변수 반응을 살펴보고, 그 결과를 금융위기 전후로도 구분하여 비교해 본다. 제Ⅲ장에서는 DSGE 모형을 구축하여 2000년 이후 실증적 금리준칙(Taylor Rule) 추정을 통해 한국은행이 실제 운영해 온 통화정책 행태를 분석하고, 중앙은행 손실함수 분 석을 통해 중기적 시계에서 거시경제⋅금융안정을 도모할 수 있는 최적 금리준칙을 추정해 본다. 제Ⅳ장에서는 연구 결과를 요약하고 정책적 시사점을 도출한다. Ⅱ. VAR 모형 및 추정 결과 1. VAR 모형 개관 본격적인 DSGE 모형 분석에 앞서 본 장에서는 우리나라 통화정책과 주택시장 사이의 상 호작용에 관한 시계열 데이터로부터의 분석을 시행한다. 이를 위해 구조적 VAR 모형을 사 용하는데, 동 모형은 외생적 통화정책 식별이 용이하고 추정이 간편하다는 점 등을 토대로 미국 등 선진국뿐만 아니라 우리나라를 대상으로 한 통화정책 효과 실증분석에 활발하게 이 용되어 왔다. 이를 위해 다음의 축약형 VAR 모형(reduced-form VAR model)을 설정하였다. (1)             …       , …  위 식에서   및  는 각각 내생변수 및 외생변수 벡터를 나타내며, 은 상수 벡터를 의미한다.  는 내생변수에 대응하는 계수행렬(≤≤ )이며,  는 외생변수의 계수행렬 을 나타낸다. 는 잔차항 벡터로,  ,  ′, 그리고 ≠일 때  ′ 을 만족한다. 7IIT의 주요 내용에 대해서는 부록 1을 참조하기 바란다. 96 KDI Journal of Economic Policy FEBRUARY 2024 본 연구에서는 내생변수가 성장(GDP; ), 물가(CPI; ), 명목 정책금리(), 실질주택가 격(), GDP 대비 가계신용비율()로 구성된 5변수 VAR을 구축하였다. 성장, 물가 및 정책금리는 통화정책 충격 식별에 있어 필수적인 변수이므로 포함되었다. 실질주택가격 및 가계신용비율은 통화정책과 금융안정 변수인 주택시장과 가계부채 간의 상호작용 분석 시 핵심이 되는 변수들이다. 동 모형 추정 시 미국의 성장( ), 미 국채 10년물 금리( ), 원유 가격() 및 한국의 주요 교역국 대비 실질실효환율()을 외생변수로 통제해 주었는데, Han and Hur(2020)에서 보인 바 있듯이 이러한 변수는 재화시장 및 자본시장 개방도가 높은 우리나라의 특성을 반영함으로써 국내 통화정책 충격 식별의 신뢰성을 높여주는 역할 을 한다.8 분석기간은 아시아 외환위기(Asian currency crisis) 및 한국은행의 물가안정목표제 (inflation targeting)가 명시적으로 도입된 이후인 2000년 1/4분기부터 가장 최근의 데이 터가 가용한 2021년 4/4분기까지로 설정하였다. 추정 시 모형의 시차구조()는 다양한 시 차 선택 기준을 고려하여 3기로 설정하였다. 모형의 추정을 위해 베이지안(Bayesian) 방법을 사용하였다. 베이지안 분석 시 필수적인 모수의 사전분포(prior distribution)는 기존 미국을 대상으로 한 문헌인 Uhlig(2005)과 Mountford and Uhlig(2009) 등의 설정을 원용하였다. 구체적으로 식 (1)에 주어진 축약 형 VAR의 계수행렬과 분산-공분산 행렬의 사전분포가 무한(∞) 분산을 가지는 노말-위샤 트(Normal-Wishart) 분포를 따른다고 가정하였는데, 특히 사전분포의 무한(∞) 분산 가정 은 사전분포로부터 오는 계수에 대한 정보를 최소화함으로써 계수행렬과 분산-공분산 행렬 의 사후(posterior) 추정치를 기존의 OLS 추정치와 비슷하게 하는 역할을 한다. 이는 본고 의 결과와 OLS를 사용한 기존 연구의 결과 간 추정 방법으로 인해 발생하는 차이를 최소화 하기 위한 것이다. 일반적으로 식 (1)에 주어진 축약형 VAR 잔차항의 분산-공분산 행렬의 비대각(offdiagonal) 원소들은 0이 아닌 값을 가지며, 따라서 축약형 모형의 잔차항들은 상호 상관관 계를 가지게 된다. 따라서 상호 독립적인 외생적 충격 식별을 위해 축약형 VAR을 다음과 같이 구조적 VAR(structural VAR)로 선형변환한다. (2)               …       위 식에서  는 내생변수 벡터와 같은 차원을 가지는 정방행렬이며,  를 만족한다. 는 구조적 충격 벡터로서  ,  ′를 만족하며, 는 대각행렬이다. 일반적 으로 이러한 성질을 만족하는  행렬은 무수히 많이 존재하며, 따라서 외생적 충격이 유일 하게 식별되기 위해서는  행렬에 추가적 가정이 필요하다. 본고에서는  행렬 식별을 위 해 내생변수들 간의 외생성에 순서를 가정하는 순차적 나열(recursive ordering) 방식을 도입한다(Sims, 1980). 변수들 간의 외생성 순서는 위에서 언급한 대로 성장(), 물가(), 8이 논문의 추정에 사용된 자료에 대한 자세한 설명은 부록 3에 제시되어 있다. VOL. 46 NO. 1 거시경제와 금융안정을 종합 고려한 최적 통화정책체계 연구 97 정책금리(), 실질주택가격(), 가계신용비율()로 한다. 동 식별 방식을 원용한 기존의 통화정책 문헌에서는 일반적으로 정책금리가 해당 기의 성장과 물가를 관측한 이후 결정되 는 현실을 반영하여, 성장과 물가가 정책금리보다 외생적이라고 가정한다. 이렇게 결정된 정책금리에 금융안정 관련 변수들이 영향을 받는다고 상정하여 주택가격 및 가계신용비율 을 정책금리보다 덜 외생적으로 처리하였다.9 추정된 축약형 모형의 계수행렬과 분산-공분산 행렬의 사후분포에서 5천개의 표본을 추 출한 후, 각 표본에 대해서 위의 외생적 충격 식별 방법을 적용하여 최종적으로 5천개의 통 화정책, 주택가격 및 가계신용비율 충격을 도출하였다. 2. VAR 모형 충격반응함수 추정 결과 Figure 4에는 위와 같은 방식으로 식별된 외생적 주택가격 1% 상승 충격에 대한 모형 내생변수들의 반응이 요약되어 있다. 주택가격 상승으로 성장은 단기적으로 증가하며, 물가 또한 상승한다. 이러한 반응은 해당 기간 동안 주택가격이 경기를 회복시키는 양(+)의 수요 충격으로서의 특징을 가지는 것을 나타낸다. 한편, 해당 충격에 대해 정책금리가 단기적으로 (Unit: %) Figure 4. VAR Impulse Response Function: Positive Housing Price Shocks Note : In each graph, solid lines and shaded areas represent the median and 68% error band estimates, respectively, with the x-axis indicating the period in quarter after the shocks. 92011년에 금융안정이 명시적으로 통화정책의 책무 중 하나로 명시된 우리나라의 경우, 성장과 물가 이외에도 주택시장 이나 가계신용 변수들 또한 통화정책 결정 시 중요한 영향을 미칠 수 있다는 점을 고려하여 정책금리, 실질주택가격 및 가계 신용비율 변수들의 순서를 바꾸어서도 해당 모형을 추정하였는데, 충격반응함수에 큰 차이가 없는 것으로 판명되었다. 98 KDI Journal of Economic Policy FEBRUARY 2024 인상되는 것으로 분석되어, 주택가격 상승 등에 따른 금융불균형 발생 시 중앙은행이 통화 정책으로 대응했다는 점을 시사한다. 마지막으로 가계신용비율의 반응이 주택가격의 반응 과 비슷한 모습을 나타내는데, 주택가격 상승에 따라 가계신용비율도 단기적으로 증가하였 다가 충격 7분기 이후부터 음(-)의 반응으로 전환한다. 한 가지 주지할 점은 이러한 가계신 용비율의 반응을 주택가격 상승으로 인한 성장의 단기적 증가 반응과 결합해 보면, 주택가 격 상승에 따라 단기적으로는 가계신용의 증가가 성장의 증가보다 빠르다는 것이다. 외생적 가계신용비율 1% 증가 충격에 대한 충격반응함수는 Figure 5에 보고되어 있다. 주택가격 충격과 마찬가지로 가계신용비율의 외생적 증가는 단기적으로 성장을 증가시키는 것으로 판명되었다. 다만, 해당 충격이 물가 및 정책금리에 미치는 영향은 단기적으로 중간 값 기준 양(+)으로 분석되었으나, 에러밴드(error band)가 충격 이후 모든 시점에 걸쳐 0을 포함하고 있어서 통계적으로 유의하지는 않은 것으로 나타났다. 한편, 가계신용비율 상승으 로 인해 주택가격 또한 단기적으로 상승하는데, 이러한 결과를 Figure 4의 결과와 종합해 보면, 2000년대 이후 주택가격과 가계신용비율 사이에 강한 공행성(comovement)이 존재 하는 것을 알 수 있다. Figure 6는 VAR 모형으로부터 식별된 100bp 정책금리 인상 충격에 대한 충격반응함수 를 나타낸다. 정책금리 인상으로 인해 중간값 기준 성장과 물가 모두 상당기간 동안 하락하 며, 이러한 결과는 음(-)의 수요충격으로서의 긴축적 통화정책 충격의 성격과 부합하는 것 으로 보인다. 또한 이러한 충격에 대해 주택가격 및 가계신용비율이 모두 충격 이후 2~3년 (Unit: %) Figure 5. VAR Impulse Response Function: Positive Household Credit-to-GDP Ratio Shocks Note : In each graph, solid lines and shaded areas represent the median and 68% error band estimates, respectively, with the x-axis indicating the period in quarter after the shocks. VOL. 46 NO. 1 거시경제와 금융안정을 종합 고려한 최적 통화정책체계 연구 105 표수준(inflation target)을 차감하여 사용하였다. 마지막으로 명목 정책금리는 수준 변수 그대로를 사용하는 대신 명목기준금리에서 명목중립금리를 차감함으로써 시산한 명목기준 금리의 중립금리로부터의 격차를 사용하였다.12 이와 같이 금리 수준 대신 중립금리로부터 의 격차를 모형 추정에 사용함으로써 실물경제 및 금융변수에 대한 해당 시점의 통화정책 기조(stance)를 더욱 정확하게 포착하고자 하였다. 모형 추정에 사용된 추세가 제거된 시계 열은 Figure 10에 나타나 있다. 모형 추정 시 데이터로부터 식별이 용이하지 않은 모수들은 Iacoviello(2005) 및 한국의 기존 문헌인 송인호(2014)에서 차용하거나 한국의 과거 정책 행태를 통해 캘리브레이션하 였다. 이렇게 캘리브레이션된 모수들은 Table 1에 요약되어 있다. 나머지 모수들은 베이지안 방식을 이용하여 추정하였다(An and Schorfheide, 2007). 이를 위한 모수들의 사전분포는 Table 2의 두 번째부터 세 번째 열에 제시되어 있는데, 이 러한 사전분포들은 기존 한국 및 미국을 대상으로 한 문헌과 부합하도록 설정하였다. 이와 같은 방식을 바탕으로 무작위보행 메트로폴리스-헤이스팅스 알고리즘(random-walk Metropolis-Hasting algorithm)을 이용하여 각 모수의 사후분포로부터 3만개 샘플을 도 출하여 실증분석 결과를 시산하였다. (Unit: %) Figure 10. The Detrended Time Series Data used in the Estimation of the DSGE Model Note : 1) The shaded areas in each graph indicate the recession periods identified by the OECD; 2) The blue dashed line in the last graph represents the time series with the sample mean subtracted, excluding only the pre-removed neutral rate from the nominal policy interest rate. 12명목중립금리는 오형석(2014)에서 제시한 방식으로 시산한 실질중립금리로부터 인플레이션 기대치를 더하여 산출하였다. 106 KDI Journal of Economic Policy FEBRUARY 2024 Table 1. Calibrated Parameters in the DSGE Model 모수 캘리브레이션 값 출처  (저축가계 시간 할인율) 0.99 Iacoviello(2005) ″ (차입가계 시간 할인율) 0.95 Iacoviello(2005)  (기업가 시간 할인율) 0.98 Iacoviello(2005)  (주택 서비스에 대한 가중치) 0.2 송인호(2014)  (정상상태 마크업) 1.15 Iacoviello(2005)  (자본 비중) 0.3 송인호(2014)  (주택 비중) 0.03 송인호(2014)  (감가상각률) 0.025 Iacoviello(2005)  (기업가의 loan-to-value) 0.6401 샘플기간 동안 한국 평균 LTV 비율 ″ (가계의 loan-to-value) 0.6401 샘플기간 동안 한국 평균 LTV 비율 Table 2. The Prior and Posterior Distributions of the Estimated Parameters 사전분포 사후분포 금리준칙: 식 (3) 금리준칙: 식 (8) 모수 Dist. Mean (Std.) Mean [5%, 95%] Mean [5%, 95%]   B 0.7 0.42 0.45 (habit) (0.1) [0.32, 0.52] [0.34, 0.56]  G 1.5 1.64 2.36 (labor elasticity) (0.5) [1.06, 2.29] [1.43, 3.62]  N 6 0.11 0.10 (capital adj. cost) (1.5) [0.07, 0.16] [0.07, 0.15]  B 0.5 0.94 0.94 (price stickiness) (0.05) [0.93, 0.95] [0.93, 0.95]  B 0.65 0.59 0.65 (patient HH wage share) (0.05) [0.51, 0.67] [0.56, 0.73]   B 0.7 0.88 0.92 (MP AR(1)) (0.1) [0.84, 0.92] [0.89, 0.94]   G 1.5 1.31 1.38 (MP inflation) (0.15) [1.10, 1.54] [1.16, 1.62]   G 0.5 0.77 0.89 (MP output) (0.15) [0.57, 1.01] [0.65, 1.17]   G0.5 0.18 (MP HH credit/GDP) (0.15) [0.10, 0.28]   B 0.5 0.74 0.73 (inf. AR(1)) (0.2) [0.67, 0.80] [0.66, 0.79]   B 0.5 0.87 0.85 (housing AR(1)) (0.2) [0.80, 0.94] [0.78, 0.92]   B 0.5 0.86 0.87 (productivity AR(1)) (0.2) [0.81, 0.90] [0.82, 0.91]   B 0.5 0.39 0.34 (preference AR(1)) (0.2) [0.25, 0.51] [0.19, 0.48]   B 0.5 0.42 0.54 (HH credit AR(1)) (0.2) [0.28, 0.56] [0.38, 0.69] VOL. 46 NO. 1 거시경제와 금융안정을 종합 고려한 최적 통화정책체계 연구 107 Table 2. The Prior and Posterior Distributions of the Estimated Parameters (Cont’d) 사전분포 사후분포 금리준칙: 식 (3) 금리준칙: 식 (8) 모수 Dist. Mean (Std.) Mean [5%, 95%] Mean [5%, 95%]   IG 0.5 0.05 0.05 (inflation std.) (∞)[0.04, 0.07] [0.04, 0.07]   IG 0.5 19.63 13.96 (housing std.) (∞)[7.53, 16.39] [9.61, 19.31]   IG 0.5 2.86 2.41 (productivity std.) (∞)[1.84, 4.33] [1.66, 3.44]   IG 0.5 0.15 0.15 (MP std.) (∞)[0.13, 0.18] [0.13, 0.18]   IG 0.5 2.29 2.44 (preference std.) (∞)[1.86, 2.81] [1.97, 1.84]   IG 0.5 1.53 1.60 (HH credit std.) (∞)[1.33, 1.76] [1.39, 1.84] Note : In the column indicating the distribution (Dist.), B, G, N, IG respectively refer to the Beta, Gamma, Normal, and Inverse Gamma distributions. 3. 각 DSGE 모형의 데이터 적합도 위에서 언급한 두 가지 질문 ― [1] 샘플기간 동안 통화정책이 성장과 물가 이외에 금융안 정 변수에도 반응해 왔는가?; [2] 만약 그렇다면 어떠한 금융안정 변수에 반응했는가? ― 에 대한 모형에 근거한 해답을 얻기 위해 먼저 각 금리준칙을 상정하고 추정된 DSGE 모형들 의 데이터 적합도를 비교한다. Table 3에는 이와 같은 데이터 적합도의 결과가 제시되어 있다. 추정 결과, 데이터 설명 력이 가장 높은 모형은 성장과 물가와 함께 GDP 대비 가계신용비율이 금리준칙에 반영(식 (8))된 모형으로 나타났다. 그다음으로는 통화정책이 성장, 물가와 가계신용 증가율(     ″ )에 반응(식 (7))하는 모형의 데이터 적합도가 높은 것으로 분석되었다. 전반적으로 금리준칙에 Table 3. The Goodness of Fit of Each DSGE Model to the Data 모형(금리준칙 반응 변수) 데이터 적합도 [순위] 성장 및 물가: 식 (3)  [3] 성장, 물가 및 실질주택가격: 식 (4)  [6] 성장, 물가 및 가계신용: 식 (5)  [5] 성장, 물가 및 실질주택가격 증가율: 식 (6)  [4] 성장, 물가 및 가계신용 증가율: 식 (7)  [2] 성장, 물가 및 GDP 대비 가계신용비율: 식 (8)  [1] Note : The goodness of fit is assessed using Geweke's (1999) average log-marginal data density, where higher (or smaller absolute) values indicate a model that better fits the data. 108 KDI Journal of Economic Policy FEBRUARY 2024 주택가격 또는 주택가격 증가율이 포함된 모형의 데이터 적합도는 성장과 물가만 반영된 모 형의 결과에 비해 열등한 것으로 분석되어, 2000년대 이후 기간에 통화정책이 주택가격 및 관련 변수에 반응했다는 증거는 데이터로부터 찾기 힘든 것으로 판단된다. 이와 같은 결과에 근거하여 본고에서는 성장 및 물가와 함께 통화정책이 가계신용비율에 반응하는 금리준칙인 식 (8)을 상정한 모형을 벤치마크 DSGE 모형으로 설정한다. 이후 논 의될 실증분석 결과는 동 모형에 기반한 것임을 미리 밝혀둔다. 4. 벤치마크 DSGE 모형 모수의 사후분포 추정치 Table 2의 마지막 열은 벤치마크 모형의 구조 모수에 대한 사후분포를 보고하고 있다. 금리준칙의 모수를 제외한 나머지 모수는 기존 미국 및 한국 문헌인 Iacoviello(2005)와 송 인호(2014) 등과 유사하게 추정되었다. 한편, 통화정책 관련 모수인   은 평균이 0.92로 추정되어 상당히 높은 정책금리의 지속 성을 의미하고 있다. 이러한 값은 분석기간 동안 기준금리가 한번 조정되면 이후 상당 기간 동안 변화가 없었던 과거 우리나라 통화정책의 실제 현상에 부합한다. 또한 Clarida et al. (1998)에서 제시된 금리준칙을 2001~14년간의 우리나라 데이터를 이용하여 축약형 (reduced-form) 모형으로 추정한 김인준⋅김성현⋅김소영⋅김진일⋅신관호(2017)의 추 정치인 0.9와 유사하다. 통화정책의 물가갭과 성장갭 반응도인   와   는 평균값 기준 각각 1.38과 0.89로 추정 되어 해당 기간 동안 중앙은행이 물가안정목표제를 충실히 수행하였으며, 이 과정에서 경기 상황도 적극 고려한 것으로 분석되었다. 이와 같은 성장에의 반응은 2000년 이후 우리나라 통화정책이 성장갭에 적극적으로 대응하였다는 김인준⋅김성현⋅김소영⋅김진일⋅신관호 (2017)의 결과에도 부합한다. 마지막으로 통화정책의 가계신용비율갭의 반응도인   의 중 간값 추정치는 0.18로 식별되어 샘플기간 동안 우리나라 통화정책은 약한(mild) 정도의 금 융안정을 타기팅했던 것으로 판단된다. 그럼에도 불구하고 해당 모수의 90% 밴드 추정치는 0으로부터 상당히 이격되어 있으며, 이러한 결과를 통해 통화정책의 해당 금융안정변수 반 응도가 통계적으로 유의한 수준임을 알 수 있다. 일반적으로 DSGE 모형에 모수를 추가할 경우 회귀분석의 조정된(adjusted)   와 유사하게, 새롭게 추가된 모수가 데이터를 설명하 는 데 도움이 될 경우에만 Table 3에 나타난 평균 한계 데이터 밀도(average log marginal data density)가 향상되도록 설계되어 있다. 즉, 추가된 모수가 데이터를 설명하는 데 도움 을 주지 않을 경우 평균 한계 데이터 밀도는 자동적으로 하락하는데, 모형의 금리준칙에 가 계신용비율을 추가할 때 모형의 데이터 적합도가 높아지는 현상과   추정치가 유의하게 0 보다 크다는 점은 모두 2000년 이후 우리나라 통화정책 운용에 있어서 가계신용비율이 중 요한 변수였음을 시사한다. VOL. 46 NO. 1 거시경제와 금융안정을 종합 고려한 최적 통화정책체계 연구 109 5. 모형으로부터 도출되는 시계열 모형의 추정이 적합하게 되었는지 평가하기 위해 모형으로부터 시산되는 동학(dynamics) 을 구하여 실제 추정에 사용된 시계열과 비교한다. 이를 위해 모형으로부터 도출되는 시계열 의 경로를 구하는데, 이는 구체적으로 다음과 같은 방식으로 이루어진다. [1] 먼저 추정된 30,000개의 모수 집합에서 각각의 모수 집합을 추출하고, 이 모수의 집 합하에서 추정에 사용된 실제 거시데이터를 가장 잘 설명하는 외생적 충격들의 시퀀 스(sequence)를 칼만 평활화(Kalman smoothing)를 통해 구한다. [2] [1]의 과정을 모든 모수 집합에 대해 30,000번 반복한다. [3] [2]를 통해 얻어진 30,000개의 경로에 대해 각 시점별 평균을 구하여 실제 시계열과 비교한다. 이와 같은 방식으로 시산된 모형 동학으로부터 도출되는 시계열과 실제 시계열의 비교는 Figure 11에 표시되어 있다. 시산 결과, 가계신용비율을 제외하고는 모형으로부터 도출된 시계열이 실제 시계열과 상당히 유사한 것으로 판명되었다. 다만, 가계신용비율의 경우 모 형으로부터 도출된 결과가 실제 시계열의 2000년대 초반과 후반 부분 변동을 설명하는 데 있어 약간의 격차를 보이는 것으로 나타났다. 이러한 현상의 원인으로는 모형 내에서 가계 신용비율을 주로 설명하는 가계신용비율에 대한 외생적 충격이 극대화를 통한 일계조건 (Unit: %) Figure 11. The Actual and Model-implied Time Series Note : 1) In each graph, the bold solid line (black) represents the actual time series used for model estimation, while the thin solid line (red) represents the model-implied time series; 2) The modelimplied time series represent the mean values of the posterior distribution at each point in time. 110 KDI Journal of Economic Policy FEBRUARY 2024 (first-order condition)으로 모형화된 구조적(structural) 충격이 아니라, 실제 가계신용 비율 변동 중 설명되지 않는 부분에 대한 잔차(residual)와 같이 처리되어 있기 때문으로 추측된다. 그럼에도 불구하고 모형이 실제 시계열의 상-하 변동은 전반적으로 잘 포착하는 것으로 보인다. Ⅱ장의 VAR 분석에 비해 본 장의 DSGE 모형 분석이 가지는 장점 가운데 하나는 모형의 구조적 모수(structural parameter)를 식별함으로써, 정책실험이 가능하다는 것이다. 특히 본고의 DSGE 모형 추정 결과 가운데 주목할 점은 2000년대 이후 우리나라 정책금리 결정 시 가계신용비율을 반영하였다는 측면이다. 이러한 통화정책 운영체계에 대한 평가를 위해 위 Figure 11에 제시된 모형으로부터 도출된 시계열을 이용한다. 구체적으로 다음과 같은 반사실적(counterfactual) 가정을 통해 가계신용비율에 반응해 온 정책운영을 평가하기로 한다: “샘플기간 동안 만약 통화정책이 가계신용비율에 반응하지 않았다면 과거의 거시경제 및 가계부채 동학은 어떻게 바뀌었을 것인가?” 이를 위해 라는 조건을 통해 구한 모 형의 해(solution)와 위 Figure 11을 도출하는 과정에서 시산된 외생적 충격들의 시퀀스를 결합함으로써 모형에 입각한 반사실적 시계열을 도출하고, 이를 Figure 11에 제시된 모형 으로부터 도출되는 실제 시계열과 비교한다. 이와 같이 시산한 실제 및 반사실적 시계열 비교 결과는 Figure 12에 제시되어 있다. 만약 통화정책이 가계신용비율에 반응하지 않았다면 2002~03년경 및 2020년 이후 기간에 대해 (Unit: %) Figure 12. The Model-implied Actual and Counterfactual Time Series Note : 1) In each graph, the solid line (red) represents the actual time series derived from the model, while the dashed line (blue) represents the counterfactual experimental results assuming monetary policy does not respond to the household credit-to-GDP ratio (    ); 2) The modelimplied time series represent the mean values of the posterior distribution at each point in time. VOL. 46 NO. 1 거시경제와 금융안정을 종합 고려한 최적 통화정책체계 연구 111 정책금리가 실제보다 낮았을 것이라는 결과를 얻었다. 특히 2020년 중반 이후 기간에 대해 서는 반사실적 정책금리가 명목금리의 제로 하한(zero lower bound) 밑으로 내려가는 것 으로 나타났다. 이러한 금리 경로의 변화에 따라 성장 및 물가의 경로도 실제보다 더 변동 성이 커졌을 것임을 알 수 있다. 반사실적 시나리오하의 가계신용비율도 2002~03년경 및 2020년 이후 기간에 대해 실제보다 더욱 높았을 것임을 실험 결과는 보여주고 있다. 다만, 반사실적 실험에도 불구하고 실질주택가격 경로는 크게 바뀌지 않았는데, 이는 허준영 (2022)에서 밝힌 바 있듯이 통화정책이 주택가격에 미치는 영향이 제한적인 Iacoviello (2005) 모형의 특성에서 기인하는 것으로 보인다. 6. 중앙은행의 손실함수 분석 및 최적 금리준칙: 조건부 분석 본 연구의 주요 목적 중 하나는 물가안정과 금융안정을 책무로 가지는 중앙은행의 최적 금리준칙을 도출하는 것이다. 이를 위해 먼저 Benigno and Woodford(2012)에서 제안된 바 있으며 Bernanke et al. (2019) 및 Kiley and Roberts(2017) 등의 기존 미국 문헌에 원용된 손실함수를 확장하여, 중앙은행이 최소화하고자 하는 2차 손실함수(quadratic loss function)를 다음과 같이 정의한다. (9)               위 식에서  및 는 각각 손실함수 내에서 성장과 가계신용비율 분산에 대한 가중치를 의미하며, 물가 분산에 대한 가중치가 1로 주어져 있는 상황에서 이 값들은 물가 분산 대비 성장과 가계신용비율 분산의 상대적 가중치를 나타낸다. Gali and Monacelli(2005)와 같은 기존의 문헌에서는 성장 분산의 가중치인 에 0.5나 1의 값을 부여한다. 예를 들어 인 경우 중앙은행이 물가와 성장 분산에 동일한 가중치 를 두는 이중책무(dual mandate) 형태의 손실함수가 된다. 이러한 문헌을 따라 본고에서 도 인 경우와 인 경우를 분석한다. 그러나 성장 분산에 대한 가중치와 달리, 가계신용비율 분산에 대한 가중치와 관련하여 기존 문헌 간 일치된 합의는 없는 상태이다. 한편, Figure 11에서 나타난 바와 같이 데이터 상 가계신용비율의 변동성은 성장 및 물가 변동성에 비해 상당히 큰 값을 가진다. 따라서 성장과 마찬가지로 가계신용비율 분산에 0.5나 1의 가중치를 부여할 경우 손실함수 값이 가계신용비율 변동성에 의해 결정될 가능성이 크다. 이러한 문제점을 보완하기 위해 본고에 서는  값을 물가와 성장 분산의 평균치와 가계신용비율 분산 사이 비율의 역수로 설정하였 다(). 이러한 손실함수를 가정하고 먼저 실제 및 반사실적 시나리오에 대한 조건부(conditional) 분석을 시행한다. 즉, Figure 12에 제시된 실제 및 반사실적 실험하에서 물가, 성장 및 가 계신용비율의 분산이 어떻게 달라지며, 나아가 이를 통해 시산된 식 (9)의 2차 손실함수가 어떤 경우에 더 작아지는지를 시산하는 것이다. 해당 실험의 결과는 Table 4에 요약되어 112 KDI Journal of Economic Policy FEBRUARY 2024 있다. 을 가정하는 반사실적 실험의 경우 Figure 12에 나타나듯이 실제보다 성장과 가계신용비율의 분산을 크게 한다. 한편, 반사실적 실험하에서 물가의 분산은 실제 경우와 크게 차이가 없다. 그 결과 2차 손실함수에서 성장 분산에 어떤 가중치를 주더라도 실제 경 우보다 반사실적 실험하에서 2차 손실함수 값이 커지는 현상이 발생한다. 이와 같은 결과는 과거 한국 거시경제 및 금융안정 시계열을 가장 잘 설명하는 충격들의 시퀀스에 근거 (conditioning) 했을 때, 가계신용비율에 반응해 왔던 통화정책이 그렇지 않은 정책에 비해 중앙은행의 손실함수 값을 줄여주는 우월한 정책임을 시사한다. 위에서 언급한 조건부 실험은 금리준칙의 가계신용비율 반응 계수만을 조정하여 시산하 였다. 이러한 실험을 확장하여 금리준칙상 모든 계수를 조정함으로써 식 (9)에 나타난 중앙 은행의 2차 손실함수를 극소화하는 금리준칙 계수들의 조합을 구할 수 있다. 해당 실험 시 행 시 각 금리준칙의 계숫값들이 기존 문헌이나 경제이론과 합당하지 않은 값으로 발산하는 것을 막기 위해 각 계숫값에 대한 하한과 상한을 설정하여 분석하였다. 먼저 통화정책의 자 기회귀(autoregressive) 부분을 반영하는 는 해당 모수의 특성상 [0, 1]의 하한과 상한을 부여하였다. 통화정책의 물가 반응도()는 물가안정목표제를 시행하였던 샘플기간의 특성 을 고려하여 1보다 크고 2.5보다 작도록 설정하였다. 성장 및 가계신용비율 계수에는 [0, 1] 의 상⋅하한 값을 가정하였는데, 이는 물가안정목표제의 특성상 이들 변수에 대한 통화정책 의 반응도가 물가보다는 작아야 함을 반영한 결과이다. 이와 같은 실험을 각 모수 사후분포 평균값에서 시산하여 Table 5에 결과를 제시하였다. 시산 결과, 조건부 실험에서 2차 손실함수를 극소화하는 최적 금리준칙 계수들은 다음과 Table 4. Variance of Each Variable and Quadratic Loss Function Values: Conditional Experiment 분산 2차 손실함수(, ) 물가 성장 가계신용비율 (  ,  )(  ,  ) 실제 0.08 1.34 4.59 1.39 2.06 (    )[0.09, 0.09] [1.33, 1.35] [4.27, 5.04] [1.34, 1.44] [2.01, 2.11] 반사실적 0.08 2.00 14.11 3.02 4.02 (    )[0.07, 0.08] [1.56, 2.81] [6.40, 32.20] [1.76, 5.84] [2.56, 7.21] Note : Mean and [5%, 95%] estimates are reported. Table 5. Optimal Interest Rate Rule Coefficients in Conditional Experiments 모수 추정치 (평균값) [하한, 상한] 2차 손실함수 (  ,  ) 2차 손실함수 (  ,  )   0.92 [0, 1] 0.79 0.72   1.38 [1, 2.5] 1.00 1.00   0.89 [0, 1] 1.00 1.00   0.18 [0, 1] 0.29 0.39 Note : Values evaluated at the mean of posterior parameter estimates are reported. VOL. 46 NO. 1 거시경제와 금융안정을 종합 고려한 최적 통화정책체계 연구 113 같은 특성을 가지는 것을 확인하였다. 먼저 금리준칙의 AR(1) 계수는 추정치보다 작은 0.72~0.79로 분석되어 최적 금리준칙은 실제 통화정책보다 정책금리의 자기상관성이 낮 은, 즉 한국은행이 금융⋅경제 여건 변화에 대응하여 기준금리를 보다 적극적으로 조정하는 정책이 바람직하다는 것을 시사한다. 한편, 물가와 성장 계수의 최적값은 각 계수의 하한 및 상한에서 나타났으며, 이는 최적 금리준칙이 물가에의 반응도가 실제보다 낮고 성장에의 반응도는 실제보다 높아야 한다는 것을 의미한다. 이러한 결과는 2000년 이후 물가는 이전 시기에 비해 상대적으로 낮았으며, GDP 증가율이 지속적으로 하락했던 최근의 거시경제 환경과 밀접한 관련을 가지는 것으로 보인다. 마지막으로 최적 금리준칙상의   는 0.29~ 0.39로 실제 추정치보다 높게 시산되어, 금융안정을 고려한 통화정책은 과거 실제 정책운영 패턴보다 더욱 적극적으로 가계신용비율 변화에 반응해야 함을 나타낸다.13 이와 같은 최적 금리준칙 도출 시 가계신용비율의 시차에 관한 이슈가 있을 수 있다. 성 장(GDP)과 물가(CPI)의 경우 해당 분기 다음 월에 실제 통계가 공개되는 반면, 가계신용에 활용되는 자금순환 통계의 경우 약 3개월(1분기)의 시차를 두고 늦게 발표되는 특성을 가진 다. 예를 들면 4월 초에 전년도 4/4분기 자금순환 통계가 발표가 이루어지는 것이다. 이에 따라 성장갭과 물가갭 도출에 비해 가계신용비율갭 도출 시에는 약 1분기 정도의 시차가 존 재하게 된다. 여기에 더해 성장과 물가의 경우에는 실제 발표 통계 이전에 전망치를 활용할 수 있다는 중요한 차이도 존재한다. 이와 같은 이유로 Table 5에 나타난 실험 시산 시 성장 갭 및 물가갭, 가계신용비율갭에 다양한 시차를 고려하는 것이 의미 있을 것이다. 이러한 특성을 반영하여 최적 금리준칙을 도출하는 실험을 Table 6에 제시된 바와 같이 해당 변수 들의 다양한 시차를 고려하여 시산하였다. Case 1의 경우 성장갭, 물가갭, 가계신용비율갭 모두 현재 시차를, Case 2~4는 가계신용비율갭 발표 시점을 고려하여 과거 1분기 시차를 적용하였으며, Case 3과 Case 4에서는 물가갭과 성장갭에 각각 미래 시차를 적용하여 실 험을 진행하였다. 실험 결과는 Table 7에 제시되어 있는데, 2차 손실함수에서 성장에의 반응도와 관계없 이 일관된 결과가 도출되었다. 가장 작은 손실함수를 나타내는 금리준칙은 본고에서 벤치 Table 6. Alternative Time Lags in Obtaining Optimal Interest Rate Rule, Lag in Inflation and Household Credit-to-GDP Ratio 금리준칙 반응변수 Case 성장갭 물가갭 가계신용비율갭 Case 1          Case 2          Case 3              Case 4                  13통화정책이 금융안정을 달성하는 과정을 명확히 보이기 위해서는 추정된 DSGE 모형과 최적 통화준칙 계수를 사용한 각각의 모형에 대해서 통화정책 충격의 충격반응함수를 살펴보는 것이 필요할 것이다. 해당 충격반응함수는 부록 4에 제시되 어 있다. 114 KDI Journal of Economic Policy FEBRUARY 2024 Table 7. Optimal Monetary Policy Rule Coefficients in Conditional Experiments Considering Alternative Lags 2차 손실함수 (  ,  )2차 손실함수 (  ,  ) Case 1 Case 2 Case 3 Case 4 Case 1 Case 2 Case 3 Case 4   0.79 0.84 0.84 0.75 0.72 0.80 0.79 0.52   1.00 1.00 1.00 1.00 1.00 1.00 1.00 1.00   1.00 1.00 1.00 1.00 1.00 1.00 1.00 1.00   0.39 0.45 0.43 0.36 0.29 0.34 0.32 0.23 Quad. loss 0.89 0.91 0.90 1.19 1.26 1.30 1.28 1.85 Note : Values evaluated at the mean of posterior parameter estimates are reported. 마크로 상정한 바 있는, 통화정책이 모두 현재 기의 변수에 대응하는 준칙(Case 1)으로 분 석되었다. 한편, 가계신용비율 통계 산출 시점을 고려하여 동 변수에 과거 1분기 시차를 적 용한 실험에서는 Case 3 > Case 2 > Case 4 順으로 손실함수가 작은 것으로 나타났다. 여기서 Case 3과 2의 경우에는 손실함수 값의 차이가 그리 크지 않았으나, Case 4의 경우 에는 손실함수 값이 상대적으로 높은 수치를 기록하였다. 이 같은 실험 결과를 고려할 때 실제 통화정책 운영에 참고하기 위한 금리준칙 산출 시 가계신용비율갭을 과거 1분기 시차 통계로 활용할 경우에는 성장갭과 물가갭은 현재의 정보를 이용(Case 2)하거나, 물가갭의 경우 1분기 후 전망치를 활용(Case 3)하는 것도 대안이 될 수 있을 것으로 판단된다. 7. 중앙은행의 손실함수 분석: 무조건부 분석 앞 절의 조건부 분석이 과거 한국 데이터를 가장 잘 설명하는 특수한 충격의 시퀀스에 근거하는 것이었다면, 비슷한 분석을 보다 일반적인 상황에 적용할 수 있다. 즉, 충격 시퀀 스를 무작위(random)로 시산하여 동일한 실험을 하는 것이다. 이를 통해 일반적인 경우 통 화정책이 가계신용비율에 반응해야 하는가에 대한 해답을 찾을 수 있을 것이다. 이러한 무조건부(unconditional) 2차 손실함수 분석을 위해 Kiley and Roberts(2017) 의 시뮬레이션 방법을 원용하였는데, 그 구체적인 절차는 다음과 같다. [1] 먼저 추정된 모형 모수 사후분포의 평균값을 바탕으로 모형의 충격을 200기(50년) 동안 시뮬레이션하여 실제 및 반사실적 시나리오하에서 각 변수의 경로를 구한다. [2] 이렇게 생성된 경로 가운데 결과가 시뮬레이션 초기 값에 의해 영향받지 않도록 처음 100기 동안은 번인 기간(burn-in period)으로 설정하여 이 기간 동안 생성된 경로 는 무시한다. [3] 나머지 100기 동안의 경로를 바탕으로 각 변수의 분산을 구한다. [4] 이를 통해 식 (9)의 손실함수 값을 계산한다. [5] [1]~[4]의 과정을 10,000번 반복해서 얻은 손실함수의 평균값 및 [5%, 95%] 추정치 를 구한다. VOL. 46 NO. 1 거시경제와 금융안정을 종합 고려한 최적 통화정책체계 연구 121 (A10)                  , (A11)                 , 따라서 개별기업의 수요곡선은 다음과 같이 주어진다. (A12)               , 소매기업의 극대화 문제는 식 (A12)에 주어진 우하향하는 수요곡선이 제약조건으로 주어 진 상황에서 할인된 기대수익(expected discounted profit)을 극대화하는 것으로 표현된 다. 이러한 문제의 최적 가격   는 다음과 같은 방정식을 풀어서 구할 수 있다. (A13)   ∞        ′    ′                  ∞        ′    ′          여기에서   는          로 정의된 마크업(markup)이며,  는 정상상태의 마크업이 되어  이 된다.    는 기대수요(expected demand)를 나타내며                로 정의된다. 위 식 (A13)의 좌변은 할인된 한계 기대수익이며 우 변은 할인된 한계 기대비용이 되어, 양변이 같아질 때 할인된 기대수익이 극대화된다는 것 을 의미한다. 이러한 문제의 해를 구하면 총가격(aggregate price)은 다음과 같은 형태로 나타난다. (A14)                  마지막으로 식 (A13)과 (A14)를 연립하면 해당 모형에 대한 필립스 곡선(Phillips curve) 이 다음과 같이 도출된다. (A15)              다. 통화당국 로그-선형화한 통화정책은 본문의 식 (3)~(8) 가운데 하나를 따른다고 가정한다. 라. 시장청산 모형에는 네 개의 시장이 존재하는데, 노동시장, 부동산시장, 재화시장 및 신용시장이 바 로 그것들이다. 각 시장의 청산조건은 다음과 같이 주어진다. 122 KDI Journal of Economic Policy FEBRUARY 2024 (A16) 노동시장      ′   ′′ (A17) 부동산시장    ′  ′′ (A18) 재화시장     ′  ′′   (A19) 신용시장  ′  ″ 3. 데이터 본고의 VAR 및 DSGE 모형은 2000년 1/4분기부터 2021년 4/4분기까지의 한국 자료를 사용하여 분석하였다. 추정에 사용된 데이터의 구체적인 설명은 다음과 같다.    log실질  인구수 소비  log실질소비인구수 명목정책금리  한국은행기준금리 물가  소비자물가지수 실질주택가격  실질주택가격지수 가계신용비율  가계신용  실질 주택가격지수는 명목 주택가격지수를 CPI로 나눠서 구한다. 각 데이터의 출처는 다 음과 같다. ⦁실질 GDP: 국내총생산 (시장가격, GDP) (한국은행 경제통계시스템) ⦁실질소비: 가계 최종소비지출 (한국은행 경제통계시스템) ⦁명목 정책금리: 한국은행 기준금리, 연% (한국은행 경제통계시스템) ⦁물가: 소비자물가지수 (2010$=$10)(전국), 총지수 (한국은행 경제통계시스템) ⦁명목 주택가격지수: 주택종합 매매가격지수 (KB) ⦁가계신용: Total credit to households (BIS) 마지막으로 VAR 모형 추정 시 외생변수로 사용된 변수들은 다음과 같이 구축하였다. ⦁US GDP = log(US real per capita GDP) ⦁US 10-year interest rate = Market yield on U.S. treasury securities at 10-year constant maturity ⦁Oil Price = log(Global price of Dubai Crude) ⦁Real effective exchange rate = log(Real broad effective exchange rate for Korea) VOL. 46 NO. 1 거시경제와 금융안정을 종합 고려한 최적 통화정책체계 연구 123 4. 통화준칙별 통화정책 충격의 충격반응함수 Figure A1에는 추정된 DSGE 모형 중 데이터 적합도가 가장 높은 모형(금리준칙 식 (8) 을 포함한 모형)에서의 통화정책 충격에 대한 충격반응함수가 보고되어 있다. 해당 충격반 응함수는 추정된 모수의 사후분포 평균값 추정치에서 시산된 것이다. 긴축적 통화정책 충격 은 GDP, 소비 및 투자를 단기적으로 감소시키는 동시에 인플레이션도 떨어뜨려 음(-)의 수 요충격으로서 기능하는 것으로 나타났다. 이러한 반응은 통상적인 경제학 이론과 부합한다. 해당 충격이 주택시장에 미치는 영향 또한 긴축적이어서 단기적으로 실질주택가격, GDP 대비 가계부채 비율 및 가계부채 수준을 감소시키는 것으로 도출되었다. 한편, 통화정책이 가계부채비율에 반응하는 것의 거시경제적 함의를 도출하기 위해 Figure A2는 Figure A1에 나타난 실제 충격반응함수와 해당 모형의 모수 가운데 통화정책 이 가계부채비율에 반응하는 부분을 0으로 상정한(    ) 상황에서의 충격반응함수를 비교 하고 있다. 통화정책이 가계부채비율에 반응하지 않을 때에는 실제 모형보다 통화정책 충격 에 대한 GDP 및 인플레이션의 단기 반응이 커지게 된다. 또한 가계부채비율이나 가계부채 수준 자체의 변동도 커지는 결과가 도출된다. 이러한 결과는 본고의 모형에서 통화정책이 가계부채비율에 반응하는 것이 거시변수 및 가계부채 변수 변동을 줄임으로써 후생상의 개 선을 가져올 수 있음을 방증한다. 마지막으로 Figure A3와 Figure A4는 본문의 Table 5에 제시된 최적 금리준칙 계수하 에서 시산된 충격반응함수를 Figure A1의 실제 충격반응함수와 비교한다. 두 그림에서 나 타나듯이 전반적으로 최적 금리준칙 계수하에서의 통화정책 충격에 대한 반응이 실제 추정 치에서의 그것보다 변동성이 작다. 이러한 경향성은 GDP, 인플레이션 및 가계부채 관련 변 수들 모두에서 관측된다. 2차 손실함수 분석을 통한 최적 통화준칙 도출은 결국 이러한 변 수들의 변동성을 줄임으로써 얻을 수 있으므로, Figure A3와 Figure A4의 결과는 이러한 직관과 부합한다고 할 수 있다. 124 KDI Journal of Economic Policy FEBRUARY 2024 (Unit: %) Figure A1. Impulse Response Functions to Monetary Policy Shocks in DSGE Models Note : 1) The impulse response functions in each graph are simulated using the mean estimates of the posterior distribution of the parameters; 2) In each graph, the x-axis represents the period in quarters after the shocks. (Unit: %) Figure A2. Impulse Response Functions to Monetary Policy Shocks in DSGE Models, Actual vs. Counterfactual Note : 1) In each graph, the solid line represents the impulse response function based on the actual parameter estimates, while the dashed line represents the counterfactual impulse response function assuming monetary policy does not respond to the household debt-to-GDP ratio; 2) In each graph, the x-axis represents the period in quarters after the shocks. VOL. 46 NO. 1 거시경제와 금융안정을 종합 고려한 최적 통화정책체계 연구 125 (Unit: %) Figure A3. Impulse Response Functions to Monetary Policy Shocks in DSGE Models, Actual vs. Optimal 1 Note : 1) In each graph, the solid line represents the impulse response function based on the actual parameter estimates, while the dashed line represents the impulse response function assuming optimal interest rate rule coefficient 1; 2) In each graph, the x-axis represents the period in quarters after the shocks. (Unit: %) Figure A4. Impulse Response Functions to Monetary Policy Shocks in DSGE Models, Actual vs. Optimal 2 Note : 1) In each graph, the solid line represents the impulse response function based on the actual parameter estimates, while the dashed line represents the impulse response function assuming optimal interest rate rule coefficient 2; 2) In each graph, the x-axis represents the period in quarters after the shocks. 126 KDI Journal of Economic Policy FEBRUARY 2024 참고문헌 권도근 ㆍ 김대운 ㆍ 이시은 ㆍ 안주현 . 2023. ｢ 가계신용 누증 리스크 분석 및 정책적 시사점 ｣, BOK 이슈 노트 , 제 2023-14 호 , 한국은행 . 김인준 ㆍ 김성현 ㆍ 김소영 ㆍ 김진일 ㆍ 신관호 . 2017. ｢ 한국은행의 역할과 정책수단 : 금융안정정책을 중 심으로 ｣, 󰡔 한국경제의 분석 󰡕, 23(1): 185-287. 송인호 . 2014. ｢ 주택가격채널 : 거시경제에 미치는 영향을 중심으로 ｣, 󰡔 한국개발연구 󰡕, 36(4): 171-205. 오형석 . 2014. ｢ 칼만필터를 이용한 우리나라의 중립금리 추정 ｣, 󰡔 금융연구 󰡕, 28(1): 1-26. 한국은행 . 2018. ｢2018 년도 제 22 차 금융통화위원회 ( 정기 ) 의사록 ｣. 허준영 . 2022. ｢ 통화정책 운영체제별 정책효과 비교 , 분석 ｣, 󰡔 보험금융연구 󰡕, 107: 111-168. An, Sungbae and Frank Schorfheide. 2007. “Bayesian Analysis of DSGE Models,” Econometric Reviews, 26(2-4): 113-172. Benigno, Pierpaolo and Michael Woodford. 2012. “Linear-quadratic Approximation of Optimal Policy Problems,” Journal of Economic Theory, 147(1): 1-42. Bernanke, Ben S., Michael T. Kiley, and John M. Roberts. 2019. “Monetary Policy Strategies for a Low-rate Environment,” American Economic Association Papers and Proceedings, 109: 421-426. Borio, Claudio and Haibin Zhu. 2012. “Capital regulation, risk-taking and monetary policy: A missing link in the transmission mechanism?” Journal of Financial Stability, 8(4): 236-251. Cecchetti, Stephen G., Madhusudan S. Mohanty, and Fabrizio Zampolli. 2011. “The Real Effects of Debt”, BIS Working Papers, No. 352. Christiano, Lawrence J., Martin Eichenbaum, and Charles L. Evans. 2005. “Nominal Rigidities and the Dynamic Effects of a Shock to Monetary Policy,” Journal of Political Economy, 113(1): 1-45. Clarida, Richard, Jordi Gali, and Mark Gertler. 1998. “Monetary Policy Rules in Practice: Some International Evidence,” European Economic Review, 42(6): 1033-1067. Gali, Jordi and Tommaso Monacelli. 2005. “Monetary Policy and Exchange Rate Volatility in a Small Open Economy,” Review of Economic Studies, 72(3): 707-734. Geweke, John. 1999. “Using Simulation Methods for Bayesian Econometric Models: Inference, Development, and Communication,” Econometric Reviews, 18(1): 1-73. Han, Jong-Suk and Joonyoung Hur. 2020. “Macroeconomic Effects of Monetary Policy in Korea: A Time-varying Coefficient VAR Approach,” Economic Modelling, 89: 142-152. Iacoviello, Matteo. 2005. “House Prices, Borrowing Constraints, and Monetary Policy in the Business Cycle,” American Economic Review, 95(3): 739-764. International Monetary Fund. 2010. Central Banking Lessons from the Crisis. VOL. 46 NO. 1 거시경제와 금융안정을 종합 고려한 최적 통화정책체계 연구 127 Jordà, Òscar, Moritz Schularick, and Alan M. Taylor. 2015. “Leveraged Bubbles,” Journal of Monetary Economics, 76(S): S1-S20. Kiley, Michael T. and John M. Roberts. 2017. “Monetary Policy in a Low Interest Rate World,” Brookings Papers on Economic Activity, 1: 317-396. Lombardi, Marco, Madhusudan S. Mohanty, and Ilhyock Shim. 2017. “The Real Effects of Household Debt in the Short and Long Run”, BIS Working Papers, No. 607. Mountford, Andrew and Harald Uhlig. 2009. “What are the Effects of Fiscal Policy Shocks?” Journal of Applied Econometrics, 24(6): 960-992. Park, Donghyun, Kwanho Shin, and Shu Tian. 2022. “Household Debt, Corporate Debt, and the Real Economy: Some Empirical Evidence,” Emerging Markets Finance and Trade, 58(5): 1474-1490. Park, Donghyun, Kwanho Shin, and Shu Tian. 2023. “Debts and Depth of Recessions,” International Review of Economics and Finance, 87: 468-485. Sims, Christopher A. 1980. “Macroeconomics and Reality,” Econometrica, 48(1): 1-48. Shin, Hyun Song and Kwanho Shin. 2023. “Macro-financial Stability Policy in a Globalised World: Lessons from Macro-Financial Policy in Korea,” Chapter 11, Bank for International Settlements: 436-469. Uhlig, Harald. 2005. “What are the Effects of Monetary Policy on Output? Results from an Agnostic Identification Procedure,” Journal of Monetary Economics, 52(2): 381-419. 128 KDI Journal of Economic Policy FEBRUARY 2024 Optimal Monetary Policy System for Both Macroeconomics and Financial Stability † By Joonyoung Hur and Hyoung Seok Oh * The Bank of Korea, through a legal amendment in 2011 following the financial crisis, was entrusted with the additional responsibility of financial stability beyond its existing mandate of price stability. Since then, concerns have been raised about the prolonged increase in household debt compared to income conditions, which could constrain consumption and growth and increase the possibility of a crisis in the event of negative economic shocks. The current accumulation of financial imbalances suggests a critical period for the government and central bank to be more vigilant, ensuring it does not impede the stable flow of our financial and economic systems. This study examines the applicability of the Integrated Inflation Targeting (IIT) framework proposed by the Bank for International Settlements (BIS) for macro-financial stability in p romoting long-term economic stability. Using VAR models, the study reveals a clear increase in risk appetite following interest rate cuts after the financial crisis, leading to a rise in household debt. Additionally, analyzing the central bank's conduct of monetary policy from 2000 to 2021 through DSGE models indicates that the Bank of Korea has operated with a form of IIT, Key Word: Macroeconomy⋅Financial stability, Monetary policy system, Interest rate rules, Household debt JEL Code: E52, E58, E44 * Hur: Associate Professor, Department of Economics, Sogang University (E-mail: joonyhur@gmail. com); Oh: Macroeconomic Modeling Team Leader, Economic Modeling Division, Research Department, The Bank of Korea (E-mail: [email protected]r) * Received: 2023. 11. 4 * Referee Process Started: 2023. 11. 29 * Referee Reports Completed: 2024. 1. 7 † This study was conducted as part of the research project funded by the Bank of Korea. However, the findings of this study are the personal research content of the authors and are not associated wit h the official views of the Bank of Korea. We express our gratitude to the two referees who provided valuable advice, as well as Professor Cheolbeom Park (Department of Economics, Korea University) and Professor Sangmin Aum (Department of Economics, Kyung Hee University), along with participants in the Macroeconomic Modeling Division seminar at the Bank of Korea. We also thank Sieun Lee at the Bank of Korea for excellent research assistance. VOL. 46 NO. 1 거시경제와 금융안정을 종합 고려한 최적 통화정책체계 연구 129 considering both inflation and growth in its policy decisions, with some responsiveness to the increase in household debt. However, the estimation of a high interest rate smoothing coefficient suggests a cautious approach to interest rate adjustments. Furthermore, estimating the optimal interest rate rule to minimize the central bank's loss function reveals that a policy considering inflation, growth, and being mindful of household credit conditions is superior. It suggests that the policy of actively adjusting the benchmark interest rate in response to changes in economic conditions and being attentive to household credit situations when household debt is increasing rapidly compared to income conditions has been analyzed as a desirable policy approach. Based on these findings, we conclude that the integrated inflation targeting framework proposed by the BIS could be considered as an alternative policy system that supports the stable growth of the economy in the medium to long term.