저는 여러 경제 보고서들을 틈틈히 읽어보는 편입니다.
그런데 통계학과를 전공함에도 불구하고, 간혹 처음 들어보는 방법론들이 있습니다.
그래서 하나하나 관심이 가는 방법론을 살펴보다보면 무언가 깨우치는 것이 있을 것 같아서 무작정 이번 시리즈를 기획하게 되었습니다.
그래서 처음 소개할 방법론 시리즈의 주제는 UBS의 Global Real Estate Bubble Index 입니다.
한국은행 2025년 6월 금융안정보고서를 읽어보면서 "주택시장 위험지수"가 있다는 것을 알게 되어 2024년 9월 통화신용정책보고서를 살펴보니, 다음과 같이 소개가 되어있었습니다.
IMF 방법론을 인용한 서울 아파트 가격 갭 산출도 흥미로워보였지만, 다음에 시리즈에서 다루기로 하고 UBS 방법론을 살펴보기로 하였습니다. 그래서 가져온 것이 바로 UBS Global Real Estate Bubble Index (2023)입니다.
[Methodology]
"UBS Global Real Estate Bubble Index"는 주택 시장의 Fundamental Valuation과 해당 국가나, 경제적 왜곡(대출 or 건설 붐)과 관련지어 도시의 가치를 추적하는 지수입니다.
지수는 값에 따라 다음과 같이 구분됩니다.
- Depressed(Score Below -1.5)
- undervalued(-1.5 to -0.5)
- fair-valued(-0.5 to 0.5)
- overvalued(0.5 to 1.5)
- bubble risk(above 1.5)
가격 조정이 언제 일어날지, 일어나기는 할 지 예측할 수는 없기 때문에 여기서 'Bubble Risk'는 큰 가격 조정에 대한 높은 위험이 존재한다는 의미입니다.
지수 산출을 위해 활용되는 지표는 5가지로 정규화되어 가중평균을 통해 지수를 도출하는데 사용되며, 다음과 같습니다.
- Price-to-Income Ratio
: 주택의 가격이 해당 도시의 평균 소득 대비 얼마나 비싼가를 측정합니다.
UBS는 주로 60m² 아파트를 구입하기 위해 몇 년치 소득이 필요한가로 표현합니다.
-
Price-to-Rent Ratio
: 주택을 구입할 경우와 임차할 경우를 비교하여, 자가보유의 경제적 타당성을 측정합니다.
비율이 높을수록 임대보다 매입이 비경제적이며, 이는 주택가격이 과대평가되었음을 의미할 수 있습니다. -
Mortgage-to-GDP Ratio Change
: 가계가 주택을 구입하기 위해 얼마나 많은 부채(모기지)를 지고 있는지, 그리고 그 비율이 GDP 대비 얼마나 빨리 증가하고 있는지를 봅니다.
급격한 상승은 신용버블 가능성을 시사합니다. -
Construction-to-GDP Ratio Change
: 경제에서 주택 건설에 얼마나 많은 자원이 투입되고 있는가를 측정합니다.
지나친 건설 투자 증가도 공급 과잉과 가격 왜곡의 위험을 나타냅니다. -
City-to-Country Price Ratio
: 특정 도시의 평균 주택가격이 해당 국가 전체 평균 가격 대비 얼마나 높은가를 측정합니다.
지역 간 불균형과 특정 도시의 과열 정도를 파악하는 데 유용합니다.
위 1, 2 지표는 도시 수준의 데이터로 이를 통해 Fundamental Valuation을 평가하며 3, 4 지표는 국가 수준의 데이터로 이를 통해 해당 국가의 경제 왜곡(Economic distortion)을 평가합니다. 다만 이 접근법은 버블 현상의 복잡성에 대해서 완벽하게 설명하지는 못합니다.
가중 평균에 사용되는 가중치 산정 방식은 OECD의 "Handbook on Constructing Composite Indicators(2008)"에 따라 요인 분석을 사용하여 결정합니다.
요인분석(Factor analysis)는 하위 지표들이 공유하는 버블 위험에 대한 공통된 정보를 최대한 포착할 수 있도록 가중치를 부여합니다.
이때, 버블을 유발하는 요인은 도시마다 다르기 땨문에, 도시별로 서로 다른 하위 지표들의 가중치가 도출됩니다. 따라서 국가 단위 변수에 과도하게 가중치가 부여되는 것을 방지하고 도시 간 비교 가능성을 높이기 위해, 각 도시의 가중치는 전체 도시 평균 가중치에서 크게 벗어나지 않도록 제한됩니다.
이렇게 조정된 가중치는 전체 도시들에서의 평균 요인분석 가중치에 근접하게 되며, 최종 지수 산정 과정에 보완적인 역할을 합니다.
도심 인근의 부동산 가격과 임대료는 지역별로 큰 차이를 보이므로, UBS는 추정치를 여러 출처로 교차 검증하고, 매년 갱신하며 재평가합니다. 하지만 데이터 출처의 품질이 다르기 때문에 UBS는 항상 일정 수준의 불확실성 범위(uncertainty range)를 함께 명시합니다.
[objective uncertainty]
위 단원에서 UBS Global Real Estate Bubble Index를 알아보았습니다.
조사하다보니 생각보다 단순해서 다음번엔 위에서 언급된 OECD(2008)를 한번 읽어봐야겠습니다.
또한, 글이 짧아진 관계로 objective uncertainty의 개념과 UBS Global Real Estate Bubble Index와 같은 위험지수 방법론에 대해서도 살펴보겠습니다.
위험(Risk)이란 미래 경제상황에 대한 불확실성으로 발생하는 결과치의 변동성을 의미하며, 발생확률을 객관적으로 추정할 수 있다는 측면에서 객관적 불확실성(objective uncertainty)이라고 합니다.
위험과 유사한 개념으로 불확실성(Uncertainty)이 있으며, 불확실성은 과거 경험에 의존한 주관적 확률만을 고려한 것으로 객관적인 확률분포를 나타낼 수 없다는 점에서 위험과 구별됩니다.
위험과 불확실성은 이론적 개념에서 차이가 있으나, 측정 시에는 확률분포의 분산(표준편차)을 활용하는 것이 일반적이며, 위험과 불확실성을 측정하는 방법은 설문조사, 키워드 분석, 경제모형 기반 분석 등으로 매우 다양하나 확률분포의 분산(표준편차)을 활용하는 경우가 대다수입니다.
불확실성을 계량화하는 지수 방법론 내지 연구에서는 가장 일반적으로 Baker et al(2016)의 방법론을 많이 사용하며 이를 기초로 하는 EPU, HPU 지수를 위 표에서 확인할 수 있습니다.
다만, 제가 EPU와 HPU를 직접 실증 분석해본 결과 부족한 부분이 있을 수도 있었겠지만 키워드 선정에 지수가 큰 영향을 받으며 이전에 비해 뉴스 기사의 수가 많아진 국가에서는 초반 지수의 움직임이 최근에 비해서 변동폭이 작았던 것을 확인하였습니다.
그래서 사실 요인 분석을 통한 지수 방법론인 UBS 부동산 버블 지수를 알아보고자 했던 것입니다.
그럼 국토연구원이 2023년 발표한 국토정책 Brief 한국형 부동산 시장 위험지수 개발과 활용 방안에 대해 살펴보며 UBS의 방법론을 한국에서는 어떻게 적용했는지 확인해봅시다.
[국토정책 Brief(2023)]
[필요성]
경제·금융분야에서의 국제연계성이 강화되고 있는 상황에서 부동산분야에서도 국제비교가 가능한 위험측정 수단으로 지수개발이 필요한 실정이다. 2021년 기준 한국 가계자산의 73.7%가 부동산자산으로 구성되어 있어 경제구조 내 부동산시장의 영향력은 매우 큰 편이며, 세계경제라는 큰 틀에서 서로 영향을 주고받기 때문에 국제비교를 통해 한국 주택시장의 상대적 수준을 파악하는 것이 중요하기 때문이다.
부동산을 비롯한 자산버블의 붕괴는 글로벌 금융위기와 같이 대외경제 상황에 영향을 받는 경우가 많고, 개인뿐 아니라 국가경제에도 부정적 영향을 미치므로 정부 차원의 신속한 위험감지 및 정책대응이 필요하다.
따라서, 다양한 위험지수의 측정방법론을 검토하여 국제비교가 가능한 핵심지수를 개발하고, 국내 여건과 정책·심리적 요인들을 반영한 보완적 지수도 함께 개발하여 국내외 주택시장 분석, 시장대응방안 마련,제도개선 등에 활용할 필요가 있다.
이에 국토연구원은 정량적 분석 기반의 핵심지수인 K-UBS 지수(가칭: 주택시장 위험지수)와 정성적 분석 기반의 보조지수인 K-HPU 지수(가칭: 주택시장 불확실성 지수)를 개발하고자 한다.
핵심지수는 위험의 이론적 개념과 원인진단 가능성이 뛰어나며, 분석자료의 확보가 용이하고 국제비교가 가능한 UBS의 부동산 버블지수를 벤치마크로 설정하였다.
또한 보조지수는 위험의 이론적 정의, 원인진단 가능성, 정보의 적시성 측면에서 우수한 주택가격 불확실성(HPU)지수를 벤치마크로 설정하여 핵심지수를 보완하고자 했다.
핵심지수는 주택의 시장가치가 역사적으로 관찰가능한 범위를 벗어났는지를 계량적으로 측정하며, 보조지수는 정책·심리와 같이 정성적인 요인을 바탕으로 주택시장의 불확실성을 측정한다.
[방법론]
하위변수 데이터 선정기준은 표본대표성, 통계적 측정가능성, 데이터의 신뢰성 및 안정성, 시도단위 자료 획득 가능성, 속보성으로 설정했다.
이러한 데이터 선정기준을 고려하여 가계금융복지조사(소득)와 KB 주택가격동향조사 (주택매매·임차가격)를 활용하여 ① GDP 대비 건설투자 비중의 변화율, ② GDP 대비 주택담보대출 비중의 변화율, ③ 소득대비 주택가격 비율, ④ 주택수익 비율, ⑤ 전국 대비 해당 도시의 주택가격 비율 등 총 5개 변수를 적용하여 지수 도출에 활용하였다.
표준화는 UBS 부동산 버블지수와 동일한 Z-score 방법을 활용하며, 가중치는 표준화된 하위변수 자료를 바탕으로 요인분석을 통해 분기마다 산출하였다.
또한 UBS 방법론에 따라 위기 단계는 과열위험의 경우 1.5 초과, 침체위험의 경우 –1.5 미만으로 설정하였다.
[결과]
위 그래프는 해당 방법론을 통해 도출된 서울의 K-UBS 지수이다.
이를 통해 다음과 같이 정책에 활용할 수 있다.
국가 간 위험전이 및 원인파악에 활용 이 연구의 주요 연구목적이라 할 수 있는 주택시장 위험의 국제비교를 위한 지수활용방안을 제시
- K-UBS 지수와 UBS 부동산 버블지수의 최근 5년 상관관계를 분석하여 모니터링 도시를 선정하고, 전이효과 모형을 바탕으로 세계 주요 도시 간 주택시장 위험의 유입·유출효과를 분석
국내 주택시장 위험경보 포착에 활용 K-UBS 지수와 K-HPU 지수를 이용한 국내 주택시장 분석 및 제도적 기반 강화방안을 제안
- K-UBS 지수 산출에 적용되는 5개 하위변수와 변수별 가중치를 활용하여지수 상승 및 하락의 원인을 파악하고, 시장상황별 맞춤형 정책수립에 활용
시스템화 방안 연구에서 개발된 지수를 정책적으로 상시 활용하기 위한 위험지수의 시스템화 방안을 제시
- 지수 산출에 적용되는 정형·비정형 데이터를 수집·분석하여 시각화하고, 관계부처 등과의 실시간 피드백을 통해 정보를 공유하도록 시스템 구축
또한 국내 주택시장 위험경보 포착을 위해 K-UBS와 K-HPU는 다음과 같이 보완적인 관계로 활용될 수 있다.
주택시장 위험경보 포착방안으로 주택시장 경착륙 위험탐지방안 및 주택가격 변동성 전망 개선방안 등을 제안
- (주택시장 경착륙 위험탐지방안) K-HPU 지수의 CMAX 값이 0.97을 초과하는 시점을 포함하여 K-UBS 지수가 일정 기간 이상 과열위험 단계를 유지할 경우를 경착륙 위험탐지 가이드라인으로 제안
- (주택가격 변동성 전망 개선방안) 주택가격 변화에 대한 당기 예측력 향상을 위해 주택시장 전망 시 K-HPU 지수를 모형에 반영할 것을 제안
제도적 기반 강화방안으로 규제지역 해제 시 정량기준 마련, 조기경보시스템 위기 단계 심의근거 및 주택금융정책 조정시점 판단 근거로 K-UBS 지수를 활용
- (규제지역 해제 시 정량기준 마련) K-UBS 지수가 지속 하락하여 과열위험 단계에서 하향 조정된 경우를 정량기준으로 설정하고, 관련 법령을 개정
- (조기경보시스템 위기 단계 심의근거) 위기 단계 심의 시 K-UBS 지수를 활용하도록 부동산시장 조기경보 시스템 운영위원회 규정을 개정
- (주택금융정책 조정시점 판단 근거) 안정적이고 장기적인 주택금융정책 운영을 위해 K-UBS 지수를 활용해 주택금융정책 조정시점을 판단
