다모다란 교수님의 Reverse DCF

How The VIX Really Works | You Got Options - From The Cboe Floor 1. 시장의 하락 양상에 따라 VIX의 반응이 달라지는 이유 상대적으로 예견 가능한, 즉 포트폴리오 매니저들이 주식 비중을 줄일 수 있는 충분한 시간이 있는 경우 포트폴리오 매니저들은 굳이 풋 매수로 헷징하지 않고 주식 비중 자체를 줄이기 때문에 헷지 수요가 줄어들고, 시장의 기대보다 상승하지 않을 확률이 높음 사례1. 2022년 금리인상기 조정장 연준이 금리를 인상할 것이 충분히 예견되어 있었고, 포트폴리오 매니저들은 굳이 VIX를 매수하여 헷지할 필요 없이 주식 비중 자체를 줄이면 되었음 사례2. 2015년 8월 위안화 평가절하 vs 2016년 2월 중국 경기둔화 이슈 SPX의 하락 자체는 2016년 2월이 -12.5%로 2015년 8월 -9%보다 훨씬 더 깊었으나, VIX 상승은...

VIX® 지수 분해 VIX 지수의 예기치 않은 움직임을 풀기 위한 휴리스틱 프레임워크 서론 2024년 8월 5일 미국 시장 개장 전, 트레이더들이 밤사이 니케이 지수의 12% 하락과 그에 따른 '엔-캐리 청산(Yen-Carry Unwind)'이 미국 주식에 미칠 영향을 분석하느라 분주한 가운데 S&P 500® 지수는 거의 5% 하락했습니다. 이러한 시장 불확실성에 대한 반응으로 Cboe 변동성 지수®(VIX® 지수)는 전일 종가 23에서 급등하여 장중 개장 전 고점 65를 기록한 후, 당일 거래 세션 종료 시점에는 40 근처에서 마감했습니다. VIX 지수의 장중 3배 급등은 시장 논평가들을 당혹스럽게 했으며, 많은 이들이 VIX 지수 움직임의 규모에 놀라움을 표했고 일부는 VIX 지수가 어떤 식으로든 "고장 났다"고 추측하기까지 했습니다. Cboe는 VIX 지수가 명시된 방법론에 따라 정확하게 가격이 책정되었음을 신속하게 확인했지만, 이는 투자자들이 VIX 지수의 동인을 더 잘 이해하는 데 도움이 될 추가적인 도구의 필요성을 강화했습니다. 이를 위해 Cboe는 VIX 지수의 움직임을 6개의 주요 구성 요소로 추출한 VIX 지수 분해 프레임워크의 첫 번째 버전을 소개합니다. 이 구성 요소들은 변동성 트레이더들이 변동성 표면의 변화를 설명하기 위해 일반적으로 사용하는 것들로, "예상된" VIX 지수 변화, 옵션성에 대한 수요와 공급으로 인한 프리미엄, 그리고 기초 자산인 SPX 옵션 시장의 약세 대 강세 포지셔닝으로 인한 변화를 포함합니다. VIX 지수 움직임에 대한 일반적인 예상 일반적으로 많은 금융 전문가들은 VIX 지수를 "공포 지수"로 여기며, 따라서 VIX 지수가 미국 광범위 시장 주식, 더 구체적으로는 S&P 500 지수(SPX)와 역의 관계를 가질 것으로 예상합니다. 전반적으로 그 관계는 실제로 장중 및 장기간에 걸쳐 나타납니다. 예를 들어, 아래의 [도표 1a와 1b]는 2020년 5월부터 2025년 5월까지의 일별 기준과 2025년 5월 28일 오전 9시 30분부터 오후 4시까지의 전체 거래일 동안 SPX 지수와 VIX 지수의 전형적인 관계를 보여줍니다. 두 경우 모두 SPX 지수가 하락할 때 VIX 지수가 상승하고 그 반대의 경우도 마찬가지인 경향을 관찰할 수 있습니다. 실제로, 헤저(hedger)들은 대형주 미국 주식 포트폴리오의 헤지(hedge)를 구성할 때 VIX 지수 상품을 사용하며 이 관계에 의존합니다. 직관에 반하는 VIX 지수 움직임 하지만 때때로 VIX 지수는 일반적인 투자자들의 예상과 반대로 움직이며, 이는 두 가지 효과로 나눌 수 있습니다: 1) 방향성 측면에서의 직관에 반하는 움직임과 2) 규모 측면에서의 직관에 반하는 움직임입니다. 방향성: 직관에 반하는 방향성 움직임은 VIX 지수가 SPX 지수와 같은 방향으로 움직이는 시나리오입니다. 이 시나리오는 변동성 트레이더들 사이에서 "현물 하락, 변동성 하락(spot down, vol down)"(즉, SPX 지수가 하락할 때 VIX 지수도 하락하는 경우) 또는 반대로 "현물 상승, 변동성 상승(spot up, vol up)"(즉, SPX 지수가 상승할 때 VIX 지수도 상승하는 경우)으로 종종 불립니다. 1990년 VIX 지수가 도입된 이래로, VIX 지수와 SPX 지수는 일별 기준으로 약 20%의 경우에서 양의 동반 움직임을 보였으며, SPX 지수와 VIX 지수가 함께 상승한 경우는 10.5%, 함께 하락한 경우는 10.3%였습니다. ([도표 2] 참조) 규모: 규모 측면에서의 직관에 반하는 움직임은 VIX 지수가 일반 관찰자들의 통상적인 기대치에 비해 과잉 반응하거나 과소 반응하는 시나리오를 말합니다. (서론에서 설명된 2025년 8월 5일 엔-캐리 청산에 대한 VIX 지수의 반응이 전자의 시나리오(과잉 반응)에 대한 최근 사례입니다.) "VIX는 고장 났다"는 이야기 종합적으로, VIX 지수의 예상치 못한 움직임의 두 가지 사례는 VIX 지수가 공표된 방법론에 따라 움직임에도 불구하고, 때때로 "VIX는 고장 났다"는 이야기를 부추겼습니다. 이는 VIX 지수를 움직이는 요인에 대한 더 깊은 이해의 필요성을 강조합니다. VIX 지수 방법론 [도표 4]는 수백, 때로는 수천 개의 구성 요소 계산을 포함하는 VIX 지수 공식을 보여줍니다. 개념적으로, 이는 두 개의 다른 만기를 가진 S&P-500 옵션 계약의 유효 행사가(active strike) 범위에 걸쳐 내재 변동성의 가중 평균을 계산합니다. VIX 지수 계산에 내재된 SPX 변동성 역학 VIX 지수 계산의 기저를 이루는 역학의 극단성을 더 잘 시각화하기 위해, [도표 5a-5d]에서 미국 주식 시장 변동성의 가장 격렬했던 시기 중 하나인 글로벌 금융 위기(GFC)의 시작, 진행, 그리고 마무리 과정에서 VIX 지수를 정의하는 근월물(front month) 및 차월물(back month) SPX 지수 내재 변동성 스큐의 스냅샷을 보여드립니다. [도표 5a-5d]의 각 그래프는 고정된 행사가 공간에 표시되며, x축은 SPX 지수 옵션의 행사가를, y축은 SPX 지수 옵션 계약의 내재 변동성을 나타냅니다. 콜옵션 측 내재 변동성은 주황색으로, 풋옵션 측 내재 변동성은 파란색으로 표시됩니다. 참고로, 저희는 해당일에 VIX 지수를 계산하는 데 실제로 사용된 옵션 계약의 행사가에 대한 내재 변동성만을 보여줍니다. 따라서 특정 만기의 SPX 지수 옵션 계약이 존재하더라도 (방법론에 따라) VIX 지수 계산에 포함되지 않으면, 해당 계약은 스큐 그래프에 표시되지 않습니다. 고정된 기준점을 유지하기 위해, 저희는 신용 위기(Credit Crisis)가 시작될 무렵인 2007년 2월 1일 자 근월물 및 차월물 SPX 지수 내재 변동성 스큐를 연한 파란색/연한 주황색으로 표시합니다. 이날 SPX 지수는 연중 최고치 근처에서 거래되었고 VIX 지수는 역사적 최저치인 10에 근접하여 가격이 형성되었음을 상기해 보십시오. 시장이 글로벌 금융 위기를 거치면서 작용한 다음과 같은 다양한 스큐(skew) 역학에 주목하십시오: 스큐 표면의 상하 평행 이동 스큐 행사가(strike) 범위의 확장 및 압축 풋 및 콜 양측 스큐 곡률의 변동 요컨대, VIX 지수는 위에서 언급된 모든 역학의 복잡성과 상호작용을 단일 숫자로 요약하려는 시도입니다. 참고: 주요 테일 리스크(tail risk) 이벤트에 걸쳐 VIX 지수를 계산하는 데 사용된 SPX 지수 내재 변동성 스큐의 변화를 애니메이션 렌더링으로 보시려면, Cboe 영업 담당자에게 문의하시기 바랍니다. VIX 지수 분해 (개요) 주어진 VIX 지수의 움직임을 이끄는 역학에 대한 더 깊은 통찰력을 얻기 위해, Cboe는 시장 관찰자들이 주어진 VIX® 지수 움직임을 분석할 수 있는 휴리스틱(heuristic) 도구를 개발했습니다. 이 도구는 거시경제적 및 지정학적 촉매제에 대한 반응으로 변동성 표면을 따라 옵션성(optionality)의 수요와 공급을 논의하기 위해 변동성 트레이더들 사이에서 일반적으로 사용되는 6요인 주성분 스타일 프레임워크에 기반합니다. (채권 트레이더들이 수익률 곡선 역학을 설명하는 데 사용하는 3요인 주성분 프레임워크와 유사) VIX 지수를 움직이는 결정론적 요인에 대한 직관을 높이기 위해, 이어지는 분해 설명 섹션에서는 VIX 지수가 단일 30일 고정 행사가 스큐에 따라 계산된 것처럼 주요 구성 요소를 묘사할 것입니다(즉, 분석에 사용된 30일 스큐는 VIX 지수 계산에 사용된 당시의 근주(front week) 및 차주(back week) 옵션 계약을 기반으로 분산 공간에서 보간된 것입니다). 그런 다음 다음 여섯 가지 요인에 기반한 섭동 분석(perturbation analysis)을 실행합니다: 고정 행사가(sticky strike) 당 예상 움직임 스큐의 평행 이동 풋 스큐 기울기의 변화 콜 스큐 기울기의 변화 하방 볼록성(downside convexity)에 대한 수요 상방 볼록성(upside convexity)에 대한 수요 엔-캐리 청산 시나리오 (개요) 다양한 구성 요소의 기여도를 직관적으로 이해하기 위해, 저희는 2024년 8월 2일에서 2024년 8월 5일의 엔-캐리 트레이드 청산으로 전환되는 과정의 보간된 일일 마감(EOD) 고정 행사가 SPX 지수 내재 변동성 스큐를 참조할 것입니다. 이 기간 동안 SPX 지수는 3% 하락했고 VIX 지수는 23에서 38로 (종가 대 종가 기준) 급등했습니다. [도표 6]을 참조하십시오. 이에 따라 [도표 7]의 차트는 다음 시점의 두 SPX 지수 내재 변동성 스큐를 묘사합니다: 2024년 8월 2일 (연한 파란색/연한 주황색의 아래쪽 스큐) 그리고 2024년 8월 5일 (진한 파란색/진한 주황색의 위쪽 스큐). 8월 2일 SPX 지수의 일일 마감 종가(즉, 등가격(ATM) 행사가)인 5,346은 8월 2일 스큐를 따라 연한 파란색과 연한 주황색 선이 교차하는 지점으로 표시됩니다. 마찬가지로, 8월 5일의 일일 마감 종가인 5,186은 8월 5일 스큐를 따라 진한 파란색과 진한 주황색 선이 교차하는 지점으로 표시됩니다. 다양한 VIX 지수 분해 요인을 논의함에 있어, 스큐(skew)를 정의하는 옵션 행사가(strike) 범위를 다음과 같은 구간으로 분할할 것입니다: 고정 ...

원본 영상: 5 principles for investing during 'interesting times' - Jack Bogle (1997) 번역본: 잭 보글 - 지수가 신고점일 때 투자원칙 다섯가지 (1997년) 뮤추얼 펀드는 오늘날 전체 주식의 거의 20%를 차지하고 있습니다. 하지만 이 펀드들이 '소유'하고 있는 비중은 코카콜라의 3%, 프록터 앤 갬블(P&G)의 6%, GE의 7%, 마이크로소프트의 7%, 그리고 머크(Merck)의 8%에 불과합니다. 이 다섯 기업은 S&P 지수에서 가장 큰 회사들이며, 이들의 시가총액을 합하면 약 8조 달러 규모의 미국 시장에서 거의 1조 달러에 달합니다. 이 다섯 종목은 올해 40% 상승하여, S&P 지수 상승률인 25%를 훨씬 웃돌았습니다. 문제의 원인은 인덱스 펀드가 아니라, 뒤처질 것을 염려하는 탐욕스러운 비(非)인덱스 펀드인 것 같습니다. 모든 면에서 1929년과의 유사점이 많으며, 저는 주저 없이 경고의 깃발을 올립니다. 걱정스러운 징후들은 제가 설명한 높은 밸류에이션뿐만 아니라, 오늘날 우리가 접하는 말들이, 이제는 잊혀져버린 시대의 그것과 유사하다는 점도 포함합니다. 예를 들어, 옛날에 한 미국 대통령은 이렇게 말했습니다. "미국의 상태를 살피기 위해 모인 그 어떤 의회도 지금처럼 즐거운 전망을 마주한 적이 없었습니다. 국내에는 평온과 만족이 있으며, 수년간의 번영이 최고 기록을 세우고 있습니다." 1928년 12월 4일, 캘빈 쿨리지 대통령의 연설입니다. 그리고 한 금융 기사는—이건 꽤나 따끔한 내용입니다—이렇게 서술합니다. "은행 등에 의한 뮤추얼 펀드 설립이 거의 유행이 되었다. 대중의 욕구는 펀드가 생겨나는 속도보다 훨씬 빠르게 증가하고 있다. 이들은 시장에서 만족을 모르는 것 같은 구매력을 보여준다." 1929년 8월, '주식 시장의 새로운 수준(New Levels in the Stock Market)'이라는 기사에서 발췌한 내용입니다. 요컨대, 제게는 더 높은 밸류에이션에 베팅하는 '투기'가 시장을 이끄는 운전수이고, 배당 수익률과 이익 성장의 펀더멘털에 베팅하는 '투자'는 뒷좌석에, 어쩌면 아마도 보조 좌석에 앉아 있는 것처럼 보입니다. 그러나 투기가 단기적으로 주식 수익률을 이끌 수는 있지만, 지난 200년의 역사가 주는 명확한 교훈은 장기적으로는 펀더멘털이 수익률을 이끈다는 것입니다. 따라서 이 긴장 관계는 해결되어야 합니다. 두 가지 극단적인 가능성을 제시해 보겠습니다. 첫째, 재미 삼아 말해보자면, 시장이 35% 하락하는 것입니다. 이는 주가수익비율(PER)을 약 13배라는 더 정상적인 수준으로 낮출 것이며, 다우 지수가 5,200포인트가 되더라도 우리는 불과 1년 반 전인 1996년 1월에 있었던 그 자리에서 여전히 만족하며 지낼 수 있을 것입니다. 이것은 결코 파멸적인 시나리오가 아닙니다. 둘째, 우리가 주식 수익률이 14%의 이익 성장과 1%의 배당 수익률을 합쳐 평균 15%에 달하는 새로운 시대에 진입하는 것입니다. 이는 장기적인 역사적 기준인 6%의 이익 성장과 4%의 배당 수익률을 더한 약 10.5%와는 다릅니다. 즉, 오늘날의 주가 수준을 정당화할 수 있는 호황과 높은 밸류에이션의 새로운 시대라는 것입니다. 모건 스탠리의 저명하지만 틀릴 수도 있는 전문가인 바튼 빅스(Barton Biggs)는 오랫동안 비관론자였음에도 불구하고—장기적으로는 '향연 뒤에 ...

Market Timing With Implied Volatility Indices (Antonio Mele, 2017) 요약문 본 적용 방법론 논문은 내재 변동성 지수를 기반으로 강건한 마켓 타이밍 시그널을 구축하는 직관적인 프레임워크를 제안한다. 특히, 본 논문은 예측 대상(object of prediction)을 드로우다운(drowdown) 발생 시점으로 정의하는데, 이는 대체로 높은 실현 변동성(realized volatility)과 동시에 나타나는 경향이 있다. 이러한 단순한 변동성 체제 기반 접근법(volatility regime-based approach)은 옵션 내재 변동성 지수가 향후 실현 변동성, 나아가 드로우다운에 대해 일정 수준의 예측력을 지닌다는 가설에 의존한다. 이 가설을 뒷받침하는 강력한 실증적 근거가 제시되며, 마지막으로 해당 시그널을 활용한 마켓 타이밍 전략의 응용 사례도 소개된다. 핵심 요약 드로우다운은 대체로 높은 실현 변동성 국면에서 발생한다. 내재 변동성 지수는 향후 실현 변동성을 선행하는 경향이 있다. 단순한 변동성 체제 프레임워크만으로도 강건한 마켓 타이밍 시그널을 생성할 수 있다. VIX® 생태계 개요 1993년, CBOE 변동성 지수(VIX)는 최초로 도입된 내재 변동성 지수이다. 이 지수는 이후 시장 변동성의 가장 널리 추적되는 지표가 되었으며, 일반 시장 참가자의 심리를 반영하는 “공포 지표(fear gauge)”로 알려져 있다. 최근 들어 VIX 선물 및 옵션 거래 규모가 크게 확대되었고, 이를 기초로 한 상장지수상품(ETP), 구조화 상품, 장외파생거래(OTC)도 활발하게 증가하고 있다. VIX의 성공 이후, 내재 변동성 지수는 다양한 자산군 및 지역으로 확장되었다. CBOE 변동성 지수 (VIX) CBOE 금리 스왑 변동성 지수 (SRVIX) CBOE/CBOT 10년물 국채 변동성 지수 (TYVIX) S&P/JPX 일본 국채 VIX (SPJGBV) CBOE 원유 ETF 변동성 지수 (OVX) CBOE 금 ETF 변동성 지수 (GVZ) CBOE/CME 유로화 환율 변동성 지수 (EUVIX) CBOE/CME 엔화 환율 변동성 지수 (JYVIX) CBOE/CME 파운드화 환율 변동성 지수 (BPVIX) 변동성 스파이크와 드로우다운 변동성이 자산 수익률의 상승 혹은 하락과 방향적으로 연관되어야 할 수학적 필연성은 없다.그러나 두드러진 손실 구간은 통계적으로 높은 변동성과 자주 동반되는 경향이 있다. 본 실증 연구의 초점은, 내재 변동성 지수가 다양한 시장에서 향후 하락 이벤트를 예측하는 데 활용될 수 있는 가능성에 있다. 비록 변동성이 자산 수익률과 반드시 방향적으로 연관되어야 할 수학적 조건은 없지만, 역사적으로 큰 폭의 손실 구간은 높은 수준의 변동성과 함께 나타나는 경향이 있었던 것이 관측되었다. [그림 1]과 [그림 2]는 이러한 음의 관계 및 볼록성(convexity)의 존재를 보여주는 예시로, 여러 자산의 월간 수익률과 동기간의 21일 실현 변동성 간의 산점도를 제시한다. 이 현상의 기원에 대해서는 다양한 이론이 존재하나, 본 분석은 그러한 논쟁에는 중립적인 입장을 유지하고, 이러한 관측 결과를 실증 분석의 출발점(empirical building block)으로 삼고자 한다. [그림 1] S&P 500® 월간 수익률 vs 21일 실현 변동성 [그림 2] USDJPY 월간 수익률 vs 21일 실현 변동성 시간의 흐름에 따른 시계열로 볼 때, 변동성과 수익률 간의 관계에서 또 하나의 중요한 측면이 드러난다. 그것은 높은 변동성 국면에서 두드러지게 나타나는 드로우다운이다. 이러한 부정적 수익률의 시계열적 군집(temporal clustering)은 고변동성 구간이 시장 참여자에게 특히 고통스러운 시기가 되게 만든다. [그림 3]과 [그림 4]는 S&P 500 지수 및 미국 10년물 국채 선물 가격의 최대 드로우다운이 높은 실현 변동성 시기와 어떻게 일치하는지를 보여준다. 이러한 현상은 팩터 기반 투자(factor-based investing)에 대한 관심이 높아지고 있는 핵심 개념과도 관련된다. 팩터 노출을 통해 장기적으로 획득되는 프리미엄은, 일반적으로 “나쁜 시기(bad times)”에 발생하는 저조한 성과에 대한 보상(compensation)으로 해석된다. 즉, 시장 참여자들이 가장 큰 고통을 겪는 시기에 성과가 나쁜 대가로 장기적으로 프리미엄이 주어진다는 것이다. 이와 같은 맥락에서, 변동성에 롱 포지션을 취하는 것(volatility being long)은 비용이 크며, 이는 평균적인 시장 참여자가 가장 필요로 할 때에만 수익이 발생하기 때문이다. [그림 3] S&P 500의 드로우다운과 높은 실현 변동성 시기의 동시 발생 [그림 4] 미국 10년물 국채선물 가격의 드로우다운과 높은 실현 변동성 시기의 동시 발생 드로우다운이 높은 실현 변동성 시기와 함께 발생한다면, 실현 변동성의 급등을 예측하는 것이 시장 참여자에게 다가올 드로우다운을 예측하는 데에도 도움이 될 것이라는 점은 논리적으로 타당하다. 그리고 아마도 가장 뛰어난 변동성 예측 능력은 옵션 시장에서 찾을 수 있을 것이다. 옵션 트레이더는 미래 변동성에 대한 견해의 정확성에 따라 손익이 갈리며, 이는 옵션 가격의 주요 결정 요인이기 때문이다. 옵션 호가(quote)에는 흔히 “내재 변동성(implied volatility)”이라는 수치가 함께 제공되는데, 이는 옵션 가격에 의해 암시된 미래 변동성의 모델 기반 추정치이다. 이론적으로는, 내재 변동성을 특정 일자부터 옵션 만기까지 기초자산이 얼마나 변동성을 보일 것인지에 대한 시장의 집합적 전망으로 해석할 수 있으며, 따라서 훌륭한 예측지표가 될 수 있다. 하지만 실제로는 Black-Scholes 같은 표준 옵션 가격 모형들이 이 해석을 뒷받침하지 못하는데, 이는 동일한 기초자산과 동일한 잔존기간을 가진 옵션임에도 행사가에 따라 서로 다른 내재 변동성을 보여주기 때문이다. 이러한 왜곡은 변동성 스마일(smile) 혹은 스머크(smirk)로 알려져 있으며, 명백히 비합리적인 결과이다. VIX 계열의 내재 변동성 지수는 이러한 내재적 불일치 문제를 피하기 위해, 모든 행사가 옵션으로부터 미래 변동성 정보를 추출하고 이를 하나의 깔끔한(즉, 모델에 의존하지 않는) 내재 변동성 수치로 정제하는 수학적 기법을 사용한다. 기술적 세부 사항을 생략하면, 이 정제된 내재 변동성(clean implied volatility)은 실현 변동성 스왑(realized volatility swap)의 공정 행사가(fair strike)로 해석될 수 있으며, 따라서 이는 시장 균형상(volatility의 clearing price)의 가격으로 간주된다. 이에 따라, 본 연구는 옵션 트레이더들이 변동성 예측에 능하며, 결과적으로 산출되는 VIX 수치가 효과적인 예측 시그널로 기능한다는 가설에 기반하고 있다. 변동성의 시계열적 특성 예측 문제를 정확히 설정하려면, 우선 무엇을 예측할 것인지 정의하는 것이 필수이다. 주식이나 채권과 같은 전통적 자산은 장기적으로는 배당과 이자 수익, 경제 성장에 따른 ...

Recession Prediction on the Clock (SA Fed, 2022) 실직자 기준 실업률(jobless unemployment rate)은 경기침체를 예측하는 데 있어 신뢰할 수 있는 지표이며, 경기침체 직전에 전환점을 거의 항상 보여주지만 그 외 시기에는 그러하지 않는다. 이 지표는 더 잘 알려진 수익률곡선의 기울기와 비슷한 수준으로 경기침체를 잘 예측하지만, 더 짧은 예측 시계(horizon)에서 효과적이기 때문에 단기 경기침체 예측에서는 오히려 더 뛰어난 성과를 보인다. 현재 이 지표와 같은 방법론으로 분석된 관련 시계열들은 가까운 시일 내에 경기침체가 임박했다는 신호를 보내고 있지는 않지만, 이는 향후 몇 개월 내에 바뀔 수 있다. 미국 경제는 반복적인 경기순환(business cycle)을 겪으며, 호황기에는 점진적으로 성장하고 불황기에는 급격히 위축된다. 이러한 경기순환은 금융시장과 실물경제 모두에 영향을 미치기 때문에, 경제가 언제 경기침체에 진입할지를 예측하는 일은 금융시장 참가자와 정책 결정자 모두에게 중요한 사안이다. 다양한 모형들이 금융시장 지표, 소비자 심리지표, 실물경제 지표 등을 활용해 경기순환을 예측하고 있다(예: Kiley, 2022 참고). 이 이코노믹 레터는 실업률을 어떻게 하면 경기침체 예측 지표로 전환할 수 있는지를 논의한다. 그 결과로 나온 예측은 놀라울 정도로 정확하며, 보다 일반적으로 사용되는 미국 국채 수익률곡선을 기반으로 한 예측과 견줄 만하다. 또한 이 레터는 동일한 방법론이 실업률뿐 아니라 다른 거시경제 시계열에도 적용되어 경기침체를 예측할 수 있다고 주장한다. 실업률과 경기순환 완만하게 평활화한 실업률 지표는 경기순환 전반에 걸쳐 예측 가능한 패턴을 보여주며, 보통 경기침체기에는 급격히 상승하고 확장기에는 점진적으로 하락한다. [그림 1]은 실직자 기준 실업률(jobless unemployment rate)을 보여주며, 이는 일자리를 잃고 일시적으로 해고된 노동자를 조정한 실업자 수를 경제활동인구로 나눈 값이다(파란 선). 이 지표의 기초 시계열 자료는 1967년 1월부터 미국 노동통계국(BLS)이 작성한 것이며, 세인트루이스 연준의 FRED 데이터베이스에서 공개적으로 확인할 수 있다. 그림에는 또한 이 시계열에 대한 역사적 경기적 추세(cyclical trend) 추정치도 함께 나타나 있으며(초록색 선), 이는 과거 및 미래의 월별 값을 평균하여 도출한 평활화된 시계열이다. 이 실직자 기준 실업률은 전통적인 실업률과 비교할 때 가장 큰 차이점은, 코로나19 경기침체 당시 많은 근로자들이 일시해고(furloughed) 상태였기 때문에, 해당 시기 급등폭이 훨씬 작았다는 점이다. [그림 1] 실제 및 스무딩된 실직자 기준 실업률 그림은 시간이 지남에 따라 안정적인 패턴이 나타나는 것을 보여준다. 평활화된 실업률(jobless unemployment rate)은 모든 경기침체 직전에 바닥을 찍고 반등하는 모습을 보였으며, 1982년을 제외하면 예외가 없었다. 또한, 이 지표의 추정된 역사적 추세는 경기순환 주기의 다른 어느 시점에서도 전환되는 모습을 보이지 않았다. 이러한 경기침체 전후의 일관된 패턴은 미국 국채 수익률곡선의 사례와 유사하다. 1950년대 중반 이후 발생한 모든 경기침체는 수익률곡선의 역전(inversion), 즉 장기금리가 단기금리보다 낮아지는 현상에 선행되었다(Bauer and Mertens, 2018a). 단 하나의 예외는 1960년대 중반의 수익률곡선 역전으로, 이 경우만이 2년 내에 경기침체가 뒤따르지 않았다. 이처럼 수익률곡선의 기울기(slope)는 경기침체를 매우 신뢰할 수 있는 예측 지표로 간주된다(Bauer and Mertens, 2018b). 현재 수익률곡선이 역전된 상태이기 때문에, 많은 시장 참여자들과 전문가들은 경기침체 가능성에 대해 경고하고 있다. 1967년 이후의 데이터를 보면, 평활화된 실업률은 약 3분의 2의 기간 동안 하락했고, 나머지 3분의 1의 기간 동안 상승했다. 이에 비해 미국 전미경제연구소(NBER)는 전체 월 가운데 87%를 확장기(expansion), 13%를 수축기(contraction), 즉 경기침체기로 분류한다. 이와 ...