국문요약

차 례

제1장 서론

1. 연구의 배경과 목적

2. 연구의 내용과 구성

제2장 국제거시경제 전망모형 선행연구

1. 도입

2. 선행연구

3. 모형 경제

4. 모수 추정 및 모형 평가

5. 소결

제3장 빅데이터ㆍ머신러닝 거시경제지표 예측

1. 도입

2. 선행연구 및 전망모형

3. 국내외 거시경제지표 예측

4. 전망모형 간 비교ㆍ평가

5. 시사점 및 소결

제4장 비정형 데이터를 이용한 거시경제 전망모형

1. 도입

2. 전망모형

3. 모형 추정 및 전망 예측

4. 시사점 및 소결

제5장 결론 및 시사점

1. 연구결과 요약

2. 시사점

참고문헌

부록

Executive Summary

최근 글로벌 인플레이션, 코로나19 팬데믹 등으로 인한 경제 불확실성이 높아지면서 거시경제 전망의 정확성과 속보성에 대한 중요도가 높아지고 있다. 경제 불확실성하에 전망모형의 예측력을 높이기 위해서 잠정적으로 중요한 모든 정보를 활용할 필요가 있다. 이러한 인식과 빅데이터(Big Data)의 등장으로 다양한 데이터를 활용한 경제 전망 연구가 활발히 수행되고 있다. 특히 온라인 검색, 뉴스 및 신문기사 등의 텍스트 데이터는 경제주체들의 심리를 추출하거나 경제 및 금융 상황 모니터링에 활발하게 활용되고 있다. 더불어 빅데이터를 효율적으로 처리하고 분석할 방법론으로 머신러닝이 주목받으면서 거시경제 전망모형으로서 역할이 대두되고 있다. 빅데이터가 전망에 유용하게 활용될 가능성이 높고 새로운 방법론이 개발되면서 빅데이터 기반의 전망과 전통적 거시전망을 종합적으로 분석할 필요가 있다. 이에 본 연구는 빅데이터를 활용하여 경기상황을 대표하는 경제성장률을 단기 전망하고, 전통적 통계모형 및 구조적 거시모형의 전망과 비교하여 예측력이 향상되는지 분석한다. 빅데이터 기반의 전망모형과 구조적 거시모형은 서로 대조되는 특성이 있으므로 각 모형의 결과를 종합적으로 분석하고 향후 경제 전망 연구 방향에 대해 논의한다.

본 연구는 크게 네 부분으로 구성되어 있다. 제2장에서는 빅데이터 기반의 전망에 앞서 벤치마크로 활용할 이론모형인 소규모 개방경제 동태확률일반균형(SOE-DSGE) 모형을 통해 한국의 GDP 성장률을 전망한다. 모형을 베이지안 추정하여 총요소생산성, 정부지출, 통화정책, 해외수요와 해외 통화정책 충격 반응을 분석한 결과, 전반적으로 모형 내 변수들의 외부 충격에 대한 질적인 방향이 현실과 잘 맞는 것으로 나타났다. SOE-DSGE 모형은 방정식 내 구조충격을 명시적으로 고려함으로써 전망뿐만 아니라 경제정책 효과를 분석할 수 있다는 장점이 있다. 다만 모형상의 제약으로 가용할 수 있는 데이터를 모두 활용하지 못한다는 단점이 있다. 

제3장에서는 대량의 거시ㆍ금융 지표를 기반으로 머신러닝과 전통적 계량경제 전망모형을 추정하여 미국과 한국의 GDP 성장률 전망치를 구하였다. 머신러닝 기법은 선행연구에서 예측 성과가 좋았던 랜덤포레스트, 엑스지부스트, LSTM과 혼합형 방법론을 사용한다. 전통적 계량경제 전망모형으로는 대량의 예측변수를 활용할 수 있는 동적요인모형(DFM)과 Diffusion Index 모형을 사용하며, 벤치마크로 자기회귀모형(AR)을 함께 살펴본다. 전망 결과 빅데이터를 활용함으로써 GDP 성장률에 대한 예측력이 향상되었으며, 이는 전통적 계량경제 모형보다 머신러닝을 통해 성과를 나타냈다. 미국의 경우 GDP 성장률을 전망하는 머신러닝의 예측력이 계량경제 모형보다 뛰어나며, 1분기 후 RMSE로 측정한 전망 오차가 AR에 비해 최대 34% 줄어드는 것으로 나타났다. 머신러닝의 예측력 향상이 대부분 통계적으로 유의미하지 않지만, 금융위기 기간을 제외한 시기의 1분기 후 전망은 유의미하게 예측력이 뛰어난 것으로 나타났다. 한국은 미국에 비해 머신러닝의 GDP 예측 성과가 뚜렷하지 않지만 2000년대 이후 예측력이 개선되는 모습을 나타낸다. 또한 미국과 달리 머신러닝과 DFM의 예측 성과가 비슷하며, 금융위기 시기의 예측력이 좋은 것으로 나타났다. 따라서 빅데이터를 활용한 머신러닝의 예측력은 국가, 전망시계, 시기, 표본 수에 따라 달라질 수 있음을 유의해야 한다.

제4장에서는 네이버 검색 데이터를 비정형 데이터로 정의하고, 동적모형 평균화 및 선택(DMA 및 DMS)을 이용하여 한국의 GDP 성장률을 전망한다. GDP 성장률 예측변수로 통상적으로 사용되었던 거시ㆍ금융 지표 8개를 기준으로 각 변수와 관련된 네이버 검색어의 검색량을 표준화하여 검색지수를 구축하였다. 온라인 검색 데이터가 특정 시점의 경제성장률 예측에 가장 기여도가 높은 변수를 선정하는 데 유용하다는 아이디어를 기반으로, 동적모형의 선택 확률로 네이버 검색지수를 사용한다. 전망 결과 검색지수를 이용한 DMA 및 DMS가 AR에 비해 예측력이 통계적으로 유의미하게 높으며, 같은 예측변수를 사용한 OLS보다 예측력이 개선되었다. 또한 일반적으로 전망모형들이 평균 회귀적인 모습을 보이는 데 비해 DMA와 DMS는 GDP 성장률의 변곡점들을 잘 예측하는 것으로 나타나 경기변동 시점을 예측하는 데 유용할 것으로 보인다. 

제5장에서는 앞에서 구한 한국 전망 결과를 통합하여 비교하고 시사점 및 향후 전망 연구 방향을 제시한다. 첫째, 경제성장률 전망에 빅데이터를 활용함으로써 예측력이 향상되었는데, 이는 더 많은 데이터를 사용하면 잠재적으로 중요한 정보를 추가로 활용할 수 있다는 예상과 부합한다. 둘째, 다양한 소스의 데이터를 발굴하여 거시경제 데이터베이스를 구축할 필요가 있다. 네이버 검색지수를 이용해 구한 전망치는 경제성장률의 급락 및 반등 움직임을 잘 예측하는 반면, 정형 데이터만 사용한 전망치는 급변하는 움직임을 후행 전망하는 것으로 나타났다. 온라인 검색 데이터는 소비자들의 경제심리를 실시간으로 반영하기 때문에 기존의 정형 데이터가 포착하지 못한 정보를 제공하여 급변하는 경기상황을 전망하는 데 유용하게 활용할 수 있다. 마지막으로 데이터베이스 구축과 더불어 경제 전망에 활용할 수 있는 새로운 분석 기법을 개발하고 연구할 필요가 있다. 대량의 예측변수를 사용할 수 있는 통계 방법론이 존재하고 널리 사용되고 있지만, 본 연구에서는 같은 데이터를 사용한 머신러닝의 예측력이 상대적으로 뛰어났다. 머신러닝으로 도출한 경제 전망이 기존의 전망모형 및 경제 전망 전문가의 정성적 판단을 완전히 대체하기는 어렵지만, 최종 전망 또는 경기 상황을 참고할 수 있는 보조지표를 구축하는 데 활용될 수도 있다.

국문요약

제1장 서론

1. 연구의 배경과 목적

2. 연구의 내용과 구성

제2장 글로벌 기업과 경기변동

1. 도입

2. 분석자료 및 기초통계량

3. 글로벌 상위기업의 중요성

4. 상위기업 순위 동학

5. 글로벌 상위기업의 경기민감성 분석

6. 요약 및 함의

제3장 한국 기업과 경기변동

1. 도입

2. 한국 기업의 재무성과: 상장기업을 중심으로

3. 중소규모 사업체 인허가율 및 폐업률: 지방행정 인허가 데이터를 중심으로

4. 요약 및 함의

제4장 주요국의 코로나19 지원정책과 한국 기업 분포 분석

1. 도입

2. 주요국의 코로나19 기업 지원정책

3. 정책 효과와 기업 분포 관련 기존 연구

4. 한국의 산업별 기업 크기 분포 분석

5. 요약 및 함의

제5장 결론

1. 연구결과 요약

2. 정책적 시사점

참고문헌

부 록

Executive Summary

경제위기의 충격은 경기변동 차원에서 기업의 시장 진입, 성장, 쇠퇴, 그리고 퇴출 경로에 부정적인 영향을 미치는 것으로 알려져 있다. 또한 산업 내뿐만 아니라 산업간 충격의 크기가 이질적이고, 기업 규모에 따라서도 반응을 달리한다. 거기에 더해 새로운 산업이 생성되기도 하고, 기존 산업이 쇠퇴하거나 소멸하는 등 경제 전체에 큰 변화를 가져온다. 본 연구는 글로벌 금융위기와 코로나19 위기 등 주요 경제위기에 따른 기업 및 산업에 대한 영향을 살펴본다. 글로벌 상위기업, 국내 대기업, 국내 중소규모 사업체 등에 대해 다양한 층위에서 분석을 시행한 후 정책적 시사점을 도출하고자 하였다.

본 연구는 크게 네 부분으로 구성되어 있다. 먼저 제2장에서는 ‘Global Compustat: Fundamental Annual’ 자료를 이용하여 규모가 큰 글로벌 기업의 활동과 특성의 변화를 분석하였다. 구체적으로 기업의 집중도와 이윤율의 변화를 아시아, 북미, 유럽 3개의 권역으로 나누어서 기초통계량을 제시한 후 상위기업의 경제 비중이 위기별로, 혹은 시간의 흐름에 따라 어떻게 변화하였는지 살펴보았다. 이를 또한 산업별로도 분석하여 이질성을 찾아내었다. 이후 상위기업의 경제 비중 변화가 미치는 영향을 이해하기 위해 상위기업의 특성이 지난 20년간 어떻게 변해왔는지를 조사하였다. 기업의 특징으로 비용 대비 매출액, 매출액 대비 투자, 매출액 대비 연구개발비를 차례로 살펴보았다. 비용 대비 매출액은 영업이익률, 마크업과 밀접한 관련이 있으며 매출액 대비 투자와 연구개발비는 경제발전에 큰 영향을 미치는데, 북미 기업과 여타 지역 기업 사이의 차이가 두드러졌다. 상위기업의 순위 변화를 살펴보아도, 북미 지역에서는 순위 변동이 활발한 반면 유럽과 동아시아 지역은 그렇지 못했다. 

마지막으로 회귀분석에서는 기업의 특성에 따른 경기민감도 차이를 살펴보았다. 그 결과 매출 규모가 크고 비용 대비 매출액이 높은 기업일수록 경기 변동에 덜 민감한 것으로 나타났다. 즉, 규모가 큰 기업은 규모가 작은 기업보다 GDP 변화에 덜 민감했다. 현지 통화 기준으로 매출 성장률을 사용할 경우, 상위 500대 기업이 이하 기업보다 GDP 증가에 20~30% 덜 민감하게 반응하였다. 또한 비용 대비 매출액(마크업)이 높은 기업(지역 내 상위 500대 기업)과 작은 기업(500대 미만 기업)으로 나누어 분석한 결과, 비용 대비 매출액 비중이 높을수록 경제 충격에 대한 민감도가 낮았다. 즉, 비용 대비 매출액 비율이 높은 기업은 GDP 감소에 따른 매출 감소가 약 20~40% 정도 더 적게 나타났다.

제3장의 2절은 첫째, Kis-Value 데이터를 통해 주식시장 상장 비금융업 기업을 대상으로 2020년 코로나19 위기와 2008년 글로벌 금융위기 당시의 각 산업별 성과지표를 분석하였다. 이를 통해 2020년 감염병 확산에 의한 충격과 2008년 미국발 금융위기의 충격이 우리나라 산업별로 어떻게 다르게 나타났는지 비교하였고, 특히 각 위기 동안 산업별 매출액을 기준으로 부정적 충격의 영향을 정량적으로 조사한 결과 두 번의 위기 동안 서비스업의 충격이 제조업 부문에 대한 충격보다 더 큰 것으로 나타났다. 둘째, 코로나19 위기는 감염병 확산에 대응하기 위한 사회적 거리두기 및 공장 폐쇄 조치 등으로 인해 산업별로 비대칭적인 충격을 초래함을 확인하였다. 9차 한국표준산업분류를 통해 각 산업을 (ⅰ) 대면 산업과 (ⅱ) 비대면 산업으로 나누고, 코로나19 위기 전개 과정에서 나타난 대면 산업과 비대면 산업의 성과지표를 바탕으로 그 차이를 분석하였다. 이를 통해 감염병 확산 및 정부의 대응 조치가 대면 산업 부문에 유의미한 음의 충격을 가했음을 확인할 수 있었다. 

제3장의 3절에서는 보다 작은 기업에 초점을 맞추어 이들의 지역별, 업종별 인허가율과 폐업률에 어떤 특징이 있는지 지방행정 인허가 데이터를 통해 살펴보았다. 업종별, 기간별로 유의미한 패턴의 차이를 보이는 가운데, 특이하게도 코로나19 위기 동안 공통적으로 대부분의 업종에서 인허가율과 폐업률이 하락하는 현상을 확인할 수 있었다. 설립 3년차 이하인 신생기업에 대해서도 마찬가지였으나, 다만 폐업률 수준은 전체 업종 대비 상당히 높은 수준을 유지하였다. 이어 코로나19 확산을 막기 위해 도입된 사회적 거리두기 정책이 전 업종과 식품업의 폐업률에 어떤 영향을 미쳤는지 패널회귀분석을 시행한 결과, 사회적 거리두기 단계 개편 이전인 2021년 7월까지의 분석에 따르면 전체 업종과 음식업 등의 하위 부문에서 거리두기 강화가 유의미하게 폐업률을 높이는 것을 알 수 있었다. 

제4장에서는 코로나19로 피해를 본 기업에 대한 한국 및 주요국의 지원정책을 정리하고, 우리나라 정부의 지원을 받은 산업의 기업 크기 분포를 분석하였다. 지원 수혜 대상인 자동차 부품 제조업, 섬유·의류 산업, 스포츠 및 오락 관련 서비스업과 타 산업의 기업 크기 분포의 꼬리지수로 불균등을 측정하여 코로나19 지원정책 효과를 유추했다. 분석 결과에 따르면 코로나19 시기에 자동차 부품 제조업은 기업 크기 분포의 불균등 정도가 약간 감소했지만, 섬유·의류 산업에서는 불균등이 심화되었다. 같은 시기에 전체 제조업 분포의 불균등이 급격히 악화된 점과 대비되어 자동차 부품, 섬유·의류 기업에 대한 지원정책 효과를 유추해 볼 수 있었다. 특히 자동차 부품 제조업은 매출액 분포의 불균등이 해소된 점에서 섬유·의류 산업에 비해 지원 효과가 컸음을 짐작하게 한다. 대면 업종인 스포츠 및 오락 관련 서비스업은 코로나19 시기에 기업 크기 분포의 불균등이 급격하게 변하는 양상을 보였다. 정부의 지원에도 불구하고 사회적 거리두기로 인해 산업 내 모든 기업에 타격이 컸음을 알 수 있다. 지원이 없었던 전자부품·컴퓨터 제조업은 전반적으로 꼬리지수가 하락 또는 상승하는 추세가 없는 점이 특징이며, 코로나19 시기에 변화가 거의 없는 것은 비대면 수요 증가와 관련 있을 것이다. 

마지막으로 제5장에서는 이상의 연구결과를 바탕으로 정책적 시사점을 제시하였다. 첫째, 글로벌 경기변동을 방어하고 국제경쟁력을 강화하기 위해서는 최상위기업을 육성하고 지원하는 것이 필요하다. 특히 국내적으로 경쟁정책을 관장하는 기관과 기업의 경쟁력 향상을 돕는 기관이 상이하고 정책의 초점이 다르므로 정책입안자의 종합적인 관심과 시각이 필요하다. 둘째, 국내 시장에서 경쟁정책 관련 새로운 이슈 대응이 절실하다. 신흥 빅테크, 플랫폼 기업의 행태는 과거 독과점 기업과 달라 소비자 후생을 해치지 않으나, 인근 및 다른 시장 참여자에게 부담을 안긴다. 따라서 독과점 가격 책정에 대한 초점에서 벗어난 시각이 경쟁정책에도 긴요하다. 셋째, 글로벌 기업 성장 지원책 및 산업 판도 변화에 대한 대응책이 마련되어야 한다. 기업 수준에서의 투자와 연구개발 확대가 기업 성장에 필수적이며, 특히 최근 대두되는 무형자산에 대한 투자를 원활화하기 위한 대책이 필요하다. 더불어 위기에 수반되는 산업간 판도 변화에 대응하기 위한 경제적 자원의 이동 활성화도 중요하다. 넷째, 창업과 폐업의 원활화 및 동학 활성화 정책이 요구된다. 새로운 기업의 시장 진입 저하와 퇴출률 하락은 경제의 고령화를 야기하고 생산성을 저하한다. 따라서 기업 생태계의 활성화 제고와 진입한 기업의 규모 확대는 경제의 동학을 높이기 위해 꼭 필요하다. 다섯째, 위기 시 정부 역할의 적정 조합을 찾아내어야 한다. 특히 중소기업과 관련하여 경기안정화 정책을 위한 세밀한 현황 파악이 중요함과 동시에, 지원책의 적정 규모와 지원 기간, 거둬들이는 시점에 대한 명확한 판단이 절실하다.

국문요약

제1장 서론

1. 연구 배경 및 목적

2. 연구 의의 및 차별성

3. 연구 범위 및 구성

제2장 금융위기 선행연구: 원인 및 전개 과정을 중심으로

1. 금융위기의 개념, 유형, 사례

2. 금융위기의 원인 및 전개 과정

3. 기존 연구의 특징 및 한계

    

제3장 복잡계를 이용한 금융위기 분석: 미시 자료

1. 복잡계 이론의 주요 내용 및 특징     

2. 미시 자료를 이용한 금융위기 사례 분석    

3. 소결

제4장 복잡계를 이용한 금융위기 분석: 거시 자료

1. 연구 배경 및 선행연구

2. IMF CPIS 데이터를 이용한 분석  

3. BIS LBS 데이터를 이용한 분석  

4. 소결

제5장 머신러닝을 이용한 금융위기 분석

1. 연구 배경 및 선행연구

2. 분석 모형 및 자료     

3. 분석결과     

4. 소결

제6장 과거 금융위기 간의 전이 과정 분석: 시스템 다이내믹스를 이용

1. 연구 배경

2. 시스템 다이내믹스 분석 방법   

3. 사례 그룹 1: 오일쇼크(1970년대) → 중남미 외채위기(1980년대 초중반)    

4. 사례 그룹 2: 미국 통화량 목표제(1979년) → 미국 S&L 파산(1980년대)과 북구 3국·일본 금융위기(1990년대)    

5. 사례 그룹 3: 멕시코·아시아 외환위기(1990년대) → 글로벌 금융위기(2008년) → 신흥국 금융위기(2010년대)

6. 최근 상황 진단   

7. 종합 비교

제7장 결론 및 시사점

1. 결론

2. 시사점

참고문헌

부록

Executive Summary

최근 세계적으로 금융위기의 그림자가 아른거리고 있다. 주식, 채권, 디지털자산, 부동산 등 거의 모든 자산가격이 급락하고, 일부 취약한 신흥국은 외환위기에 빠졌다. 민간에 대한 신용공급도 둔화되고 기업의 부도도 늘어나고 있다. 이번에는 다를 것인가? 아니면 금융위기의 겉모습만 다를 뿐 이번에도 금융위기를 피하기는 어려울 것인가? 이는 세계적으로나 국내적으로 초미의 관심사다. 그래서 본 연구는 과거 사례를 통해 그리고 새로운 방법론을 통해 이에 대한 실마리를 찾고자 한다. 과거 금융위기 전후 네트워크 패턴 변화, 금융위기를 예측하는 요인, 금융위기가 새로운 금융위기로 이어지는 과정을 살펴보고, 이를 바탕으로 최근 상황을 진단하며 향후 잠재적 리스크 요인을 파악하고자 한다.

본 연구는 서론과 제2장(금융위기 선행연구: 원인 및 전개 과정을 중심으로)을 제외하고 크게 다섯 부분으로 구성되어 있다. 먼저 제3장에서는 미시 자료를 이용하여 금융위기 특성과 금융시장 주체들의 네트워크 구조 간의 연관성을 분석하였다. 금융위기 시기에 이질적인 주체 간의 높은 동조화 현상이 네트워크의 특성에 영향을 주어, 네트워크 구조가 통계적으로 유의미하게 변화하는 것으로 나타났다. 기업 및 은행 네트워크의 연결성은 금융시장 위험 및 변동성 지표와 매우 밀접한 관련이 있는 것으로 확인되었다. 이러한 현상은 국내 및 주요국 주식시장, 한국의 소셜 미디어, 글로벌 금융기관의 차관단 대출 자료에서도 일관되게 나타났다. 또한 최근 국내 주식시장, 한국의 소셜 미디어 데이터를 이용한 네트워크 분석에서 최근 시기는 이전 금융위기 시기와 유사하게 이질적인 주체 간 동조화가 강한 것으로 나타났다. 특히 2022년 국내 주식시장을 대상으로 한 개별 기업의 동조화 분포는 1992년 북구 3국 금융위기와 2011년 유럽발 재정위기 시기의 분포와 유사하고, 2008년 글로벌 금융위기 시기의 분포에 근접해가고 있다. 이는 최근 국내에서 금융불안이 고조될 가능성이 있음을 시사한다. 

제4장에서는 국경 간 자본유출입 데이터(거시 데이터)를 이용해 2008년 글로벌 금융위기와 2020년 코로나19 위기를 중심으로 네트워크 분석을 수행하였다. IMF CPIS 데이터를 통해 국경 간 포트폴리오투자 자산의 변동 양상을 살펴본 결과, 2008년 금융위기 시기가 코로나19 위기 시기에 비해 자산 감소폭이 크고 장기간에 걸쳐 진행된 반면, 코로나19 위기 시기에는 자산이 크게 감소하나 6개월 만에 빠르게 회복되었다. 이는 위기의 성격이 다르기 때문인 것으로 파악된다. 2008년 위기는 금융 시스템 내부에서 발생했던 반면, 2020년 위기는 금융 시스템과 무관한 감염병 충격이었다. BIS LBS 데이터를 이용한 은행 유출입(banking flow)의 경우 글로벌 금융위기와 코로나19 시기 모두 전반적으로 자금 공급국은 일본과 독일이었고, 자금 수요국은 미국과 영국으로 나타났으며, 평상시에는 반대 양상을 보였다. 또한 BIS LBS 데이터를 이용한 네트워크 분석 결과 채권국 및 채무국 간의 은행 네트워크 연결도는 글로벌 금융위기 시기가 코로나19 위기 시기에 비해 큰 폭으로 감소한 반면, 전 세계 은행 유출입 평균값의 감소폭은 반대로 나타났다. 국가별 은행 유출입 집중도를 보여주는 국가별 HHI(Herfindahl-Hirschman Index)의 경우 2008년 금융위기 시기에는 크게 상승하였으나 코로나19 위기 시기에 비해 거의 변화가 없었다. 이는 2008년 금융위기 시기에는 은행 유출입이 주요 금융기관에 집중된 반면, 2020년 코로나19 위기 시기에는 모든 금융기관에 걸쳐 유사하게 큰 폭으로 감소하였음을 시사한다.

제5장에서 머신러닝 방법론을 이용해 금융위기 예측 요인을 분석한 결과, 랜덤 포레스트 기준으로 전체 기간(1870~2017년)의 경우 금융위기 예측에 기여도가 높은 상위 6개 예측변수는 수익률 곡선(장단기 금리차), CPI, 소비, 총부채원리금상환비율, 자본(주식) 수익률, 정부부채 순으로 나타났다. 이들 6개 예측변수 기준으로 최근 상황을 평가할 때 최근 금융위기 리스크가 커지고 있다. 최근 주요국의 장단기 금리차 역전이 확대되고 있고, CPI는 1980년대 이후 40년 만에 최고치를 기록하고 있다. 여기에 나머지 4개 예측변수가 소비 둔화, 총부채원리금상환비율 상승, 주가 급락, 높은 정부부채를 기록하고 있는 점도 금융위기 위험을 높이는 요인이다. 금융위기 사례 중 글로벌 금융위기(2007~08년)의 경우에는 수익률 곡선, 총부채원리금상환비율, 소비, CPI, 정부부채, 자본(주식) 수익률 순으로 전체 기간에 비해 총부채원리금상환비율과 정부부채의 기여도 순위가 상대적으로 높아졌다. 한편 북유럽 3국 은행위기(1988~93년)의 경우에는 수익률 곡선, CPI, 총부채원리금상환비율, 소비, 자본(주식) 수익률, 정부부채 순으로 나타나 전체 기간에 비해 총부채원리금상환비율의 기여도 순위가 높아졌다. 분석 결과에 따르면 최근 CPI 상승률이 높다는 점은 향후 금융위기가 글로벌 금융위기보다는 북구 3국 금융위기 양상에 가까울 수 있음을 시사한다. 

제6장에서는 시스템 다이내믹스(인과지도)를 통해 1970년 이후 다양한 금융위기 사례 그룹을 살펴본 결과, 사례 그룹별로 금융위기의 전개 양상 및 모습은 다르지만 공통적으로 다섯 가지 특징이 발견되었다. 먼저 신용확대 강화 루프다. 완화적 통화정책과 다양한 요인이 합쳐져 신용이 확대되고, 고성장, 자산가격 상승, 금융회사 고수익, 통화가치 안정 등의 성과와 결합하면서 신용이 계속 확대 순환되는 특징이 나타났다. 다양한 요인은 사건 발생(플라자 합의, 페트로 달러 등), 정책 및 제도 변화(금융자유화, 경제개발계획 등), 산업 및 기술 변화(금융공학 발달 등), 경제구조 변화(생산성 등) 등이다. 다음으로 신용확대 강화 루프가 금융위기 리스크 축적으로 이어졌다. 구체적으로 고물가, 재정수지 적자, 경상수지 적자, 통화가치 고평가, 외채 증가 등이 발생하거나, 장단기 미스매치, 고위험 자산 투자 확대, 저신용층에 대한 대출 확대 등이 나타났다. 세 번째로 금융위기를 촉발하는 충격 요인이 존재했다. 긴축 통화정책이 주된 요인이긴 하지만, 정책 및 제도 변화(통화량 목표제 도입 등), 주요 정치 및 경제적 사건(독일 통일, 구소련 붕괴, 멕시코 정치 불안 등), 투자행태 변화(핫머니 공격, 자원가격 하락 등)도 충격 요인으로 작용하였다. 네 번째로 리스크 확산 요인이 존재하였다. 리스크 확산 요인(네트워크의 긴밀화·연계성, 행위의 동조화) 수준에 따라 금융위기 확산 정도가 달라졌다. 또한 글로벌 자금 공급국에서 금융위기 발생 여부에 따라 금융위기 확산 정도가 달랐다. 끝으로 개별 금융위기는 그 자체로 끝나지 않고 새로운 위기를 잉태하는 씨앗이 되었다는 공통된 특징이 있다. 과거 사례에서 통화정책 변화, 자산가격 변화, 자금 운용 행태의 변화, 경제구조의 변화 등 금융위기의 영향 및 금융위기 정책 대응 과정에서 새로운 위기가 잉태되는 특징을 보였다. 공통된 다섯 가지 특징을 기준으로 최근 상황을 평가해볼 때 금융위기 위험이 커지고 있는 것으로 나타났다. 다양한 자산시장의 과열, 레버리지 기반 고수익 추구, 자원수입국의 경상수지 및 외채 악화 등 리스크가 축적된 상황에서 금융위기 촉발 계기로 작용할 수 있는 미국 등 주요국의 급격한 통화긴축, 지정학적 리스크 고조 등 충격 요인이 이미 발생하였기 때문이다. 향후 금융위기의 양상은 이러한 충격 요인과 2008년 이후 구조변화인 탈세계화(deglobalization), 중국경제의 저성장, 고물가, 비은행 및 자본시장 중심의 자금흐름, 가상자산의 급팽창 등이 맞물려 과거와는 다른 양상으로 전개될 가능성이 있다. 특히 금융리스크 측면에서 신용위험보다 시장위험을 통한, 국가간 자금흐름 측면에서 기타투자보다 포트폴리오투자를 통한 금융위기 발생 위험이 과거에 비해 커졌다.

제7장에서는 본 연구의 결론과 정책 시사점을 제시하였다. 본 연구를 통해 도출한 결론은 두 가지다. 첫째, 금융위기는 개별 리스크 요인보다는 시스템 차원의 문제이고, 둘째, 최근 상황을 진단한 결과, 일부 취약한 신흥국을 넘어 광범하게 금융위기가 발생할 위험성이 있다. 그리고 정책 시사점으로는 먼저 금융위기의 본질은 시스템 붕괴에 있어 정책 당국의 시스템적 접근 및 인식이 강화될 필요가 있다. 시스템적 접근 없이는 금융위기 위험 진단, 사전 예방, 충격 완화, 사후 관리 등 위기관리의 모든 프로세스를 효과적으로 관리하기 어렵기 때문이다. 다음으로 최근 금융위기 발생 위험이 커지고 있으므로 시스템 차원에서 취약 요인을 파악하고 이를 완화하는 방안을 모색해야 할 것이다. 주식, 채권, 부동산, 디지털자산 등 과열되었던 자산시장, 장기간 초저금리 지속에 따른 고(高)레버리지 기반 파생금융상품, 자원가격의 급등락, 포트폴리오 투자경로 등이 주요 취약 요인으로 꼽힌다. 끝으로 본 연구에서 사용한 복잡계(네트워크, 시스템 다이내믹스), 머신러닝 방법론을 기존의 전통적인 계량기법과 함께 활용한다면 우리나라의 금융안정을 보다 강화할 수 있을 것이다.

국문요약

제1장 서론

1. 연구의 배경과 목적

2. 연구의 내용과 구성

제2장 우리나라의 노동소득분배율 추이

1. 서론

2. 노동소득분배율의 측정

3. 우리나라의 노동소득분배율 추이

4. 국제기구 통계를 활용한 노동소득분배율

5. 소결

제3장 노동소득분배율 결정요인의 예측력 평가

1. 서론

2. 예측모형과 데이터

3. 예측모형 분석 결과

4. 소결

제4장 로봇도입과 노동소득분배율

1. 서론

2. 계량분석방법 및 데이터

3. 추정 결과

4. 시사점 및 소결

제5장 요약 및 정책적 시사점

1. 요약

2. 정책적 시사점

참고문헌

부록

Executive Summary

전 세계적으로 노동소득분배율이 감소하는 추세가 발견되면서 그 원인에 대한 다양한 가설이 연구되었다. 이러한 노동소득분배율의 감소는 소득불평등의 심화로 연결될 수 있으므로 불평등의 주요 지표 중 하나로 이용됐다. 노동자 계급 안에서도 저숙련 노동자가 노동소득분배율 감소의 영향을 크게 받을 수 있으며, 자영업자를 포함한 저소득층의 주요 소득원은 노동소득이기 때문이다. 본 연구는 여러 불평등 지표 중 노동소득분배율 변화의 주요 요인에 대해서 분석한다. 로봇도입에 따른 자동화, ICT의 발전, 4차 산업혁명 등의 노동절약적 기술 변화가 노동시장을 변화시킬 것으로 예상됨에 따라 이러한 기술 변화의 영향을 분석하여 정책적 대응 방향을 제시하고자 한다. 

본 연구는 크게 네 부분으로 구성되어 있다. 제2장에서는 최근까지의 우리나라 노동소득분배율 추이를 추정하고 그 구성요소의 변화를 함께 살펴보았다. 우선 자영업자 노동소득과 관련하여 기존 연구에서 제안된 여러 측정 방법을 거시데이터에 적용하였으며, 보완적으로 기업 단위의 미시데이터를 활용해 노동소득분배율을 별도로 추정하였다. 분석 결과, 우리나라 노동소득분배율의 수준과 추세는 자영업자 노동소득의 포함 여부에 따라 크게 달라지는 것으로 나타났다. 비자영업 부문의 노동소득분배율은 외환위기 이후 상승해왔지만, 자영업자 노동소득을 포괄한 노동소득분배율 추정치는 1990년대 중반부터 금융위기 당시까지 하락하는 추세를 보였다. 이러한 차이는 자영업자 영업잉여가 피용자보수에 비해 상대적으로 정체되어 있었기 때문으로 판단된다. 한편 노동소득분배율의 연도별 변화는 노동소득(피용자보수 및 자영업자 영업잉여)보다는 자본소득의 단기적 변동에 기인하는 것으로 분석되었다. 특히 자본소득을 명시적으로 살펴본 기업 단위 통계자료에서 영업손익의 변동이 노동소득분배율의 시기별 변화와 산업 간 차이의 주요 요인임을 확인할 수 있었다. 마지막으로, 다양한 국제기구 통계를 활용하여 국가 간 비교를 수행하였다. 우리나라의 전체 노동소득분배율은 높지만, 자영업자 고용 비중의 감소로 다른 국가와의 격차가 줄어들고 있으며 자영업 부문 제외 시에는 상대적으로 낮은 편임을 알 수 있었다. 

제3장에서는 기존 연구에서 노동소득분배율 변화의 결정요인으로 제시한 기술 변화, 세계화, 인구와 교육 등의 지표들이 예측변수로서 의미가 있는지 살펴본다. 머신러닝 방법론 중 하나인 회귀트리를 이용하여 노동소득분배율 예측모형을 추정하여 예측력을 가진 변수들을 구했다. 선진국-신흥국 그룹 및 선진국 개별 국가의 회귀트리 예측모형을 분석한 결과 세 가지 사실을 확인할 수 있었다. 첫째, 선진국 6개국의 기업 부문 노동소득분배율 예측모형에서는 인적자본과 투자재의 상대가격이 가장 중요한 것으로 나타났다. 또한 인적자본과 투자재 가격의 비선형 관계가 노동소득분배율 예측에 중요할 수 있음이 나타났다. 둘째, 선진국-신흥국 그룹을 비교하면 선진국에서는 인적자본과 교육이, 신흥국에서는 인구구조 변화와 ICT 발전이 노동소득분배율 예측에 중요한 역할을 한다. 셋째, 선진국 8개국 중 5개국에서 인적자본이 중요하며, ICT 변화의 기여도는 국가 간에 차이가 있음이 나타났다. 종합하면, 인적자본과 교육은 노동소득분배율 변화의 중요한 결정요인일 뿐 아니라 예측변수이며, ICT 변화 등의 기술 변화 역시 선진국과 신흥국에서 공통으로 중요한 예측변수인 것으로 나타났다. 

제4장에서는 로봇도입이 노동시장에 미치는 영향을 살펴보기 위해 두 가지 데이터를 이용하여 실증분석을 수행하였다. 첫 번째로 KLEMS와 국제로봇연맹의 국가-산업별 데이터를 연결하여 17개국의 15개 산업군에 대한 다양한 패널분석모형을 통해 로봇의 도입이 노동소득분배율과 노동생산성에 미치는 영향을 분석했다. 두 번째로 우리나라 통계청의 기업활동조사 데이터와 패널모형을 통해 로봇 및 AI를 포함한 4차 산업기술이 개별 기업의 노동소득분배율 및 노동생산성에 미치는 영향을 분석했다. 분석 결과, 로봇의 도입은 노동소득분배율을 낮추는 방향으로 작동한다는 것이 두 가지 데이터에서 공통적으로 나타났다. 또한 로봇의 도입이 증가하면 노동생산성이 향상하는 경향을 보여 로봇 및 AI 기술의 활용이 노동생산성에는 긍정적인 영향을 미친다고 볼 수 있다. 기존 연구에서 논의한 바와 같이 로봇도입은 노동을 대체하여 고용을 감소시키는 효과(대체효과)와 생산비용을 낮추어 생산성을 향상하고 고용이 증대되는 효과(생산성 효과) 등 상반된 효과가 동시에 작용할 수 있다. 제4장의 결과에 따르면 로봇의 도입이 노동생산성을 향상시킨다는 점은 기존의 이론모형과 일치하며, 노동소득분배율이 감소한다는 결과는 생산성 효과가 대체효과보다 작을 수 있다는 점을 시사한다. 

제5장에서는 앞의 연구 결과를 바탕으로 변화된 기술환경에서 기업이 필요로 하는 인적자본의 확충을 뒷받침하는 노동·교육·산업의 정책 방향을 제시한다. 본 연구의 실증분석 결과에 의하면 기술 진보에 따른 이익이 고숙련 노동자 집단에게만 집중되고 있으며, 저학력·비숙련 노동자의 일자리 감소로 이어질 수 있다. 따라서 기술 변화에 대응하여 노동이 신속하게 재배치될 수 있도록 하는 제도적 노력이 필요하며, 이를 위한 세 가지 정책 방향을 제시한다. 첫째, 기업의 기술 도입에 노동자가 대응할 수 있도록 직업훈련과 평생학습 제도를 검토하고 필요하다면 개선해야 한다. 둘째, 튼튼한 사회안전망을 유지하면서 노동시장의 유연성과 기업 부문의 역동성을 제고하기 위한 노력은 계속되어야 한다. 마지막으로, 이러한 정책방향이 제대로 구현되기 위한 정부의 전반적인 거버넌스에 대해서도 점검할 필요가 있다.