Earticle

본 연구는 우리나라 공적 연금의 두 축인 공무원연금과 국민연금의 세대간 및 세대내 형평성을 분석하였다. 최근 우리나라의 인구구조 변화에 따라 현 부과방식(또는 부분적립방식)의 공적연금 제도의 지속가능성에 의문이 제기되고 있다. 이에 정부는 현재까지 여러 차례 공적 연금 개혁을 단행하였다. 그러나 개혁의 성공을 위해서는 기금 안정 등 정책 목표도 달성해야 하지만 동시에 개혁의 과정에서 형평성이 지켜져야 한다. 본 연구는 이러한 취지에서 현재까지의 연금 개혁을 반영한 연금 추계 모형을 수립하고 이로부터 양 연금제도의 세대간 및 세대내 형평성을 비교분석하였다. 주요 실증 결과를 요약하면 다음과 같다. 첫째, 연금액의 절대치는 공무원연금이 유리함을 재확인하였다. 그러나 그 강도는 이후세대로 갈수록 확연하게 감소하였다. 둘째, 공무원연금제도에 포함된 퇴직수당은 근로자퇴직급여보장법에 의한 퇴직급여(DB형)의 약 39% 수준에 머물렀다. 셋째, 퇴직연금(노령연금)과 퇴직수당(퇴직급여)을 합한 금액을 비교할 경우 양 제도의 차이는 거의 사라졌다. 이는 전술한 공무원 퇴직연금의 상대적 우위와 퇴직급여의 상대적 우위가 서로 상쇄되었기 때문이다. 넷째, 수익비의 경우 공무원연금은 장기적으로 완전적립수준인 1.0으로 수렴할 것으로 예상되었으며 국민연금의 경우 1.62~1.92 수준으로 수렴할 것으로 전망되었다. 다섯째, 퇴직연금(공무원)과 노령연금(국민)의 수익비를 비교한 결과 일반적인 인식과 달리 국민연금의 수익비가 절대적으로 유리하였다. 여섯째, 소득대체율의 경우 장기적으로 공무원연금(국민연금)은 58%~63%(46%~54%)대, 퇴직연금(퇴직급여)를 포함할 경우 68%~72%(70%~78%) 수준으로 수렴할 것으로 전망되었다.

현대 금융시장에서 신용평가는 개인, 기업, 국가의 금융건전성 평가 및 금융 기관의 대출 심사나 리스크 관리에 필수적이나, 급변하는 시장경제 변화와 머신러닝 기술의 발전으로 기존 모형의 한계가 드러나고 있다. 본 연구는 2010년부터 2024년까지 한국기업평가에서 평가한 제조업 기업의 신용등급 자료와 재무 데이터를 분석하여, Random Forest, XGBoost, CatBoost 등 머신러닝 기법을 통해 주요 재무 변수들의 중요도를 도출하고, 이를 결합하여 신용위험 예측력을 향상시키고자 하였다. 이때, 데이터 불균형 문제를 해결하기 위해 SMOTE를 적용하였으며, XAI 기법 중 SHAP을 통해 주요 재무 변수들이 신용위험에 미치 는 영향의 방향 및 변화 구간을 확인하였다. 연구 결과, 실현된 신용위험과 기존 방식으로 평가된 내재적 신용위험 간에 중요한 재무 변수는 서로 다르게 나타남을 알 수 있었다. 이 는 고 신용위험(high credit-risk) 기업에 대한 새로운 평가 기준의 필요성을 시사한다. 또 한, 신용 등급 전이를 시각화한 결과, 고 신용위험으로 전이된 기업은 이후에 회복되기 어 려운 현상을 확인할 수 있었다. 이러한 연구결과는 머신러닝 기반 신용평가 모형의 개선 가능성을 제시하고, 금융 기관들이 신용위험 관리를 더욱 효율적으로 수행할 수 있는 기초 자료를 제공한다.

In the modern financial market, credit evaluation is essential for evaluating the financial soundness of individuals, companies, and countries, and for loan screening and risk management of financial institutions, but the rapidly changing market economy and the development of machine learning technology have revealed the limitations of existing models. This study analyzed the credit rating data and financial data of manufacturing companies evaluated by Korea Enterprise Assessment from 2010 to 2024 and derived the importance of key financial variables through machine learning techniques such as Random Forest, XGBoost, and CatBoost, and combined them to improve credit risk prediction. SMOTE was applied to solve the problem of data imbalance, and SHAP was used to identify the direction and change interval of the impact of key financial variables on credit risk through XAI techniques. The results showed that the key financial variables differed between the realized credit risk and the implied credit risk assessed by traditional methods. This suggests the need for new evaluation criteria for high credit-risk companies. We also visualized the credit rating transition and found that companies that transitioned to high credit risk had difficulty recovering. These findings suggest potential improvements to machine learning-based credit rating models and provide a basis for financial institutions to better manage credit risk.

본 연구는 최근 이슈가 되고 있는 기업의 환경(Environment), 사회적 책임(Social) 및 지 배구조(Governance)에 대한 평가등급과 정보의 변동이 기업의 주가에 미치는 영향을 진단 한다. 2011년부터 2018년까지 KOSPI 상장기업을 대상으로 ESG 전체지수와 항목별 지수(E, S, G)와 그 변동, 특히 지수 편입, 유지, 상방향 및 하방향 변동에 따른 영향을주가의 변동 성(volatility)과 장기 누적초과수익율(CAR)에 미치는 영향을 진단하였다. 연구결과를 요약하 면 다음과 같다. 우선, ESG 통합지수의 증가는 단기적으로 기업 주가의 변동성에 음(-)의 영향을 미친다. 개별적으로 환경(E) 및 사회(S)지수의 증가는 단기적으로 기업 주가의 변동 성에 음(-)의 영향을 미친다. 반면, 지배구조(G)지수의 증가는 단기적으로 기업 주가의 변동 성에 통계적으로 유의한 영향을 나타내지 않았다. 둘째, ESG 통합지수에 대해서는 지수가 전년대비 유지되는 경우에만 단기적으로 기업 주가의 변동성에 음(-)의 영향을 미치며, 통 합지수가 전년대비 증가하는 경우에는 오히려 기업 주가 변동성에 양(+)의 영향을 미치는 것으로 드러났다. 셋째, 새로이 통합지수로 편입되는 경우나 통합지수가 하락하는 경우에는 단기 주가 변동성에 통계적으로 유의한 결과가 나타나지 않았다. 다섯째, 주가 장기 누적초 과수익율에 대한 영향은 변동성과 반대로 변동성이 증가하는 경우 수익률이 감소하고, 감소 하는 경우 증가하는 현상을 나타내었다. ESG 통합지수와 개별지수의 기업의 장기 누적초과 수익율에 미치는 긍정적인 영향이 장기적으로 나타나지만 변동의 방향에 따라 극명하게 그 효과가 엇갈리고 있었다. 기본적으로 평가지수의 유지효과가 가장 긍정적으로 나타난 반면, 평가지수를 높이고자 하는 노력은 오히려 역효과가 나타나는 것으로 드러났다. 전체적 관점 에서 한국에 있어서의 환경경영에서의 높은 평가지수는 주가의 변동성을 줄이고 장기 초과 수익율을 높이는 측면에서 정보의 비대칭을 줄이는 긍정적인 효과가 있었지만, 편입과 상승 을 위한 인위적인 노력은 오히려 투자자들의 반발을 사는 등 정보의 비대칭 현상에 대한 부 정적 신호를 주고 있는 것을 알 수 있다.

국내외 ESG 평가가 시작된 이후 ESG 평가기관 간 평가결과의 차이에 관한 논란이 제기되어 왔다. 본 연구는 이러한 평가결과의 차이를 발생시키는 주요 원인을 평가기관 의 대상 기업에 대한 정보비대칭으로 인식하고 기업의 공시 수준의 측면에서 평가결과의 차이 수준을 분석하고자 하였다. 이를 위해 한국거래소의 ESG 포털에 공시된 6개 평가 기관을 대상으로 2019년부터 2023년까지 평가결과 자료를 활용하였으며, 평가결과의 차 이 변수와 주요 설명변수인 기업규모, 지속가능보고서 발간여부, 신용등급, 수출비중 등 의 상관관계를 분석하였다. 그 결과 기업규모와 지속가능보고서 발간 여부에 대해 음(-) 의 상관관계를 보여 기업규모가 크고 지속가능성보고서를 발간한 기업의 경우 ESG 평 가결과 차이의 정도가 낮아진다는 사실을 확인하였다. 따라서 해당 변수가 기업에 대한 평가기관의 정보비대칭을 완화하는 요인으로 작용하여 ESG 평가결과의 차이에 영향을 미쳤음을 알 수 있다. 결과적으로 ESG 평가결과의 일관성을 확보하기 위해서는 기업이 지속가능성보고서와 같이 ESG 정보를 포함한 대외적인 공시가 선행되어야 한다.

이산화탄소 배출을 이대로 두면 이상기후사건으로 막대한 경제적 손실을 피할 수 없어 저탄소 경제 로의 전환을 위한 정책적 노력을 강화해야 하는데 이견은 없다. 그런데 기후변화 완화정책의 급속한 도입은 기업에게 경제적 비용을 유발하여 금융기관에 금융부실을 증가시킬 수 있고, 금융자산가격의 변동성을 확대시켜 경제 및 금융시스템의 불안정 요소로 작용한다. 이에 본 논문은 기후변화관련 물 리적위험과 이행위험이 금융시스템에 미치는 영향과 금융자산의 기후관련위험 가격결정에 관한 실증 적 문헌들을 고찰하는데 목적이 있다. 문헌분석으로부터 발견된 내용을 정리하면 다음과 같다. 첫째, 해수면상승과 홍수의 물리적위험은 노동생산성 하락과 자본스톡의 손상으로 이어져 경제를 위축시키 고 금융불안정을 초래한다. 하지만 녹색 자본규제와 녹색 신용보증의 정책믹스는 장기 물리적위험을 축소시켜 금융안정에 기여한다. 둘째, 저탄소 경제로의 전환을 위한 정책으로서 탄소세 도입은 기업 의 수익성과 경제성장을 악화시킨다. 그렇지만 탄소세가 녹색 자본규제와 함께 시행될 때 물리적위 험은 대폭 감소된다. 또한 금융기관이 탄소세 도입을 예상하여 다량탄소배출 기업에 대출조건을 조 정하면 금융안정은 강화된다. 셋째, 녹색채권의 녹색프리미엄의 존재를 분석한 문헌은 발행주체, 분 석방법 등에 따라 결과가 다르게 나타난다. 기후위험 노출이 큰 지자체 및 기업이 발행한 채권은 수 익률 스프레드가 확대되었다. 넷째, 주식은 포트폴리오 수준에서는 녹색프리미엄, 기업수준에서는 탄 소프리미엄이 발견되었다. 투자자들은 기업의 자율적 기후위험 공시를 주가에 반영하였다. 다섯째, 은행은 기후관련 위험노출이 큰 기업에 대출을 축소하고 금리를 인상하였다. 은행은 자율적 탄소배 출 공시 기업과 친환경 기업에 대출을 확대하여 기후변화에 대응하고 있다. 문헌분석의 시사점은 다 음과 같다. 기후변화에 따른 금융시스템의 안정화를 위해서는 기후관련 정책으로 재정정책과 금융정 책의 결합이 필요하다. 정책도 질서적으로 조속히 시행되어야 하고 이에 은행은 기후 스트레스 테스 트를 통해 장기 시계에서 은행의 위험노출을 측정할 필요가 있다. 친환경 녹색금융자산에 대한 투자 자의 선호도가 높아지면 기후투자의 확대로 기후목표 달성과 금융시스템의 안정에 기여할 수 있기 때문에 기업들의 자율적 기후위험 공시가 중요함을 시사한다.

국민연금은 기금 고갈에 대한 우려와 함께 수익성 제고를 위해 주식 등 위험자산의 비중을 확대해 왔다. 그렇다면 지금까지의 위험자산 투자에서 국민연금은 수익을 내고 있었는가? 수 익을 내고 있다면 그 능력의 원천은 어디인가? 본 연구는 이에 대해 답하기 위해서 국민연금 이 보유한 국내 주식 포트폴리오를 직접 분석하였다. 국민연금이 보고한 국내 주식 보유현황 신고 자료와 한국거래소의 매매내역 자료를 결합하여 2009년부터 2018년까지의 국민연금 국 내 주식 월별 보유내역을 계산하였다. 이를 바탕으로 국민연금의 10년간 운용성과를 계산하고 평가하였다. 분석결과, 국민연금이 보유한 국내 주식 포트폴리오는 월 평균 0.57%의 수익률 을 주었다. 시장모형, Fama-French(1993) 3요인모형, 그리고 Carhart (1997)의 4요인 모형 을 사용한 위험조정 수익률도 모두 통계적 유의성을 가지고 있었다. 보유주식을 시장별로 구 분하였을 때, 유가증권 주식의 수익률이 0.58%로 코스닥 주식 수익률 –0.01% 보다 훨씬 컸 다. Daniel et al.(1997)의 방법론에 따라 국민연금 투자성과를 분해하였을 때, 종목선택능력 (CS)은 0.44%, 시장타이밍능력(CT)은 –0.16%, 그리고 투자스타일(AS)은 0.30%로 구성되었 다. 본 연구를 통해 국민연금의 투자수익률 대부분은 유가증권 주식에 대한 종목선택능력(CS) 와 투자스타일(AS)에서 기인함을 발견하였다.

The National Pension Service(NPS) has increased the share of risky assets such as stocks to raise profitability with concerns over fund depletion. If so, has the NPS been making a profit on investments in risky assets so far? If you are making a profit, where is the source of that ability? To answer this question, this study directly analyzes the Korean stock portfolio held by the NPS. The monthly stock holdings of NPS from 2008 to 2018 were calculated by combining the report on the status of domestic stock holdings reported by the NPS and the trading data of the Korea Exchange(KRX). Based on this, the performance of the Korean stock holdings by the NPS is calculated and evaluated for the past 11 years. The analysis shows that the stock portfolio held by the NPS from 2009 to 2018 has an average return of 0.57% per month. Risk-adjusted returns using the market model, Fama-French (1993) three-factor model, and he four-factor model of Carhart (1997) all had statistical significance. When the stocks are categorized by market, the return on the KOSPI market stocks (0.58%) is much higher than the return on KOSDAQ stocks (-0.01%). When decomposing the NPS portfolio performance according to the methodology of Daniel et al. (1997), the stock selection capability (CS) is 0.44%, the market timing capability (CT) is –0.16%, and the investment style (AS) is 0.30%. The results of this study find that the return on investment of the NPS Fund is largely due to the stock selection ability (AS) and investment style (AS) of Korean stocks.

본 연구는 시장충격비용을 통해 국민연금의 국내 주식시장에 대한 영향력을 분석하고, 운용전략의 수정과정에서 야기 될 수 있는 문제점과 대응방안을 살펴본다. 2008년 7월부터 2018년 6월까지 10년 동안 한국거래소의 유가증권시장과 코 스닥시장에 상장된 전체 종목을 대상으로 국민연금의 매매한 종목의 시장충격비용을 산출하였다. 선행연구와 같은 일별 지표를 이용한 거시적 시장충격비용과 실시간 매매자료를 이용한 미시적 시장충격비용 지표를 이용하였다. 분석 결과, 일별지표를 사용한 시장충격비용에서 국민연금은 다른 시장참여자에 비해 상대적으로 큰 시장충격비용을 야기한 반면, 일중지표를 사용한 시장충격비용에서는 오히려 국민연금에 의한 시장충격비용이 더 작았다. 둘째, 국민연 금은 개인투자자에 비해 상대적으로 큰 시장충격비용을 보였으나, 투신, 연기금 및 외국인 투자자에 비해 상대적으로 작 은 시장충격비용을 보였다. 따라서 국민연금은 다른 시장참가자에 비해 상대적으로 효율적 주문 제출을 통해 시장영향 력을 줄이는 매매전략을 채택하는 것으로 판단된다. 셋째, 변동성, 시가총액, 주가수준이 높은 종목에 있어 시장충격비 용이 작았다. 특히 변동성이 확대되는 경우 국민연금의 시장충격비용이 줄어드는 경향이 나타나 국민연금의 매매가 시 장변동성을 확대시키지 않는 것으로 확인되었다. 또한 시가총액 및 주가수준이 높은 대형주의 경우 국민연금에 의한 시 장충격이 작은 특징을 보였다. 시장별로 볼 때, 매도 시장충격비용의 경우 코스닥시장에 속한 종목들에 대한 시장충격 비용이 더 컸음을 알 수 있다. 국민연금의 향후 운용정책상 국내주식의 비중을 줄이는 과정에서 시가총액과 주가수준이 낮은 코스닥종목에 대한 시장충격비용을 예의주시 할 필요성이 있다. 코스닥시장의 특성상 기관투자자나 외국인투자자의 매수참여 는 시장 수급상 호재로 판단되는 상황에서 국민연금의 보유비중 축소와 더불어 과도한 시장충격비용의 발생은 해당 종목의 주가에 악영향을 초래할 가능성이 있다고 판단된다.

본 연구는 상속세 부담 완화와 주가 간의 관계를 분석하였다. 몇 년 전부터 ‘코리아 디스카운트’ 해소를 위한 방안 중 하나로 상속세 부담 완화가 지속적으로 제기되고 있다. 현행 최고 한계 세율인 50%를 인하하거나, 최대주주 보유주식 할증 평가 제도를 폐지하면, 주가가 상승해도 지분 상속에 따른 세 부담이 크게 늘어나지 않아 지배주주 일가의 기업가치 제고 유인이 커진다는 것이 그 핵심 논거다. 그러나 이 주장을 실증적으로 뒷받침하는 연구는 아직 없다. 본 연구에서는 상속주식 가액 확정일 이후의 주가 변동을 통해 상속세 완화의 효과를 간접적으로 살펴보았다. 확정일 직전까지는 주가 상승이 상속세 부담을 증가시키지만, 그 직후부터는 그러한 부담이 사라져 상속세 완화와 유사한 효과를 갖기 때문이다. 분석 결과, 상속세 부담이 완화되더라도 주가가 상승하지 않는 것으로 나타났다. 첫째, 상속주식 발행회사의 주가 반응과 미상속주식 발행회사의 주가 반응 간에 통계적으로 유의미한 차이가 없었다. 또한, 상속인이 상속세 납부를 위해 배당을 늘릴 수 있는 미상속 기보유 주식 발행회사의 주가 반응과도 유의미한 차이가 관찰되지 않았다. 이러한 경향은 시가총액이 작거나 주가순자산비율(PBR)이 낮은 회사에서도 동일하게 나타났다. 기업설명회 개최 건수 역시 총수 사망 전후로 큰 변화가 없었다. 마지막으로, 총수의 나이가 많을수록 기업가치가 하락하는 경향이 있었으나, 이는 총수 보유 지분이 있는 회사이든 없는 회사이든 동일하게 나타났다.

본 연구는 머신 러닝이 기존 예측 모델로 처리하기 어려운 고차원 데이터를 효과적으로 활용하며, 포트폴리오 전략의 성능을 향상시킬 수 있는지 살펴본다. 본 연구에서는 잘 알려진 All-weather 포트폴리오의 자산 구성인 S&P 500, 장기 국채, 금을 대상으로 7개의 머신 러닝 모델을 비교 분석하였다. 본 논문의 발견은 다음과 같다. 첫째, LASSO 및 Elastic Net 모델이 다른 머신 러닝 모델에 비해 S&P 500 및 금 수익률 예측에 있어 우수한 성능을 보였으며, 트리기반 모델은 장기 국채 수익률 예측에 있어 뛰어난 성과를 나타냈다. 둘째, 예측 정확도가 높았던 LASSO 및 Elastic Net을 활용한 포트폴리오 전략은 기존의 Allweather 포트폴리오를 활용한 정적자산배분 전략 및 전통적인 동적자산배분보다 전략보다 향상된 성과를 보였다.

본 연구에서는 그래프 신경망 모형을 포함한 6개의 기계학습모형을 활용하 여 한국 기업의 신용변동을 예측하였다. 이를 예측하기 위해 수익성, 성장성, 안정성, 활동성 지표들을 활용하였고, 주성분 분석을 진행하여 지표별로 두 개씩 활용하였다. 또한, 신용등급변동이 없는 경우가 대다수인 불균형 데이 터를 처리하기 위해 SMOTE 방법론을 활용하여 데이터를 오버샘플링하였 다. 본 연구에서는 산업구조를 반영하기 위해 이를 나타내는 법인형태, 데이 터 시점, 현재 신용등급과 업종의 네 분류로 나누어 모형을 만들고 이를 최 종적으로 앙상블하여 예측 결과를 도출하였다. 결과를 살펴보면, 모든 모형 이 데이터 비중에 맞게 선택하는 벤치마크 모형보다 우수하고, 그래프 신경 망 모형이 특히 더 우수한 성능을 나타내는 것을 확인할 수 있다. 또한, 변 수 중요도를 분석한 결과, 성장성 지표와 활동성 지표가 중요한 것을 확인할 수 있었고, 그래프 신경망에서는 업종 그래프와 법인형태 그래프가 성능이 좋은 것을 확인할 수 있었다.