[아이뉴스24 한수연 기자] 금융감독원이 올해 초 개발한 빅데이터 기반 국내총생산(GDP) 성장률 예측 모형과 스트레스 테스트 모형 및 금융산업 조기경보 모형의 선진화를 통해 거시건전성 감독 3종 세트로 구성된 '거시건전성 감독 분석 체계(KOMPAS)'를 구축했다고 18일 밝혔다.
18일 금감원에 따르면 지난 2008년 글로벌 금융위기를 계기로 국제통화기금(IMF) 등은 은행권 대비 상대적으로 위기에 취약한 비은행권을 통해 발현될 수 있는 시스템 리스크 차단을 위해 거시건전성 감독의 중요성을 적극 강조했다.
특히 기존 금융권역별 미시감독 체계 하에서는 비은행 금융중개 부문 등의 감독 사각지대 발생 우려가 있어 금융업 전반의 안정성 확보를 위해서는 거시건전성 감독 차원의 접근이 필요했다는 설명이다.
금감원은 이에 지난 2년여간 국내 금융생태계에 적합한 거시건전성 감독 3종 세트로 구성된 '거시건전성 감독 분석 체계'의 틀을 마련했다고 밝혔다.
특히 BDAI(B빅데이터와 인공지능) 시대에 맞춰 빅데이터, 머신러닝 등 최근의 혁신 기술을 적극 활용, 기존 모형을 개편하거나 모형을 신규 개발함으로써 결과 예측의 정확성 제고에 초점을 맞췄다고 금감원 측은 강조했다.
거시건전성 감독 분석 체계는 거시건전성 감독 스트레스 테스트 모형(K-STARS1), 금융산업 조기경보 모형(K-SEEK2), GDP 성장률 예측 모형(K-SuperCast3) 등 총 세 개의 모형(거시건전성 감독 3종 세트)으로 구성됐다.
세 개 모형의 최근 개발 내용을 보면 우선 위기 확산 과정을 반영한 스트레스 테스트 모형(STARS-II)의 개발이다. 기존 모형은 위기 상황에 따른 예상 시나리오에 맞춰 각 금융권역별 보유 자본이 위기의 충격 흡수에 충분한지 여부를 평가하는 규제비율(예: 은행의 BIS비율 등) 중심의 1차 효과 평가 모형이다.
이번에 개발된 2차 효과 테스트 모형은 예상 위기의 직접적인 충격(1차 효과) 외에 시나리오에 반영하지 못하는 금융생태계 내 위기 확산 과정(2차 효과)을 반영함으로써 충격 흡수에 소요되는 추가 자본을 체계적으로 분석했다. 이를 위해 위기의 확산에 따른 금융업권간 부실 전염, 다중채무자에 의한 부도 전염 및 금융부문-실물경제 피드백 효과 등을 모형에 반영했다.
다음으로 최신 머신러닝 기법을 적용, 금융산업 조기경보 모형(K-Seek)을 개선했다. 기존 조기경보 모형에 최신 머신러닝 기법을 적용하고, 부실 판정 기준을 '정상/부실'에서 '자본비율 변동'으로 정교화 하는 등 금융산업과 금융회사의 부실 조기경보에 대한 실효성을 제고했다는 설명이다.
또한 빅데이터 기반 GDP 성장률 예측 모형(K-SuperCast)을 개발, 빅데이터 기법을 통해 수집한 최신 경제.금융 정보를 통계적 기법을 활용함으로써 적시성 있는 월 단위 GDP 성장률을 예측했다고 설명했다. 다수의 GDP 성장률 예측 모형이 예측에 필요한 변수들의 발표 주기가 다른 점을 감안, 분기 단위로 예측치를 발표함에 따른 적시성이 저하되는 단점을 빅데이터 기법 등을 통해 보완했다.
금감원은 '거시건전성 감독 분석 체계'를 통해 글로벌 수준의 거시건전성 감독 수단을 마련함에 따라 국내 금융산업의 잠재적 위협 요인을 조기에 식별하고 이에 선제적으로 대응하겠다는 방침이다.
금감원 관계자는 "거시건전성 감독 스트레스 테스트를 위한 시나리오 생성 및 조기 경보모형 등에 K-SuperCast를 이용한 최신 경제지표로 활용하는 등 거시건전성 감독수단의 분석 역량을 강화하고, 내년으로 예정된 IMF의 FSAP 평가에 대비, 선제적이고 촘촘한 거시건전성 감독 체계를 마련할 것"이라며 "모형 결과의 안정성 확보 이후 거시건전성 감독 수단으로써 금융권역별 미시건전성 감독에 상호 보완적으로 활용하겠다"고 밝혔다.
--comment--
첫 번째 댓글을 작성해 보세요.
댓글 바로가기