신용스프레드 결정요인 분석 및 거시변수에 미치는 주요 영향
- 주제(키워드) 신용스프레드 , 초과채권프리미엄 , VAR 모형 , 분산분해
- 발행기관 서강대학교 일반대학원
- 지도교수 김재호
- 발행년도 2026
- 학위수여년월 2026. 2
- 학위명 석사
- 학과 및 전공 일반대학원 경제학과
- 실제URI http://www.dcollection.net/handler/sogang/000000082216
- UCI I804:11029-000000082216
- 본문언어 한국어
- 저작권 논문은 저작권에 의해 보호받습니다.
초록(요약문)
신용스프레드는 회사채와 국고채 간의 금리 차이로, 금융시장의 신용위험과 투자자 심리를 반영하는 중요한 지표이다. 신용스프레드는 기업의 자금조달 비용에 직접적인 영향을 미치며, 실물경제의 투자와 성장에 파급효과를 가져온다. 우리 나라의 경우 2003년 카드 사태, 2008년 글로벌 금융위기, 2022년 레고랜드 사태 등에서 신용스프레드가 급등하였으며, 이러한 신용스프레드 확대는 회복에 상당한 기간이 소요되므로 이에 대한 면밀한 분석은 금융안정정책과 통화정책의 효과적 운용을 위해 필수적이다. 본 연구는 2005년부터 2024년까지의 기간을 대상으로 한국의 신용스프레드 변화 요인을 체계적으로 분석하고, 신용스프레드가 거시경제변수에 미치는 동태적 파급효과를 규명하는 것을 목적으로 한다. 특히 Gilchrist and Zakrajšek(2012)의 방법론을 적용하여 신용스프레드에서 초과채권프리미엄(Excess Bond Premium, EBP)을 추출하고, 이것이 실질GDP 등 거시변수에 미치는 영향을 실증적으로 분석하였다. 분석 방법론으로는 VAR 모형을 활용하여 충격반응함수와 분산분해 분석을 수행하였으며, 부도확률의 근사변수(proxy variable)로 투기등급 비중을, 유동성 지표로는 회사채 거래량 데이터를 활용하였다. 주요 분석 결과는 다음과 같다. 첫째, 신용스프레드에 대한 분산분해 분석 결과, 기업의 펀더멘탈 요인이 18% 수준의 기여도를 보여 기존 선행연구에서 제기된 신용스프레드 퍼즐과 부합하는 것으로 나타났다. 투기등급 비중의 변화가 신용스프레드 변동의 중요한 설명요인으로 확인되었으며, 최근 기업 부도가 매우 드물게 발생하는 상황을 감안할 때 투기등급 비중은 부도확률의 효과적인 근사변수 역할을 하는 것으로 평가된다. 둘째, 신용등급별 신용스프레드의 분산분해 결과에서 신용등급이 낮아질수록 기업 펀더멘탈 요인의 영향이 더 높게 나타났으며, BBB+ 등급의 경우 중장기에는 29% 수준까지 기여도가 커지는 반면, 우량등급인 AA 등 급은 단기적으로 유동성 요인에 더 민감하게 반응하는 것으로 확인되었다. 셋째, EBP 충격이 실물경제에 미치는 영향을 분석한 결과, 양의 EBP 충격 발생 시 약 1 년에 걸쳐 성장이 악화되는 것으로 확인되었다. GDP에 대한 분산분해에서 단기적으로는 실물 고유 요인이 지배적이지만, 중장기적으로는 EBP 충격의 기여도가 약 7% 수준을 나타내 Gilchrist and Zakrajšek(2012)의 연구와 유사한 결과를 보였다. 반면, 물가에 대한 EBP 충격의 중장기 기여도는 2% 미만으로 낮게 나타났는데, 이는 한국이 소규모 개방경제로서 환율 경로를 통한 수입물가의 영향이 상대적으로 중요하며, 신용시장 충격보다는 대외 요인이 물가에 미치는 영향이 더 크다는 것을 시사한다. 본 연구는 2022년 레고랜드 사태 이후 최신 기간을 포함하여 한국의 신용스프레드를 분석하였다는 점에서 시의성이 있다. 또한 투기등급 비중을 부도확률의 근사변수로 활용하고 EBP를 통해 비펀더멘탈 요인을 분리하는 방법론을 적용하여 한국 신용시장과 관련한 기존 연구를 보완하였다는 점에서 학술적 의의가 있다. 본 연구의 결과는 신용시장 충격이 실물경제에 미치는 파급효과가 상당기간 지속됨을 확인함으로써 적기 정책대응의 필요성을 시사하며, 채권운용 등 실무적 차원에서는 신용등급별 차별화된 요인에 집중할 필요성을 제시한다. 또한 충격반응 분석은 경제 여건에 따라 통화정책과 거시건전성 정책 간 조화로운 운용이 필요함을 시사한다. 핵심 주제어: 신용스프레드(credit spread), 초과채권프리미엄(Excess Bond Premium, EBP), VAR(Vector Autoregressive) 모형, 분산분해(Variance Decomposition)
more초록(요약문)
Credit spreads, defined as the interest rate differential between corporate bonds and government bonds, serve as a crucial indicator reflecting credit risk and investor sentiment in financial markets. These spreads directly affect corporate financing costs and generate spillover effects on investment and growth in the real economy. In Korea, credit spreads surged during major economic crises, including the 2003 credit card crisis, the 2008 Global Financial Crisis, and the 2022 Legoland crisis. Since the recovery from such spread expansions requires a considerable period, a careful analysis of credit spreads is essential for the effective implementation of financial stability and monetary policies. This study systematically analyzes the determinants of Korea’s credit spreads from 2005 to 2024 and aims to identify their dynamic spillover effects on macroeconomic variables. Specifically, applying the methodology of Gilchrist and Zakrajšek (2012), this study extracts the Excess Bond Premium (EBP) from credit spreads and em- pirically analyzes its impact on real GDP and other macroeconomic variables. The analysis employs a VAR model to conduct impulse response function and variance decomposition analyses, utilizing the speculative-grade bond ratio as a proxy for default probability and corporate bond trading volume as a liquidity indicator. The main findings are as follows. First, variance decomposition analysis of credit spreads reveals that corporate fundamental factors contribute approximately 18%, consistent with the "credit spread puzzle" highlighted in previous studies. Changes in the speculative-grade bond ratio were identified as a significant explanatory factor for credit spread fluctuations. Given the rarity of corporate defaults in recent years, this ratio is found to effectively serve as a proxy for default probability. Second, variance decomposition results by credit rating indicate that the influence of fundamental factors increases as credit ratings decline; for BBB+ rated bonds, the contribution reaches up to 29% in the medium to long term. In contrast, high-grade AA bonds respond more sensitively to liquidity factors in the short term. Third, the analysis 70of EBP shocks on the real economy confirms that a positive EBP shock leads to a deterioration in growth lasting approximately one year. Variance decomposition for GDP shows that while real sector-specific factors dominate in the short term, the contribution of EBP shocks rises to about 7% in the medium to long term, aligning with the findings of Gilchrist and Zakrajšek (2012). Conversely, the medium- to long- term contribution of EBP shocks to inflation is low (less than 2%), suggesting that in a small open economy like Korea, import prices via the exchange rate channel and external factors have a greater impact on domestic prices than credit market shocks. This study is timely as it analyzes Korea’s credit spreads through the most re- cent period, including the post-2022 Legoland crisis. It holds academic significance by complementing existing research on the Korean credit market through the use of the speculative-grade bond ratio as a default proxy and the isolation of non- fundamental factors via EBP. The results confirm that the adverse effects of credit market shocks on the real economy persist for a considerable period, highlighting the importance of timely policy responses. From a practical perspective, such as in bond portfolio management, the findings suggest focusing on differentiated factors according to credit ratings. Furthermore, the impulse response analysis implies that a harmonious coordination between monetary policy and macroprudential policy is necessary depending on economic conditions. Key words: Credit spread, Excess Bond Premium (EBP), Vector Autoregressive (VAR) model, Variance decomposition
more목차
1 서론 1
2 자료 및 방법론 5
2.1 자료 설명 5
2.2 방법론 및 모형 11
2.2.1 EBP 추정 방법론 및 도출 결과 11
2.2.2 VAR(Vector Autoregressive) 모형 13
2.2.3 분산분해(Variance Decomposition) 15
3 분석 결과 16
3.1 EBP의 거시변수 예측력 검증 16
3.2 충격반응함수(IRF) 분석 결과 19
3.3 주요 거시변수에 대한 분산분해(Variance Decomposition) 분석 결과 26
3.4 신용스프레드에 대한 분산분해(Variance Decomposition) 분석 결과 27
4 결론 29
5 참고문헌 31
