부동산시장 진단지수 개발을 위한 기초연구

부동산시장 진단지수 개발을 위한 기초연구

: 주택시장을 중심으로

A Study to Develope Real Estate Market Index

국토연 2009-4 ․ 부동산시장 진단지수 개발을 위한 기초연구

지은이․박천규/ 펴낸이․박양호 / 펴낸곳․국토연구원 출판등록․제2-22호 / 인쇄․2009년 5월 27일 / 발행․2009년 5월 31일

주소․경기도 안양시 동안구 시민로 224 (431-712)

전화․031-380-0114(대표), 031-380-0426(배포) / 팩스․031-380-0470 ISBN․978-89-8182-627-7

한국학술진흥재단 연구분야 분류코드․B030907 http://www.krihs.re.kr

Ⓒ2009, 국토연구원

＊이 연구보고서의 내용은 국토연구원의 자체 연구물로서 정부의 정책이나 견해와는 상관없습니다.

국토연 2009-4

부동산시장 진단지수 개발을 위한 기초연구 : 주택시장을 중심으로

A Study to Develope Real Estate Market Index

•

연 구 진

연구책임 박천규 책임연구원

연구협의(자문)위원 김현아 연구위원(한국건설산업연구원) 이항용 교수(한양대학교 경제금융대학) 지규현 책임연구원(GS건설경제연구소)

P ․ R ․ E ․ F ․ A ․ C ․ E

발 간 사

부동산시장을 진단하는 데 있어 종합적인 분석틀의 중요성이 대두되고 있다.

부동산가격은 하방경직적인 특성을 가지고 있어 기존의 연구와 같이 가격만을 예측하고 지표화하는 경우 주택시장은 큰 위기로 식별되지 않지만, 미분양주택, 매수심리 등 다른 지표를 함께 고려할 경우 주택시장은 과거에 경험하지 못했던 큰 침체상황을 경험하고 있다. 따라서 부동산시장을 진단하는 데 있어 기존의 가 격중시 경향에서 벗어나 종합적인 분석틀을 빠르게 갖추어야 하는 상황이다.

이 연구는 주택시장 상황을 종합적으로 진단할 수 있는 지수개발에 관한 기초 연구로서 그 가치가 높다고 생각한다. 먼저 부동산 시장상황에 대한 진단 및 미 래 시장에 대한 예측 능력 제고를 통해 부동산정책의 실효성 증대시킬 수 있을 것이다. 단순히 가격만을 예측하고 지표화하는 기존 연구와는 달리 이 연구는 주 택시장 시스템을 종합화함으로써 주택시장 상황을 보다 정확하게 진단할 수 있는 기반을 마련하였으며, 이를 통해 부동산정책의 적시성 증진에 기여할 수 있다.

또한 부동산시장 진단시스템, 주택정책평가모형의 개발 및 개선하는 데 필요 한 중요한 지표로 활용할 수 있다. 기존 대부분의 연구는 가격변동률의 일정 이 상을 시장위기라고 정의하고 있다. 주택시장 위기 수준이 높아졌을 때 향후 단순 히 가격만이 높아져서 위기인지, 아니면 미분양주택수가 많아져서 위기인지에

ⅱ

의하는 변수로 설정한다면 이러한 위기의 해석 상의 모호함은 상당히 줄일 수 있을 것으로 보인다. 또한 주택정책평가모형을 개발 및 개선하는데 이러한 종합 지표가 이용될 수 있다면 보다 체계적이면서 부동산시장을 정확하게 평가할 수 있을 것으로 보인다.

마지막으로 부동산시장 위기의 적시 포착, 부동산정책의 선제적 시행을 위한 부동산시장 종합 상환판을 마련하는데 기여할 것이다. 부동산시장 조기경보시스 템, 부동산시장 예측모형, 부동산시장 실사지수 등과 함께 이러한 진단지수가 사 용될 경우 부동산시장 위기를 선제적으로 포착하는데 매우 유용할 것이다. 예를 들어 시장진단지수는 현재의 시장상황, 부동산시장 조기경보시스템은 부동산시 장 예측모형과 함께 향후 위기 가능성, 부동산시장 실사지수는 부동산시장의 심 리요인을 포착하는 등 체계적인 각 모형 또는 지수별 업무분담을 통해 부동산시 장 상황을 보다 선제적으로 예측할 수 있는 시스템 마련이 가능할 것이다.

2009. 5 국토연구원장 박 양 호

F ․ O ․ R ․ E ․ W ․ O ․ R ․ D

서 문

주택경기를 한 눈에 보여줄 수 있는 지수개발과 관련된 연구는 거의 없는 실정 이다. 계량모형을 이용한 가격예측 모형이나 설문조사를 이용한 부동산경기실사 지수가 대부분을 차지하며, 부동산시장과 연관이 높은 변수를 종합하여 이를 지 수화한 연구는 아직 미흡한 실정이다. 이에 따라 이 연구에서는 주택시장을 체계 적으로 진단할 수 있는 종합적인 분석틀을 마련하여 시장부문별(예 : 가격(Price), 미분양(Unsold Housing), 공급(Supply), 거래(Transaction) 등) 진단지수를 개발하 고, 나아가 혼합 및 종합지수를 개발하고자 한다.

이 연구는 총 4장으로 구성되어 있다. 제1장 서론에서는 연구의 배경 및 목적, 연구의 범위, 방법 등을 소개하였다. 제2장은 이론적 배경과 선행연구 고찰이다.

부동산시장 경기, 부동산시장의 구조전환, 지수관련 최근 연구 동향, 지수방법론 등을 고찰하였다. 기존 문헌 고찰 결과, 우리나라 부동산시장은 주택이 대량으로 공급된 1990년대 초반과 외환위기 이후인 1990년대 후반에 구조적 전환을 겪었 을 가능성이 높다. 따라서 이러한 구조적 변화를 감안하여 지수를 작성할 필요가 있다. 제3장은 지수작성이다. 이론적 배경 및 선행연구 고찰을 통해 지수작성을 위한 시장정상화 개념을 설정하였다. 그리고 주택시장시스템을 최대한 반영할 수 있도록 변수를 설정하고, 최종 지수화하였다. 지수화 방법은 표준화지수법, 주

ⅳ

한 효율적인 부동산시장 진단체계 구축방안을 제시하였다.

이 연구에서는 부동산시장을 체계적으로 진단할 수 있는 종합적인 분석틀을 마련하여 시장부문별 진단지수를 개발하고, 나아가 혼합 및 종합지수를 개발하 였다. 이러한 연구는 과거 거의 수행되지 않는 연구로 의미있는 시도로 평가된 다. 하지만 다음과 같은 점에서 한계가 있으며 이를 보완한 지속적인 연구가 필 요하다. 첫째, 위기기간을 식별할 수 있는 방법의 개선이 필요하다. 이 연구에서 는 하나의 대안으로 월별가격변동률을 이용하여 위기기간을 식별하였지만, 금융 시장 스트레스지수 개발과정에서 보는 것과 같이 전문가 설문조사 등을 이용한 방법 등을 검토할 필요가 있다. 둘째, 부동산시장 조기경보시스템과의 구체적인 연계방안 마련이 필요하다. 이를 위해 우선적으로 시장진단지수와 조기경보시스 템 운영결과를 종합적으로 비교분석할 필요가 있다. 셋째, 더 나아가 시장진단지 수를 이용한 조기경보시스템 및 조기경보지수 개발이 필요하다. 기존에는 위기 정의 변수로 주택가격변동률만을 이용하였는데, 전체 주택시장을 포괄할 수 있 는 시장 진단지수를 위기 정의 변수로 설정하여 모형을 설계하는 것이 필요하다.

마지막으로 주택시장 정상화 개념의 명확화, 지수의 유용성 평가 등 지속적인 관 련 연구의 발전이 필요하다.

마지막으로 이 연구가 잘 마무리 되도록 도와 준 많은 분들께 감사의 말씀을 드린다. 특히 연구를 수행하는 데 조언을 아끼지 않으셨던 손경환 주택토지․건 설경제연구본부장님, 김근용 부동산시장연구센터장님, 이수욱 연구위원님께 깊 은 감사의 말씀을 드린다.

2009년 5월 박천규 책임연구원

S ․ U ․ M ․ M ․ A ․ R ․ Y

요 약

제1장 서 론

이 연구는 부동산시장을 체계적으로 진단할 수 있는 종합적인 분석틀을 마련 하여 시장부문별(예 : 가격(Price), 미분양(Unsold Housing), 공급(Supply), 거래 (Transaction) 등) 진단지수를 개발하고, 나아가 혼합 및 종합지수를 개발하는데 목적이 있다.

시장분석틀은 부동산정책의 주요 목표인 부동산시장 정상화 또는 바람직한 부 동산시장의 모습과 연계하여 마련하고자 한다. 부동산시장의 시스템 즉, 구조를 반영할 수 있는 개별 진단지수를 개발하고, 이를 혼합 또는 종합하여 주택시장을 종합적으로 분석할 수 있도록 접근할 예정이다.

제2장 이론적 배경과 선행연구 고찰

여기에서는 부동산시장 경기 및 구조전환과 금융시장의 스트레스 지수 등과 관련된 이론 및 실증결과에 대해 고찰하였다. 이러한 내용은 주택시장 진단지수 작성을 위한 기초자료로 이용되었다.

ⅵ

지가변화율로 살펴본 우리나라의 부동산 경기변동은 대략 3개의 순환주기를 형성하고 있다. 제1순환기는 1975년부터 1986년, 제2순환기는 1987년부터 1998 년, 제3순환기는 1999년부터 현재까지 진행 중이다.

부동산시장은 주택대량공급정책이 강력하게 추진되고, 토지공개념 등이 도입 된 1990년대 초 및 외환위기를 겪은 1990년대 말의 두 차례에 걸쳐 구조적 변화 가 발행했을 가능성이 있다. 이러한 부동산경기, 구조전환 등을 감안하여 주택시 장 진단지수를 설계할 필요가 있다.

최근 금융부문에서는 조기경보시스템(Early Warning System) 또는 조기경보지 수(Early Warning Indicators)의 문제점을 보완하는 방법으로 금융스트레스지수 (Financial Stress Index)가 강조되고 있다. 이러한 점은 부동산 부문에서도 종합적 인 시장분석틀이 필요하다는 것을 시사한다.

부동산시장 경기를 한 눈에 보여줄 수 있는 부동산시장 지수와 관련된 연구는 거의 없는 실정이다. 설문조사를 이용한 부동산경기실사지수가 대부분을 차지하 며, 부동산시장과 연관이 높은 변수를 종합하여 이를 지수화한 연구는 아직 미흡 한 실정이다. 이 연구는 선행연구의 한계를 보완하여 주택시장을 체계적으로 분 석할 수 있는 틀을 마련하여 주택시장 부문별 진단지수를 개발하고 나아가 혼합 및 종합지수를 개발하고자 한다.

제3장 주택시장 진단지수의 개발

주택시장진단지수는 주택시장 정상화 수준에 비해 현재 주택시장이 어떤 상황 에 놓여있는가를 분석하는 도구로 정의하였다. 즉 주택시장진단지수를 구성하고 있는 각 개별 지표가 정의한 정상화 수준보다 높다면 확장, 낮다면 수축 상황에 놓여있다는 것을 의미하게 된다.

부동산시장 정상화에 대한 개념정의를 할 필요가 있다. 부동산시장 정상화에 대해서는 많은 논란이 있을 수 있으나, 기본적으로 시장정상화에 대한 기준을 다 음과 같이 설정하였다.

① 계량모형 등으로 정상수준을 추정하여 이용

② 장기(약 10년) 평균치를 정상수준으로 이용

국토해양부, 부동산시장 관련 연구기관 등에서 주택시장 진단 및 분석시 이용 하는 자료, 주택시장의 구조 및 시스템 등을 분석하여 주택시장진단지수의 구성 변수는 다음과 같이 선정하였다.

<표> 주택시장진단지수 구성변수의 선정

선정변수 시장동향 분석자료 4사분면 모형

주택가격(전세가격) 국토해양부, 주산연, 건산연 부동산가격, 임대료

주택거래 국토해양부, 주산연, 건산연

주택공급 주산연, 건산연 신규건설량, 재고량

미분양주택 주산연 신규건설량, 재고량

주택시장진단지수를 작성하는 방법을 단계별로 정리하면 다음과 같다. 주택시 장진단지수는 시계열 추이뿐만 아니라, 그 절대 수치도 해석가능하도록 작성하 고자 한다. 이를 위해 앞에서 정한 정상화 수준을 100이 되도록 설정하였다. 산식 은 다음과 같다.

_{  }

_

_

×

여기서, _는 t기의 개별변수(i) 지수, _는 t기의 개별변수(i), 는 개별변수(i)의 정상화 수준

다음 단계에서 모든 개별 지수가 한 방향으로 움직이도록 조정하였다. 따라서 반대방향으로 움직이는 미분양주택 개별지수를 다음과 같이 역수로 변환하였다.

마지막 단계는 개별지수를 하나의 지수로 통합하는 과정이다. 이 과정은 두 가

viii

을 표준화시켜 지수화하는 방법이고, 두 번째 방법은 주성분분석(Principal Component Analysis)을 이용한 방법이다.

최근 2008년 이후 주택시장진단지수를 추이를 정리하면 다음과 같다. 2008년 1~2월에는 주택가격시장진단지수는 100 내외를 기록하였다. 2008년 3월부터 상 승하기 시작하여 2008년 4월에는 126.1를 기록하였다. 주택거래의 증가, 주택가 격의 상승 등이 주택시장진단지수를 높이는 원인이 되었다. 2008년 하반기부터 경기침체 여파로 주택시장진단지수는 크게 낮아지고 있다. 2008년 10월부터 주 택가격지수가 음(-)의 영향을 주고 있다. 2009년 들어 주택가격지수의 음(-)의 영 향력이 줄고 있고, 주택거래가 조금씩 살아나고 있기 때문에 주택시장진단지수 는 소폭 상승할 것으로 예상할 수 있다. 주택공급이 증가하고, 미분양주택 적체 물량이 감소한다면 주택시장진단지수가 다시 상승할 수 있을 것으로 보인다.

주택시장진단지수는 주택시장 정상화 수준에 비해 주택시장이 어떤 상황에 놓 여 있는가를 분석하는 도구로 주택시장이 정상화 수준일 때 100이 나오도록 설 계되어 있다. 그러므로 다른 여타 지수와 달리 그 변동성 또는 추이뿐만 아니라 그 수준변수를 해석하는 데에도 용이한 측면이 있다.

대표적인 거시경제 지표인 이자율과 통화량의 변화가 주택시장진단지수에 어 떻게 영향을 미치는 지를 시계열모형을 통해 분석하였다. 변수들간의 동적관계 (dynamic relationship)를 분석하기 위해 벡터자기회귀(Vactor AutoRegression : VAR)을 구축하였다.

VAR로부터 충격반응함수를 산출한 결과는 다음과 같다. M2의 증가는 주택시 장진단지수에 큰 영향을 주지 못한 것으로 나타났으나, CD수익률의 상승은 주택 시장진단지수를 하락시키는 효과가 있는 것으로 나타났다. 그 효과는 약 4개월 정도 지속되는 것으로 나타났다. 이자율의 증가는 주거비부담 증가, 주택구매력 저하로 주택시장을 침체시키는 영향이 있다.

제4장 결 론

시장진단지수는 다음과 같이 활용성이 높은 시장분석 도구로 활용될 수 있다.

첫째, 주택시장 경기 종합지수로서 활용가능하다. 주택시장의 시스템과 구조를 반영한 종합적인 지표로서 주택시장 경기를 종합화한 지수로서 이용이 가능할 것이다. 둘째, 주택시장의 이상징후를 즉각적으로 판단할 수 있는 도구이다. 부동 산시장이 이상적인 상태에서 얼마나 이탈되어 있는 가를 즉각적으로 판단할 수 있는 도구이다. 셋째, 각종 부동산시장 관련 시스템, 모형에서 시장상황 정의변수 로 활용할 수 있다. 기존의 연구 또는 모형에는 주로 가격을 이용하여 시장위기 를 정의하였다. 그러나 시장진단지수는 시장종합지수로서 부동산시장이 위기인 가, 아닌가를 정의할 수 있는 유용한 변수로 활용될 수 있을 것이다.

이 연구의 정책기여 측면을 정리하면 다음과 같다. 첫째, 부동산 시장상황에 대한 진단 및 미래 시장에 대한 예측 능력 제고를 통해 부동산정책의 실효성 증 대시킬 수 있을 것이다. 둘째, 부동산시장의 시스템 또는 구조를 감안하여 종합 적으로 부동산시장의 안정성을 평가하는 데 이용할 수 있다. 이 연구에서 작성한 시장진단지수는 부동산시장의 시스템 및 구조를 감안하여 종합적으로 부동산시 장의 상황을 진단할 수 있는 도구라고 할 수 있다. 셋째, 부동산시장 진단시스템, 주택정책평가모형의 개발 및 개선하는 데 필요한 중요한 지표로 활용할 수 있다.

기존의 연구는 가격변동률의 일정 이상을 시장위기라고 정의하고 있다. 부동산 시장 위기 수준이 높아졌을 때 향후 단순히 가격만이 높아져서 위기인지, 아니면 미분양주택수가 많아져서 위기인지에 대한 해석의 모호함이 있었다. 여기에서 개발한 주택시장진단지수를 위기를 정의하는 변수로 설정한다면 이러한 위기의 해석 상의 모호함은 상당히 줄일 수 있을 것으로 보인다. 또한 주택정책평가모형 을 개발 및 개선하는데 이러한 종합지표가 이용될 수 있다면 보다 체계적이면서 부동산시장을 정확하게 평가할 수 있을 것으로 보인다. 마지막으로 부동산시장 위기의 적시 포착, 부동산정책의 선제적 시행을 위한 부동산시장 상황분석 틀을 마련하는데 기여할 것이다. 부동산시장 조기경보시스템, 부동산시장 예측모형,

x

부동산시장 실사지수 등과 함께 이러한 진단지수가 사용될 경우 부동산시장 위 기를 선제적으로 포착하는데 매우 유용할 것이다. 예를 들어 시장진단지수는 현 재의 시장상황, 부동산시장 조기경보시스템은 부동산시장 예측모형과 함께 향후 위기 가능성, 부동산시장 실사지수는 부동산시장의 심리요인을 포착하는 등 체 계적인 각 모형 또는 지수별 업무분담을 통해 부동산시장 상황을 보다 선제적으 로 예측할 수 있는 시스템 마련이 가능할 것이다.

C ․ O ․ N ․ T ․ E ․ N ․ T ․ S

차 례

발 간 사 ··· i

서 문 ··· iii

요 약 ··· v

제1장 서 론 1. 연구의 배경 및 목적 ··· 1

2. 연구의 범위 및 방법 ··· 2

3. 선행연구와의 차별성 ··· 3

4. 보고서 구성과 연구의 틀 ··· 4

제2장 이론적 배경과 선행연구 고찰 1. 부동산시장 경기 ··· 7

2. 부동산시장 구조전환 ··· 10

3. 스트레스 지수 ··· 10

4. 부동산시장 지수 ··· 13

5. 지수작성법 ··· 14

제3장 주택시장 진단지수의 개발

2) 전문가 설문조사 ··· 20

2) 주택시장 구조 및 시스템 ··· 21

3) 지수 구성변수의 선정 ··· 23

3. 시장정상화 기준의 설정 ··· 26

1) 주택가격 ··· 27

2) 주택거래 ··· 28

3) 주택공급 ··· 29

4) 미분양주택 ··· 30

4. 진단지수의 작성 ··· 31

1) 진단지수 작성법 ··· 31

2) 진단지수 작성 ··· 32

5. 주택시장진단지수의 해석 ··· 37

6. 시계열모형을 통한 시뮬레이션 ··· 39

제4장 결 론 1. 지수의 활용성과 정책기여도 ··· 43

1) 지수의 활용측면 ··· 43

2) 정책기여도 측면 ··· 44

2. 연구의 특징과 한계 ··· 45

참 고 문 헌 ··· 47

SUMMARY ··· 53

<부록 1> 개별지수 추이 ··· 55

<부록 2> 주택시장진단지수(NBER법) 추이 ··· 59

<부록 3> 주택시장진단지수(PCA) 추이 ··· 63

<부록 4> VAR 모형 추정 결과 ··· 67

T ․ A ․ B ․ L ․ E ․ C ․ O ․ N ․ T ․ E ․ N ․ T ․ S

표 차 례

<표 2-1> 우리나라 기준순환일 및 국면지속기간 ··· 7

<표 3-1> 주택시장진단지수의 개요 ··· 19

<표 3-2> 국토해양부 및 부동산시장 연구기관 동향분석시 이용지표 ··· 20

<표 3-3> 주택시장 동향(스트레스) 분석시 유용한 변수에 대한 전문가 조사결과 ···· 21

<표 3-4> 주택시장진단지수 구성변수의 선정 ··· 23

<표 3-5> 부동산시장 경기변동의 정점 및 저점 ··· 27

<표 3-6> 연도별 주택수요의 중장기 전망 ··· 29

<표 3-7> 주성분비율과 가중치 ··· 35

<표 3-8> 신뢰구간별 임계치 현황 ··· 38

F ․ I ․ G ․ U ․ R ․ E ․ C ․ O ․ N ․ T ․ E ․ N ․ T ․ S

그 림 차 례

<그림 1-1> 연구의 틀 ··· 5

<그림 3-1> 부동산시장의 4사분면 모형 ··· 22

<그림 3-2> 전국 월간 주택가격변동률(2기 부호동일: 이동합산) 및 장기평균선(99～08) ··· 27

<그림 3-3> 전국 월간 주택거래량 및 장기평균선(99～08) ··· 28

<그림 3-4> 전국 12개월 이동합산 주택공급 및 중장기 주택수요선(99～08) ··· 30

<그림 3-5> 전국 미분양주택 및 장기평균선(99～08) ··· 30

<그림 3-6> 개별지수 추이 ··· 33

<그림 3-7> 주택시장진단지수 추이(NBER법) ··· 34

<그림 3-8> 주택시장진단지수 추이(주성분분석) ··· 36

<그림 3-9> 주택시장진단지수와 위기구간 ··· 39

<그림 3-10> 충격반응함수 ··· 41

1

C ․ H ․ A ․ P ․ T ․ E ․ R ․ 1

서 론

1. 연구의 배경 및 목적

부동산시장을 진단하는 데 있어 종합적인 분석틀의 중요성이 대두되고 있다.

2008년 하반기 이후 미분양주택의 증가, 매수심리의 급속한 위축으로 주택시장 은 위기로 인식되고 있지만, 2007년 1월부터 2008년 11월까지 최대 월별 가격하 락폭은 전국 -0.4%, 강남 -0.8%로 크게 떨어지지 않았다. 즉, 위기를 가격지표만 으로 정의할 경우 아직 주택시장은 아직 큰 위기로 볼 수 없지만, 미분양주택, 매수심리 등 다른 지표를 함께 고려할 경우 주택시장은 과거에 경험하지 못했던 큰 침체상황을 경험하고 있다. 따라서 부동산시장을 진단하는 데 있어 기존의 가 격중시 경향에서 벗어나 종합적인 분석틀을 빠르게 갖추어야 하는 상황이다.

또한 부동산정책의 목표로 ‘시장 정상화’를 내걸고 있지만, 시장 정상화에 대 한 합의된 의견은 없는 실정이다. 정책 당국, 건설업계, 중개업소 등 부동산시장 과 관련된 이해관계자들이 시장 정상화를 외치고 있지만 각 주체의 시각은 매우 다양하다. “바람직한 부동산시장의 모습”에 대한 일치된 의견을 형성할 필요가 있다. 이러한 정책목표에 대한 명확한 정의는 부동산시장을 진단하고 분석하는 데에도 매우 중요하다. 예를 들어, 미분양 주택 6만호 수준이 적정한 수준이라면 현재 약 16만호인 미분양 주택물량은 적정수준에 대해 약 3배 가까운 수준으로

2

주택시장은 매우 심각한 침체 위기 상황으로 판단할 수 있기 때문이다.

이에 따라 이 연구에서는 주택시장을 체계적으로 진단할 수 있는 종합적인 분 석틀을 마련하여 시장부문별(예 : 가격(Price), 미분양(Unsold Housing), 공급 (Supply), 거래(Transaction) 등) 진단지수를 개발하고, 나아가 혼합 및 종합지수를 개발하고자 한다.

시장분석틀은 부동산정책의 주요 목표인 부동산시장 정상화 또는 바람직한 부 동산시장의 모습과 연계하여 마련하고자 한다. 주택시장의 시스템 즉, 구조를 반 영할 수 있는 개별 진단지수를 개발하고, 이를 혼합 또는 종합하여 주택시장을 종합적으로 분석할 수 있도록 접근할 예정이다.

2. 연구의 범위 및 방법

이 연구의 범위는 주택시장이다. 그리고 주택시장을 둘러싼 시스템 또는 구조 를 분석하여 이 연구의 목적인 시장진단지수를 작성하고자 한다. 주택시장의 시 스템은 공간시장과 자산시장으로 구분할 수 있으며, 주택의 재고량, 임대료, 부동 산가격, 신규건설량의 균형가격 및 균형량으로 표현된다. 이러한 주택시장의 종 합적인 구조를 최대한 반영할 수 있도록 변수를 선정하고 이를 지수화하였다.

이 연구의 내용적 범위는 다음과 같다. 첫째, 이론적 배경과 선행연구 고찰이 다. 부동산시장 경기, 부동산시장의 구조전환, 지수관련 최근 연구 동향, 지수방 법론 등을 고찰하였다. 기존 문헌 고찰 결과, 우리나라 부동산시장은 주택이 대 량으로 공급된 1990년대 초반과 외환위기 이후인 1990년대 후반에 구조적 전환 을 겪었을 가능성이 높다. 따라서 이러한 구조적 변화를 감안하여 지수를 작성할 필요가 있다. 둘째는 지수작성이다. 이론적 배경 및 선행연구 고찰을 통해 지수 작성을 위한 시장정상화 개념을 설정하였다. 그리고 주택시장시스템을 최대한 반영할 수 있도록 변수를 설정하고, 최종 지수화하였다. 지수화 방법은 표준화지 수법, 주성분분석을 이용하였다. 마지막으로 이 연구의 결론을 정리하였으며, 이 러한 지수를 이용한 효율적인 부동산시장 진단체계 구축방안을 제시하였다.

이 연구의 방법을 정리하면 다음과 같다. 첫째, 문헌연구를 통해 부동산시장의 경기 및 구조, 지수방법론 등을 고찰하였다. 과거부터 최근까지의 연구결과를 심 도 있게 살펴봄으로써 이 연구의 차별성을 극대화시키고자 한다. 둘째, 통계 및 계량방법론을 이용하였다. NBER법으로 많이 불리는 표준화지수법과 주성분분 석을 이용하여 주택시장을 종합적으로 진단할 수 있는 지수를 작성하였다. 또한 대표적인 시계열모형인 VAR모형을 이용하여 거시경제지표의 충격이 시장진단 지수에 어떻게 영향을 주는 지를 분석하였다. 셋째, 자문회의와 설문조사이다. 부 동산시장 경기를 진단, 경기지수 작성과 관련된 전문가 회의를 거쳐 방법론을 설 계하였다. 또한 설문조사를 통해 진단지수 작성을 위한 유용한 변수를 발굴하였다.

3. 선행연구와의 차별성

부동산시장을 진단하고 가격 변동성을 예측한 연구로 건설교통부(2004), 서승 환(2003), 윤주현의 VAR 모형 구축을 통한 토지 및 주택시장 전망 연구(2001), 손정식․김관영․김용순의 부동산가격 예측모형에 관한 연구(2000) 등을 들 수 있다.

금융부문에서는 조기경보시스템(Early Warning System, 이하 EWS) 또는 조기 경보지수(Early Warning Indicators, 이하 EWI)의 단점을 보완하는 대안으로 금융 스트레스지수(Financial Stress Index, 이하 FSI)가 강조되고 있다. EWS, EWI는 은 행위기, 통화위기 등 제한적인 측면에서 접근하고 있는 반면, FSI는 전체 금융스 트레스를 지수화하여 보다 포괄적으로 금융시장지표의 기능을 수행할 수 있기 때문이다. 실제로 캐나다 중앙은행(Bank of Canada)은 FSI를 개발하였으며, 스웨 덴 중앙은행과 스위스 중앙은행은 각각 ECI(Equilibrium Condition Index)와 FCI를 개발하였다. 골드만삭스는 자체적으로 GSFCI(The Goldman Sachs Financial Condition Index : The Right Tool for New Monetary Policy Regime)을 개발하여 사 용하고 있다.

4

기존의 연구는 계량경제모형을 통해 부동산가격을 전망하는 모형이 대부분이 며, 주택시장의 시스템 및 구조를 고려하여 부동산시장 진단지수가 개발된 사례 가 거의 없다. 부동산가격과 지표와의 통계적인 유의성을 중요시하기 때문에 정 책적으로 중요한 변수들이 모형에서 탈락되는 경우가 많았으며, 이로 인해 부동 산시장의 종합적인 분석틀이 마련되는데 제약이 있었다. 또한 부동산정책의 목 표인 부동산시장 정상화에 대한 심도깊은 논의가 부족하고, 이와 연계한 지수개 발이 미흡하다.

이 연구에서는 이러한 선행연구의 제약 및 문제점을 보완하여 주택시장을 체 계적으로 진단할 수 있는 종합적인 분석틀을 마련하고자 한다. 즉 시장을 종합적 으로 분석할 수 있는 시장진단지수를 개발하고자 한다.

4. 보고서 구성과 연구의 틀

이 연구는 개념 및 방법론 정립, 시장진단지수의 개발, 시계열모형을 이용한 모의실험, 결론 및 정책방향 순으로 연구를 수행하였으며, 총 4개의 장으로 보고 서를 구성하였다. 제2장에서는 관련이론 및 기법 그리고 선행연구를 고찰하였고, 제3장에서는 지수 구성변수를 선정하기 위해 부동산시장 관련 기관의 시장동향 분석자료를 검토하였으며, 주택시장 구조 및 시스템을 분석하였다. 그리고 선정 된 변수의 시장정상화 기준을 개념정의하고 각 변수별 기준을 설정하였다. 작성 된 각 개별지수를 표준화지수법, 주성분분석을 이용하여 종합지수화하였고, 마 지막으로 이러한 시장진단지수의 해석을 위한 분석, 시계열모형을 이용한 시뮬 레이션을 실시하였다. 제4장은 이 연구의 결론으로서 연구결과의 정책적 기대효 과, 연구의 발전방향 및 한계 등을 명시하였다.

<그림 1-1> 연구의 틀

제 2 장∙이론적 배경과 선행연구 고찰 7

2

C ․ H ․ A ․ P ․ T ․ E ․ R ․ 2

이론적 배경과 선행연구 고찰

1. 부동산시장 경기

통계청 자료에 의하면 우리나라의 일반 경기변동은 측정을 시작한 1970년부터 2006년 현재까지 10번의 경기순환국면이 있었던 것으로 확인되고 있다. 경기순 환주기는 주순환마다 약간의 시차는 있지만 평균 49개월이 소요되었으며, 이 중 확장기가 31개월, 수축기는 18개월로 나타나 확장기가 수축기에 비해 약 13개월 정도 긴 것이 특징이다.

<표 2-1> 우리나라 기준순환일 및 국면지속기간

기준순환일 지속기간(개월)

저점 정점 저점 확장기 수축기 순환기

제1순환기 1972.3 1974.2 1975.6 23 16 39

제2순환기 1975.6 1979.2 1980.6 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^(잠정) 2009.2^(잠정) 33 13 46 제10순환기 2009.2^(잠정)

평균 - - - 31 18 49

자료 : 통계청

일반적으로 주가는 경기변동에 6개월 정도 앞서고, 부동산은 6개월 정도 뒤떨 어지는 것으로 본다. 하지만 부동산경기 순환구조와 일반 경기순환국면을 비교해 보면, 두 그래프가 시차를 두고 유사한 방향으로 움직이지만 연관성은 높지 않다.

부동산경기 순환구조는 일반 경기상황, 부동산 고유의 문제 그리고 정책 등 다양 한 요인에 따라 기준순환일이 결정되므로 일반 경기순환과는 차이를 보이는 것 이 당연하다(손경환 외, 2006).

서승환(2003)은 지가변화율을 이용하여 우리나라 부동산경기 변동을 분석하였 다. 이 연구에 따르면 우리나라의 부동산 경기변동은 대략 3개의 순환주기를 형 성하고 있다. 전년대비 지가상승률 등을 분석한 기존자료에 따를 경우, 제1순환 기는 1975년부터 1986년, 제2순환기는 1987년부터 1998년, 제3순환기는 1999년 부터 현재까지 진행 중이다. 제1순환기는 순환주기가 12년으로 1978년 부동산 경 기가 정점을 지나 1986년 저점에 이른 것으로 나타났다. 확장기는 3년이며 저점 까지 도달하는데 걸린 수축기는 9년이었다. 제2순환기의 주기도 12년으로 1989 년을 정점으로 1998년에 저점에 도달하였다. 이 기간의 확장기는 3년이며 수축기 는 9년이다. 제3순환기는 외환위기를 극복한 이후 부동산시장이 안정을 되찾기 시작한 1999년부터 현재 진행 중인 것으로 분석되고 있다.

손경환 외(2006)는 토지 및 주택가격 변화율 자료를 정책적 관점에서 이용하여 부동산시장의 순환구조를 분석하였다. 우리나라의 부동산경기 순환주기는 모두 4차례의 상승과 하락기가 있었던 것으로 나타났다. 제1순환기는 1975년부터 1981년까지, 제2순환기는 1982년부터 1986년, 그리고 제3순환기는 1987년부터 1998년, 제4순환기는 1999년부터 현재 진행 중이다. 또한 부동산 경기변동 구조 는 순환주기 5~12년, 상승기(확장기) 2~4년, 안정기 1~2년, 잠복기가 2~7년인 것 이 특징으로 나타났다.

강민석 외(2005)는 HP 필터를 이용하여 주택경기의 순환주기를 분석하였다.

다른 연구는 주택시장 관련된 변수를 선정하여 주택경기 순환주기를 분석하는 것에 비해 이 연구는 주택가격, 건설투자, 건설수주, 건축허가면적 등 주택시장

제 2 장∙이론적 배경과 선행연구 고찰 9

펴보면 확장국면과 수축국면이 거의 대칭을 이루고 있다. 제1순환기는 1998년 1 분기가 저점, 1991년 3분기가 정점이며, 제2순환기는 1994년 2분기가 저점, 1997 년 3분기가 정점이다. 제3순환기는 2001년 1분기가 저점이며, 2003년 3분기가 정 점이다. 확장기의 평균은 12.3분기, 수축기의 평균은 23.5분기이며, 순환주기의 평균은 26분기이다. 주택전세가격은 1987년 3분기에 저점을 기록한 후 주택매매 가격보다 3분기 빠른 1990년 4분기가 정점이다. 2순환기는 1994년 1분기에 저점 을 기록한 후 1997년 2분기가 정점이다. 주택전세가격은 주택매매가격보다 3분 기 빠른 2002년 4분기에 정점을 기록한 후 하강국면이 진행 중인 것으로 나타났 다. 주택전세가격은 주택매매가격과는 달리 확장기가 13.3분기로 수축국면보다 약 3분기 긴 것으로 나타났다. 주거용 건축면적은 1998년 3분기에 저점을 기록한 이후 1991년 1분기가 1순환기의 정점으로 나타났다. 2순기에는 1992년 3분기에 저점을 기록한 후 외환위기 발생시점인 1997년 3분기를 정점으로 기록한 후 하 강국면이 급격하게 진행되었다. 1999년 1분기를 저점으로 하는 3순환기에는 2003년 1분기에 이미 정점을 기록한 후 수축국면이 진행되고 있다고 분석하였다.

주거용 건축허가면적은 확장국면이 길고 수축국면이 매우 짧은 특징을 가지고 있다. 주거용 건설수주는 1998년 3분기 3분기를 저점으로 1순환이 시작되었으며, 비교적 빠른 1991년 1분기에 정점을 기록하였다. 1993년 1분기에 저점을 기록하 며 2순환기에 접어들었으며 다른 변수와 같이 외환위기 이전인 1997년 2분기에 정점을 기록하였다. 그러나 1999년 1분기를 저점으로 시작한 3순환기는 2003년 2분기에 정점을 기록하고 수축국면이 진행되고 있으나 거의 저점에 도달한 것으 로 판단된다. 건축허가면적과 주거용 건설수주 경기변동의 특징은 정점이 다른 변수들에 비해 1~3분기 앞서는 것으로 제시하였다. 마지막으로 여러 변수들의 분석결과를 종합하여 주택시장 순환주기를 제시하였다. 주택경기 제1순환기는 1987~2994년, 제2순환기는 1995~2000년, 제3순환기는 2001년 이후이다.

부동산시장 경기변동과 관련된 기존 연구들을 종합해 볼 때, 1990년대 후반 또 는 2000년대 초반부터 새로운 주택경기 순환주기가 형성되어 있다고 볼 수 있다.

이러한 분석결과를 바탕으로 관련 연구가 수행되어야 할 것이다.

2. 부동산시장 구조전환

부동산시장은 주택대량공급정책이 강력하게 추진되고, 토지공개념 등이 도입 된 1990년대 초 및 외환위기를 겪은 1990년대 말의 두 차례에 걸쳐 구조적 변화 가 발생했을 가능성이 있다(손경환 외, 2002).

부동산시장의 구조적 전환을 검증한 연구결과를 살펴보면, 박헌주․정희남 외 (2000)는 1991년에 주택대량공급, 토지공개념 등의 정책에 따라 부동산시장에서 구조전환이 발생했으며, 1990년대 후반에도 시장의 움직임에 변화가 생겼을 것 으로 추정하고 있다. 서승환․김갑성(1999)은 외환위기 당시 가격폭락으로 부동 산시장의 구조전환이 발생했으며, 관련 변수간의 시차구조 및 인과관계에서 변 화가 나타난 것으로 판단했다. 또한 김재영․김민철(2000)은 경제구조의 변화로 건설시장에도 구조적인 측면에서 상당한 변화가 나타났을 것으로 판단하고, 이 를 반영하는 건설경기 예측모형을 개발하였다. 손경환․김혜승(2002)은 페티트 검정을 통해 주택매매시장에서 1991년에 구조변환이 일어났으며, 주택전세시장 은 1999년 초에 구조변환이 나타났음을 보여주었다.

기존연구의 결과에서 보는 것과 같이 부동산시장은 주택이 대량으로 공급된 1990년대 초반과 외환위기 이후인 1990년대 후반에 구조적 전환을 겪었을 가능 성이 높다. 따라서 부동산시장을 분석하거나 예측모형을 개발할 때 이러한 구조 적 변화를 감안하여 분석기간을 설정하고, 변수들간의 관계를 재조정할 필요가 있다.

3. 금융시장 스트레스지수

최근 금융부문에서는 조기경보시스템(Early Warning System, 이하 EWS) 또는 조기경보지수(Early Warning Indicators, 이하 EWI)의 문제점을 보완하는 방법으 로 금융스트레스지수(Financial Stress Index, 이하 FSI)가 강조되고 있다. EWS, EWI는 은행위기, 통화위기 등 제한적인 측면에서 접근하고 있는 반면, FSI는 전

제 2 장∙이론적 배경과 선행연구 고찰 11

수 있기 때문이다(주상영․한상범, 2005; 손동주, 2006). 실제로 캐나다 중앙은행 (Bank of Canada)은 금융스트레스지수(Financial Stress Index, 이하 FSI)를 개발하 였으며, 스웨덴 중앙은행과 스위스 중앙은행은 각각 ECI(Equilibrium Condition Index, 이하 ECI)와 FCI를 개발하였다. 뿐만 아니라 골드만삭스는 자체적으로 GSFCI(The Goldman Sachs Financial Condition Index : The Right Tool for New Monetary Policy Regime)을 개발하여 사용하고 있다.

스트레스지수와 관련된 연구는 대부분 금융시장과 관련된 연구이다. 이 중 캐 나다 중앙은행의 FSI가 가장 두드러진다(주상영․한상범, 2005). 캐나다 중앙은 행은 금융스트레스를 금융시장 및 금융기관의 불확실성, 손실에 대한 기대변화 로 야기되는 경제주체들의 압박으로 정의하였다(Illing and Liu, 2003). FSI는 자산 시장(Equity market), 채권시장(Bond market), 외환시장(Foreign exchange market), 은행부문(Banking sector)별로 변수를 추출하여 부문별 스트레스 지수를 구성한 다음 이들을 가중평균하는 방식으로 금융스트레스를 지수화하고 있다. 뱅킹부문 은 자본자산가격결정모형(CAPM) 상의 베타개념을 적용하여 은행산업의 주가수 익률에 대한 베타를 이용하였다.¹⁾ 외환시장은 CMAX모형을 이용하였다. CMAX 는 월가의 실무자들이 이용하는 분석모형으로 과거 일정기간 내 최고 환율로 현 재의 환율을 나누어준 값이다.²⁾ 주식시장은 GARCH(1,1)에 의한 주가지수의 조 건부분산을 이용하였으며, 채권시장은 회사수익률과 국채수익률과의 차이인 위 험스프레드를 이용하였다. 이렇게 부문별로 선정된 각 변수의 경험누적확률분포 를 기반으로 원래의 변수를 표준화한 후 이를 단일지수로 전환하였다. 여러 방식 으로 FSI를 구성한 결과 각 부문별 시장규모를 가중치로 이용한 신용가중(Credit Weight) 방법을 적용한 경우가 가장 통계적 오류가 작은 의미있는 FSI로 선정되 었다.

골드만삭스는 금융시장 종합지표로 금융상황지수(GSFCI)를 개발하였다.

1) _{  }





; r은 은행부문 주가지수 연간 수익률, m은 시장종합지수의 연간 수익률 2) _ max∈_{  }   ⋯

_

; x는 환율, T는 보통 1년 또는 2년

GSFCI는 실질 3개월 LIBOR, 실질 A등급 기업 채권수익률, 골드만삭스의 실질무 역가중달러지수(Trade Weighted Dollor Index, GSTWI), GDP대비 시가총액비율의 4개 변수로 구성하였다. 4가지 변수에 대한 가중치는 FRB의 미국경제 거시모형 을 참조하고 실증적 경험자료를 근거로 산출하였다.³⁾ GSFCI는 실증적으로 실물 GDP의 변화에 비하여 3분기 정도 선행하고 있는 것으로 분석되었다(주상영․한 상범, 2005).

우리나라 금융시장에 대한 스트레스지수를 작성한 연구는 주상영․한상범 (2005), 한상범(2005), 손동주(2006)이다. 주상영․한상범(2005)는 캐나다 중앙은 행의 FSI의 방법론을 준용하여 각 시장부문별로 대표변수를 선정하였다. 은행부 문, 외환시장, 주식시장, 채권시장에 대해서 각각 은행업 베타, 외환시장 변동성 (EGARCH), 주식시장 CMAX, 회사채수익률 스프레드를 사용하였다.⁴⁾ 가중치는 주요인분석, 신용가중 방법을 통해 적용하였는데, 신용가중 방식에 의한 지수가 주요인분석에 의한 지수를 선행하는 모습을 나타낸다는 결과를 도출하였다.

한상범(2005)은 골드만삭스 GSFCI를 참고하여 우리나라에 적합한 금융상황지 수(Financial Conditions Index, 이하 FCI) 개발을 시도하였다. 총수요식 추정결과를 바탕으로 실질금리와 실질주가상승률 두 변수만을 이용하여 FCI를 구성하였다.

손동주(2006)는 주상범․한상범(2005)에서 고려한 변수들을 거의 그대로 사용 하였지만 은행부문에 있어서 콜금리를 추가적으로 고려하였다. 각 부문을 종합 하여 단일지수로 만들기 위해 주요인분석 가중방식을 이용하였으며, 더 나아가 FSI에 대한 조기경보지표를 주요인분석을 통해 개발하였다.

3) 실질 3개월 LIBOR 35%, 실질 A등급 기업 채권 수익률 55%, 실질 GSTWI 5%, GDP대비 시가총액 비율 5%의 가중치가 부여되었다.

4) 주상영․한상범(2005)에 따르면 외환시장 변동성을 GARCH 대신 EGARCH 모형을 사용한 이유는 비대

제 2 장∙이론적 배경과 선행연구 고찰 13

4. 부동산시장 지수

부동산시장 경기를 한 눈에 보여줄 수 있는 부동산시장 지수와 관련된 연구는 거의 없는 실정이다. 설문조사를 이용한 부동산경기실사지수가 대부분을 차지하 며, 부동산시장과 연관이 높은 변수를 종합하여 이를 지수화한 연구는 아직 미흡 한 실정이다.

최근에 건설교통부(2004), 서승환(2005)에서 부동산시장 선행지표를 작성한 연 구가 있으나, 가격의 움직임을 선행지표화한 연구로서 본 연구에서 제시하고자 하는 부동산시장 종합적 지수화는 아직 이루어지지 못한 실정이다.

건설교통부(2004)는 NBER(National Bureau of Economic Reserch)의 지수작성법, 주성분분석(Principal Component Anaysis, PCA), Stock and Watson(1989)의 동적요 인모형(Dynamic Factor Model)을 이용하여 주택시장 선행지표를 지수화하였다.

종합주가지수, 3년만기 국고채 금리, 경기선행지수, 그리고 주택청약예금 구좌수 를 선행변수로 선정하여 각각의 방법으로 선행지표를 작성하였으며, NBER, 주 성분분석에 의해 추출된 선행지표들은 주택매매가격에 대해 예측력을 보유하는 것으로 판정되었다. 한편 Stock-Watson 모형에서 도출된 지표는 2000년 이후에는 선행지표로서 유용성이 급격하게 소멸하는 것으로 나타났다. 이 연구는 주택시 장을 선행하는 지표를 발굴하여 선정한 기초연구로서 의의가 크다. 단, 교차상관 함수, 그랜저인과분석을 통해 선행변수를 선정하였지만, 주택시장 유관변수로 주택청약예금구좌수만이 선정된 것이 큰 한계이다. 금융 및 자본시장과의 연관 성이 높아지고 있는 것은 사실이나 주택시장은 기본적으로 주택수요와 공급에 의해 움직인다는 점을 상기할 필요가 있다.

서승환(2005)은 주가변화율, 청약예금 구좌수 변화율 및 금리변화율 등을 이용 하여 Stock-Watson 지수를 작성하였다. 이러한 지수는 주택매매가격 변화율에 1 분기 정도 선행하는 것으로 나타났다. SW 지수가 가진 정보를 추가로 부동산가 격 예측모형에 이용할 경우 예측력을 제고하는 것으로 나타났다. 검정결과 시계 열이 전환점 근처에서 움직이는 상황에서 선행지수가 갖는 정보를 적절하게 이

용하면 예측력을 제고시킬 수 있는 것으로 나타났다. 이 경우 예측력 제고의 효 과는 구조모형보다는 시계열 모형의 경우 특히 두드러지는 것으로 나타났다.

부동산가격을 예측하기 위한 이론적 및 실증적 분석과 관련된 연구는 많이 수 행되었다. 주택가격 예측의 전제로 논의되는 것이 주택시장의 효율성에 관한 것 이다. 과거의 변화치가 현재의 변화를 얼마나 잘 설명할 수 있는 것과 관련이 깊 다. 대체적으로 과거 가격변동의 약 25~30% 정도가 현재가격 변동를 설명하는 약효율적 시장가설이 입증되고 있다(Case & Shiller, 1989).

주택가격 예측모형은 순수한 시계열자료를 이용하는 모형과 구조모형으로 대 별할 수 있다. 순수시계열 자료를 이용하는 모형에는 ARIMA 모형, VAR 모형 및 준파라메타 모형 등이 포함된다. 한편 구조모형에는 헤도닉 가격모형을 원용 한 모형과 거시계량 모형을 원용한 모형들이 포함된다.

우리나라의 경우 순수시계열 모형에 의한 분석으로는 ARIMA 모형을 이용한 경우(윤주현․김혜승, 2000 등), VAR 모형을 이용한 경우는 윤주현(2001), 손경 환 외(2003) 등을 들 수 있다. 거시계량 구조모형은 서승환(1994), 손경환 외 (2002), 손경환 외(2003) 등을 들 수 있다.

5. 지수작성법

(1) 표준지수작성법

표준지수 작성법은 NBER법이라고도 알려져 있는 방법으로 그 절차를 예시하 면 다음과 같다.

단계 1 : 먼저 첫 번째 단계로 전월비 증감률을 산출한다. 단 구성 지표별 전월 비 증감률 산출은 다음 식을 이용한다.

_  × _  

__  

제 2 장∙이론적 배경과 선행연구 고찰 15

이 때 비율지표의 경우에는 다음 식을 사용한다.

_ __  

단, i = 1, … , k(component), t는 시간임.

단계 2 : 다음 단계로 증감률 진폭을 표준화 시켜서 증감률을 산출한다. 이때 표준화는 다음의 산식을 이용한다.

_



  



_ ×_

_ 

  





_

_

, _ _



여기서, _ : 전월비증감률의 표준편차

_ : 표준화 인자값

단계 3 : 마지막으로 지수를 산출한다. 특히 이때 기준년도의 지수평균이 다음 의 식처럼 100이 되도록 산출하게 된다.

_  _{  × }

 _

 _

where, _  

이러한 방식의 지수산출은 n-개의 구성지표들이 동일한 가중치를 가지고 지 수에 기여하는 구조를 가지고 있다.

(2) 주성분분석

주성분분석(Principal Analysis, 이하 PC)은 N-개 구성지표에 대해 주성분분석을 실행하여 가중치를 통계적으로 산출하는 방법이다. PC 분석은 구성지표들의 공 분산행렬을 구한 뒤 이의 특성근과 특성벡터를 계산하고 그 중 가장 큰 특성근에 상응하는 특성벡터를 가중치로 두는 방식을 의미한다. 일반적으로 주성분 분석 은 여러 개(N≥2)의 변수들 사이의 분산-공분산 관계를 이용하여 이 변수들의 선 형결합으로 표시되는 주성분을 찾고 이 중에서 중요한 K(≤N)개의 주성분으로 전체변동의 대부분을 설명하고자 하는 계량분석기법이다. 특히 본 연구의 위험 지수 시산단계에서 사용하려하는 PC 분석은 선형관계식을 이용하여 자료의 차 수를 감소시켜 그 해석과 요약을 용이하게 하는 장점이 있다. 이 기법을 간단하 게 소개하면 다음과 같다.

_를 N개의 수익률벡터, 그리고 이의 공분산행렬을 __′   라고 하자.

′=(__…_)을 가중치 행렬이라고 두고 새로운 변수 _  ′_를 구성했다 고 하자. 이때 __′   ′임을 알 수 있다. PC 분석은 ′  이라는 제 약조건하에 새 변수 _의 공분산을 극대화하는 가중치행렬 를 찾는 문제로 요 약할 수 있다. 즉,

max

  ′  ′  

단, 는 Lagrange 승수이다. 극대화를 위한 일차조건을 구해 이를 영으로 두면 다음을 얻는다.





      ⇒   _{ }  

따라서 가 영이 아닌 의미있는 해를 얻기 위해서는 (  _{ })의 행렬식이 영이어야 한다.

제 2 장∙이론적 배경과 선행연구 고찰 17





이는 N-차원의 다항식이므로 는 다음과 같은 N개의 해를 갖는다. 즉

_ ≥ _ ≥ …≥ _ 간단한 선형대수의 원리를 이용하면 가중치 행렬의 제약조 건하에서 _ _′_≡__′이 성립함을 보일 수 있다. 즉, i번째로 큰 특성 근 _는 i-번째 새변량 _{ }의 분산이 되는 것이다. 따라서 만일 K(<N)개의 주요인 이 대부분의 ′를 설명하고 나머지 (N-K)개의 주요인의 분산에 대한 설명력 이 미미하다면 처음의 K개의 주요인을 우리가 구하고자 하는 팩터로 간주할 수 있다.

(3) Stock-Watson 모형

지수 산출 계량모형은 Stock-Watson(1991)모형을 들 수 있다.













^∆_    __ ~ N(0,1),

_  _ _~ _^⋯_^

여기서 _는 위기지수 구성지표(성장률)를 나타내고 ∆_는 위기지수, 즉 미 관측 상태변수의 성장률이다.

따라서 위의 모형을 최우추정한 뒤 얻게 되는 _의 추정치를 위험지수로 해석 할 수 있게 된다. 이러한 모형을 사용하는 방법은 표준지수작성법에 비해 실무적 으로 운용하기에는 파라미터 추정치의 안정성 등 문제로 다소 어려울 수 있으나 일단 모형이 설정되고 추정되면 위험의 향후 예측에 유용하게 사용될 수 있다.

3

C ․ H ․ A ․ P ․ T ․ E ․ R ․ 3

주택시장 진단지수의 개발

1. 주택시장진단지수의 개요

주택시장진단지수는 주택시장 정상화 수준에 비해 현재 주택시장이 어떤 상황 에 놓여있는가를 분석하는 도구로 정의하였다. 즉 주택시장진단지수를 구성하고 있는 각 개별 지표가 정의한 정상화 수준보다 높다면 확장, 낮다면 수축 상황에 놓여있다는 것을 의미하게 된다. 각 개별지표를 종합화한 주택시장진단지수도 시장 정상화 수준에 비해 현재 시장이 어떤 상황인가를 보여주게 된다.

주택시장진단지수는 부동산시장 조기경보시스템의 분석주기에 맞춰 매월 작 성될 수 있도록 하였다. 또한 지수를 구성하는 변수는 쉽게 접근가능하고, 공신 력을 가진 통계청 승인통계를 이용하였다.

<표 3-1> 주택시장진단지수의 개요

목표 주택시장 정상화 수준에 비해 현재 주택시장이 어떠한 상황에 놓여있는가를 분석

작성주기 매월

구성변수 공신력을 가진 통계청 승인통계 이용

20

2. 지수 구성변수의 선정

주택시장진단지수를 구성하는 변수는 국토해양부, 부동산시장 관련 연구기관 등에서 주택시장 진단 및 분석시 이용하는 자료, 전문가 설문조사, 주택시장의 구조 및 시스템 등을 종합하여 선정하였다.

1) 시장동향 분석자료

국토해양부, 부동산시장 관련 연구기관에서 정기적으로 생산하는 부동산시장 동향자료에 포함되어 있는 내용을 요약하면 다음 <표 3-2>와 같다. 예상할 수 있는 것과 같이 주택가격과 주택거래는 시장동향 분석에서 빠질 수 없는 매우 중요한 자료이다. 그리고 주택공급, 미분양주택이 중요한 자료로 이용되고 있다. 미분양통 계는 주택공급 상황뿐만 아니라 신규 주택수요를 분석하는 중요한 변수로도 이용 되고 있다.

<표 3-2> 국토해양부 및 부동산시장 연구기관 동향분석시 이용지표

구분 국토해양부 주택산업연구원 한국건설산업연구원

자료내용 -주택가격

-주택거래

-주택가격 -주택거래 -주택공급 -미분양주택

-주택가격 -주택거래 -주택공급 자료 : 각 기관 부동산시장 동향분석자료

2) 전문가 설문조사

주택시장 동향 또는 스트레스 분석 시 유용한 변수에 대해 전문가 설문조사를 실시하였다. 가격 및 거래, 주택공급, 산업 및 경기, 통화, 금리, 대출 및 저축, 주 식시장, 물가, 국제무역 및 환율 등으로 구분하여 총 41개의 통계를 제시하고 주 택시장 동향 또는 스트레스 분석을 위해 유용한 변수 5개를 선택하도록 설문을

구성하였다.

<표 3-3> 주택시장 동향(스트레스) 분석시 유용한 변수에 대한 전문가 조사결과 (단위 : %)

변수명 응답비율 변수명 응답비율

주택가격 22.0 한국은행BSI 0.7

전세가격 8.3 한국은행CSI 0.7

토지가격 0.7 Lf 1.3

토지거래량 0.3 M2 1.3

건축물거래량 1.7 M1 1.0

아파트거래량 8.3 CD수익률 3.3

매수-매도세 2.3 국고채금리 2.0

전세수요-공급 1.7 주택담보대출금리 10.0

건설허가실적 7.3 가계대출 0.3

착공실적 6.3 주택담보대출 5.3

미분양주택수 8.7 KOSPI 2.3

선행종합지수 4.0 계 100.0

전문가조사 응답결과를 살펴보면 가격, 거래, 공급, 미분양주택, 금리 변수에 대한 응답비율이 높다. 가격(주택가격, 전세가격) 30.3%, 거래(토지, 건축물, 아파 트 거래량) 10.3%, 공급(허가, 착공 실적) 13.6%, 미분양 주택 8.7%, 금리(CD수익 률, 국고채금리, 주택담보대출금리) 15.3%로 나타났다.

3) 주택시장 구조 및 시스템

주택시장은 기본적으로 주택에 대한 수요와 공급에 대해 움직인다. 주택시장 을 체계적으로 분석하고 이해하는 데 있어 Dispasquale and Wheaton(1996)의 4사 분면 모형이 주로 이용된다(손경환 외, 2002; 김지현, 2007). 다음 <그림 3-1>에서 보는 것과 같이 4사분면 모형은 공간과 자산시장이 각각 어떻게 작동하며 이 두 시장의 관계에 대한 장기균형효과를 설명하는데 매우 유용하다. 오른쪽의 제1, 제4분면은 공간시장을 나타내고 왼쪽의 제2, 3사분면은 자산시장을 나타낸다. 부

22

동산에 대한 수요의 크기는 공간시장에서 지대(임대료 등)를 결정하며, 이렇게 결정된 임대료를 시장이자율 등으로 할인한 값을 바탕으로 자산시장에서 자산의 가격이 형성된다. 자산가격이 변동하면 자산의 수요와 공급이 변화하며, 이에 따 라 자산의 재고가 변동해 다시 지대에 영향을 미치는 메카니즘으로 구성된다.

<그림 3-1> 부동산시장의 4사분면 모형

<그림 3-1>에서 점선으로 이루어진 사각형의 각 축은 오른쪽 수평선부터 시계 반대방향으로 건축된 공간의 재고량, 임대료, 부동산가격, 그리고 신규 건설량을 나타내는 것으로 각각의 균형가격과 균형량이 이들 간의 체계적인 상호작용을 통해 결정된다.

이러한 부동산시장의 공간시장, 자산시장의 관계를 살펴본 결과, 부동산시장 의 종합적이고, 체계적인 구조 또는 시스템을 분석하기 위해서는 재고량, 임대료, 부동산가격, 신규건설량, 임대료 등의 변수가 매우 중요하다는 사실을 알 수 있 다. 주택시장진단지수를 개발할 때 이러한 변수가 충분히 반영될 수 있도록 설계 하는 것이 매우 중요하다.

4) 지수 구성변수의 선정

(1) 변수의 선정

국토해양부, 부동산시장 관련 연구기관 등에서 주택시장 진단 및 분석 시 이용 하는 자료, 전문가 설문조사, 주택시장의 구조 및 시스템 등을 종합하여 주택시 장진단지수의 구성변수를 선정하였다.

선정한 변수는 가격, 거래, 공급, 미분양주택이다. 전문가 설문조사에서 이들 변수 외에 금리에 대한 비율이 높게 나타났으나, 금리는 주택시장 상황을 직접적 으로 나타내는 변수로 보기 어렵고, 4사분면 모형에서 보는 것과 같이 가격은 시 장이자율로 임대료를 할인하여 나타난 값이므로 금리는 이미 가격에 반영되어 있다고 보았다.

4사분면 모형에서 부동산시장의 균형은 재고량, 임대료, 부동산가격, 신규건설 량으로 표현되는데 주택가격, 주택공급, 미분양주택이 이를 모두 포괄할 수 있다.

재고량은 스톡의 개념으로 매년 집계되고 있으나, 정확한 통계는 5년마다 실시하 는 인구주택총조사를 통해 구할 수 있다. 매월 단위의 지수산정을 위해서는 매월 구득이 가능한 주택공급, 미분양주택을 재고량의 대리변수로 이용해야 한다. 스톡 인 재고량은 플로우인 주택공급, 스톡인 미분양주택에 의해 움직인다는 점을 생각 할 때 충분히 주택공급과 미분양주택이 재고량을 대리해 줄 수 있다고 판단된다.

그리고 미분양주택은 주택산업연구원에서만 동향분석시 이용되고 있는 자료이나, 이는 4사분면 모형의 신규주택 공급량, 재고량에 영향을 주는 변수일 뿐만 아니라 신규 주택수요를 대변할 수 있다는 점에서 매우 중요한 변수로 이용될 수 있다.

<표 3-4> 주택시장진단지수 구성변수의 선정

선정변수 시장동향 분석자료 4사분면 모형

주택가격(전세가격) 국토해양부, 주산연, 건산연 부동산가격, 임대료

주택거래 국토해양부, 주산연, 건산연

주택공급 주산연, 건산연 신규건설량, 재고량

24

(2) 변수의 이용기준

여기서는 각 선정된 변수의 어느 통계를 이용할 것인지, 변동률을 이용할 것인 지, 수준변수를 이용할 것인지에 대한 기준을 세우고자 한다. 이러한 이용기준을 세우기 위해서는 각 변수를 이용한 시장 분석 시 가장 주안이 되어야 할 점이 무엇인지와 각 변수의 통계적 특성을 검토하는 것이 필요하다.

변수의 주요 이용기준을 제시하면 다음과 같다. 우선 추세가 있는 변수는 추세 성분을 제어하기 위해 변동률을 이용하고, 그렇지 않은 변수는 수준변수를 이용 한다. 다음으로 불규칙 성분은 그 통계의 특성을 감안하여 제어한다.

① 주택가격

주택가격(전세가격)의 경우 국민은행 가격지수를 이용하고자 한다. 국민은행 가격지수는 1986년부터 조사되어 온 통계청 승인통계이다. 주택가격은 추세성분 을 가지고 있으므로 이를 제어하기 위해 기본적으로 변동률을 이용하여 분석한다.

그리고 전기변동률을 이용하고자 한다. 동기변동률이 통계적으로 보다 안정적 인 자료로 볼 수 있으나, 시장진단 및 분석을 위해서는 시장상황의 속보성이 우 선시 될 필요가 있다.⁵⁾ 그리고 경기순환과 관련된 연구에 따르면 경제성장이 어 느 정도 도달하면 경기변동폭이 점차 줄어드는 경향이 있다(Kim & Nelson, 1999). 부동산시장도 마찬가지라고 볼 수 있다. 이러한 경우 동기변동률은 시장 상황을 과소평가하게 되는 오류를 범할 수 있다.

또한 주택시장의 불완전성으로 인해 군집행동(herding)이 나타나기도 하지만, 침체기에는 가격이 하방경직되는 특성을 가지고 있다. 이러한 현상을 감안하지 않을 경우 시장상황을 과소평가하게 되는 우를 범할 수 있다. 따라서 현기와 전 기의 주택가격변동률의 부호가 같을 경우 현기와 전기의 주택가격변동률을 합하 였다.

5) 부동산시장조기경보시스템 모형의 경우도 초기에는 동기변동률을 이용하여 구축되었으나, 추후 시 장 분석의 속보성을 높이기 위해 전기변동률을 이용한 모형으로 변경되었다.