[제903회] 한국은행 경제전망모형의 이해
(2022.11. 4(금), 조사국 거시모형부 전망모형팀 김용건 과장)

(김용건 과장)
안녕하세요. 방금 소개받은 김용건 과장이라고 합니다. 저는 오늘 한국은행 경제전망모형의 이해라는 주제로 한 시간 조금 넘게 강의를 준비해봤고요. 경제전망모형이라는 게 사실 상당히 수리적으로 복잡하고 어렵기 때문에 이것을 관련 배경지식이 많이 없는 일반인들에게 어떻게 설명해야 될지 고민을 많이 했었는데요. 우선 수식을 일일이 다 설명하는 게 별로 의미가 없다고 판단을 해서 각 모형이 어떤 맥락에서 어떤 의미를 가지고 있고, 어떻게 쓰고있는지를 중점적으로 설명할 예정입니다.

[Contents](p.2)
그래서 일단 순서는 이렇고요. 처음에 경제전망의 의의나 저희가 경제전망을 어떤 프로세스로 하고 있는지를 설명을 드리고, 그 다음에 경제전망 모형이 어떤 맥락에서 어떻게 되는지를 2번 경제전망 모형에서 하나씩 볼 예정입니다. 그리고 경제전망을 할 때는 반드시 정책의 효과에 대한 분석도 필수기 때문에 저희가 쓰고있는 정책분석 모형에 대해서도 간단하게 설명을 드리고, 그리고 모형이 앞으로 어떻게 개선되고 발전될지에 대해서 향후 계획을 말씀드리는 것으로 강의를 마무리하고자 합니다.

[Ⅰ. 경제전망의 의의](p.3)
우선 경제전망의 의의부터 말씀드리면,

[경제전망의 의의](p.4)
제일 처음에 경제전망에 대해서 말씀드리기 전에 먼저 아셔야 될 게 통화정책의 효과가 실물경제에 파급되려면 대략 1~1.5년 정도의 시차가 발생된다고 저희는 생각을 하고 있습니다. 만약에 금통위에서 금리를 올리거나 내리게 되면 금융시장에는 바로 반응이 있을 수도 있지만 경제주체의 소비나 투자에 영향을 미쳐서 GDP에까지 실질적인 영향을 미치려면 1년 정도의 시차가 있는 것으로 생각을 하고 있고. 이런 불확실성이 존재하기 때문에 선제적으로 정책 대응을 해야 될 필요성이 있습니다. 예를 들어서 아래 그림을 보시면 시점A에서 저희가 올바르게 경기가 앞으로 계속 상승하고 과열 될 수도 있다는 판단을 제대로 하게 되면 긴축적 통화정책을 수행을 해서 경기의 진폭을 ①번과 같이 완화시킬 수가 있습니다. 그런데 만약에 저희가 시점B에서 경기 상황을 잘못 판단해서 앞으로도 계속 경기가 과열될 것 같아서 긴축적 통화정책을 써야겠다고 판단을 해서 실제로 금리를 올리거나 하게 되면 ②번처럼 경기가 오히려 하강하는데 거기에 힘을 더 실어서 하강을 증폭시킬 수 있는 부작용이 나타나기 때문에 통화정책에 있어서는 앞으로 어떻게 될 건지에 대해서 예상하고 현재 상황에 대해서 제대로 판단하는 게 무엇보다 가장 중요하다고 할 수 있습니다.

[경제전망의 의의](p.5)
그런 의미에서 저희가 한국은행, 중앙은행에서 경제전망을 수행하는 이유기도 하고요. 가장 중요한 저희가 경제전망을 하는 이유는 말씀드린 것처럼 통화정책 결정의 판단 기준을 세우기 위해서 경제전망을 합니다. 통화정책에 시차가 있기 때문이고요. 그리고 또 하나 중요한 게 통화정책의 기대경로라는 게 있는데 통화정책의 기대경로라는 것은 저희가 생각하는 앞으로의 경기 상황이나 소비, 투자, 혹은 금융 변수들이 어떻게 될 것이라고 제시를 하면 거기에 맞춰서 경제주체가 기대를 형성하고, 그 기대에 맞춰서 현재 투자와 소비 등을 조정하게 되는데 이러한 일련의 가정을 통화정책의 기대경로라고 하거든요. 근데 만약에 중앙은행이 신뢰성 있게 기대를 제시하고 그거를 경제주체가 제대로 받아들여서 통화정책 기대경로가 올바르게 작동을 하게 되면 방금 말씀드린 통화정책의 시차가 줄어들고 효과가 증폭되는 것으로 나타났습니다. 그래서 통화정책 경로가 최근에 매우 강조되고 있는 추세기 때문에 저희가 이런 측면에서 경제전망을 수행하고 있습니다. 그리고 이러한 경제전망을 수행하게 되면 정책결정에 대한 사후평가가 가능한데요. 이게 무슨 의미냐면 저희가 경제를 전망하고 나서 나중에 GDP 실적치가 나와서 실제 경제가 어떻게 됐는지가 나오게 되는데 그러면 전망이 어떻게 틀렸고 얼마나 틀렸는지가 딱 나오지 않습니까. 그거로부터 사후적으로 평가를 하고 우리가 왜 틀렸는지를 반성을 해서 앞으로는 이러한 오류가 일어나지 않게 체계적 오차를 방지하는 차원해서 수정하고 반성해서 다시 경제전망에 올바르게 반영할 수 있기 때문에 이러한 측면에서 저희가 계속적으로 경제전망을 수행하고 있습니다. 이러한 측면에서 저희가 경제전망을 수행한다고 말씀드릴 수 있고요.

[경제전망의 의의](p.6)
이러한 경제전망의 2대 요소로는 모형과 주관적 판단이 있습니다. 일단 모형은 저희가 앞으로 자세히 설명하게 될 건데 주관적 판단에 대해서 지금 상세하게 말씀드리면 경제전망에 대해서 다른 지식이 없으신 분들은 모형을 돌려서 나온 숫자가 경제전망 결과라고 생각하시기 쉬울 거라고 생각이 되는데요. 사실 경제전망이 그렇게 이루어지기는 어렵습니다. 왜냐하면 경제전망 모형이라는 게 수치적으로 딱 정립이 돼있다 하더라도 그 과정에서 사람의 주관적인 판단이 반드시 개입될 수밖에 없기 때문인데요. 이러한 주관적 판단이 어디서 개입되냐면 일단 모형의 선택에서 주관적 판단이 개입되게 됩니다. 모형이라는 것이 경제주체의 소비, 투자 같은 데서 최적 행태를 도출하고, 그 최적 행태에서 equation이라고 하죠, 방정식이 도출되면 그 방정식으로부터 쭉쭉 뻗어나가는 게 모형인데 이러한 간단한 equation 몇 개로 거시경제의 모든 복잡한 현상을 셜명하는 것이 어렵습니다. 그래서 어쩔 수 없이 상황별로, 경제전망 시점이나 시계별로 다양한 모형이 존재하게 되는데 어떤 상황에서 어떤 모형을 선택할지에 대해서 경제전망 전문가의 주관이 개입될 수밖에 없습니다. 그리고 또한 모든 데이터나 경제상황을 모형에 반영하는 것이 사실상 불가능합니다. 일단 모형에서 고려하기 어려운 게 파업이나 천재지변 같은 게 있고, 최근에는 러시아-우크라이나 전쟁, 정부정책이 확 변하는 경우도 있고요. 이 모든 다양한 변수들을, 예측하기도 어려운 이런 변수들을 모형에 모두 미리 반영시켜놓는 것은 굉장히 어렵고요. 그리고 최근에는 또 경제가 발전하고 기술이 발전하면서 굉장히 다양한 정보가 시시각각으로 나오고 있거든요. 저희는 보통 경제전망 모형이 분기로 되어있는 데이터를 주로 이용하는데 주간이나 월간, 혹은 일간자료도 굉장히 많이 나오고 있고. 심지어 텍스트 같이 비정형 정보도 많이 나오기 때문에 이런 것을 전통적으로 경제학자들이 만들어놓은 경제전망 모형에 다 다루기가 어렵습니다. 이런 것들은 결국 사람이 보고 판단해서 주관적으로 어느정도 모형에 반영할 건지를 판단할 수밖에 없고요. 이런 과정에서 당연히 주관적 판단이 경제전망에 개입이 되게 됩니다. 주관적 판단이라는 것을 보통은 인위적이라고 생각하기 쉬운데 사실은 주관적 판단이 올바른 경제이론과 경험에 근거해서 제대로만 이루어진다면 충분히 체계적이고 인위적이지 않게 작용을 할 수 있다는 점을 말씀드리겠습니다.

[한국은행 경제전망](p.7)
그래서 한국은행에서 어떻게 경제전망을 하는지부터 간단하게 말씀을 드리면 저희는 우선 분기별로 경제전망을 제시하고 있습니다. 보통 2월, 5월, 8월, 11월에 경제전망을 제시하게 돼서 지금은 11월이니까 아마 11월 말쯤에 경제전망을 제시를 하게 되고요. 경제전망의 대상은 대표적으로 GDP를 전망을 하고 GDP 하위 계열, 소비, 투자, 수출입에 대해서도 전망을 하고. 그리고 고용시장, 물가, 경상수지 등에 대해서 광범위하게 전망치를 제시를 합니다. 그래서 이런 전망을 할 때 전망 당시 이용가능한 모든 정보를 바탕으로 하고 있고, 정보가 수집이 되면 경제모형과 주관적 판단을 다 결합을 해서 최종적으로 저 몇 가지의 수치로 제시를 하게 됩니다. 밑에 표를 보시면 저희가 경제전망은 가장 중요하게 생각하는 게 1,2년 시계라서 지금이 2022년이니까 2022년 그리고 2023년까지 반기별로, 그리고 연간별로 경제전망을 제공해드리고 있습니다.

[한국은행 경제전망](p.8)
그래서 이러한 경제전망은 조금 어려운 얘기일 수 있지만 조건부 기대에 근거를 하는데요. 보통 경제전망에 대한 지식이 없으신 분들이 생각하기로는 아래 맨 왼쪽에 있는 것처럼 무조건부 전망을 생각하기 쉬운데 무조건부 전망이라는 것은 여태까지 나온 실적치만을 기반으로 해서 향후 모든 경제변수에 대한 경제전망치를 제공하는 것을 의미합니다. 하지만 저희는 이렇게 하고있지는 않고, 중심이 되는 GDP나 소비자물가 같은 것을 제외하고 외생변수라는 것이 있는데 이런 주요 외생변수의 향후 path가 어떻게 될 건지를 전제치로서 먼저 판단을 하고, 그 전제치와 실적치에 기반을 해서 전망을 하게 됩니다. 전제치라는 것은 주요국 경제성장률, 교역 신장률, 국제 원자재 가격 같은 것들이 향후 1,2년 새 어떻게 바뀔지에 대해서 먼저 분석을 해놓고, 전망을 해놓고 그 다음에 그거에 기초를 해서 저희가 중심으로 전망하는 GDP나 소비자물가 같은 것을 전망하게 됩니다. 이러한 전망 전제치 같은 경우에도 저희가 아까 보여드린 경제전망 보고서에 전망 전제치로서 세계 경제성장률 같은 걸 제시를 하고 있습니다. 아까 말씀드렸던 주관적 판단이라는 것이 모형에 개입될 때 전제치를 통해서 개입이 되게 되는데 전제치를 전망할 때 아무래도 주관적으로 앞으로 무슨 리스크가 있고, 거기에 따라서 어떻게 바뀔 것 같다는 것을 예상을 하기 때문에 그런 가정을 통해서 모형에 주관적 판단이 개입되게 됩니다.

[한국은행 경제전망: 조사국 업무분장](p.9)
그래서 이러한 경제전망은 저희 조사국에서 하고 있는데 조사국에는 다양한 팀과 부가 있고, 팀에서 각각 부문별로 맡아서 저렇게 나눠서 하고 있고. 특히 저희 거시모형부 같은 경우에는 모형 전망을 위주로 하고 있습니다.

[경제전망과정에서 모형의 역할](p.10)
경제전망과정에서 모형의 역할이라는 것은 우선 경제전망의 기본 path를 도출하는 데 있습니다. 아래 그림을 보시면 실현치가 있고 전망치가 있는데 우선 가장 기초가 되는 것은 장기균형, steady state 라는 것인데 steady state라는 것이 무엇이냐면 향후에 어떤 충격이나 왜곡이 없을 경우에 장기적으로 경제가 어떻게 될 것인지를 나타내는 일종의 장기균형이라고 할 수 있습니다. 저런 장기균형으로부터 시작을 해서 실제 데이터의 이런저런 수치가 들어가고, 거기서부터 충격이 나오는데 그런 것들을 다 반영을 해서 저 점선과 같은 모형전망이 나오게 되고, 점선으로부터 또 시작을 하는 거거든요. 점선으로부터 각 분야의 경제 전문가들이 모여서 이렇다 저렇다 판단을 해서 살짝 바꾸는 것이 저 오른쪽 그림의 최종 전망치라고 볼 수 있습니다. 위에 보시면 실제 전망치가 모형전망치+α 라고 돼있는데 이게 실제로 모형전망치부터 시작해서 이런저런 주관적인 판단요소를 개입해서 실제전망치를 내는 과정을 α라고 표현하고 있습니다. 모형의 가장 중요한 역할은 일단 이렇고요. 쉽게 생각하시면 굉장히 뭉툭한 내비게이션을 생각하면 되는데. 최근의 내비게이션은 만약에 여기서 일산까지 간다고 했을 때 굉장히 구체적인 루트를 제시해주는데, 경제전망 같은 경우에는 크게 강변북로를 거쳐서 자유로를 타고가라 이 정도까지만 제시해주는 거라고 할 수 있습니다. 근데 만약에 내비게이션을 따라서 가다보면 분명히 중간에 큰 사고가 나거나 길이 막히는 현상이 발생해서 수정을 하게되지 않습니까? 그래서 그러한 수정과정이 저희 경제전망에서도 경제전망의 수정으로 나타나게 되고요. 그리고 내비게이션 같은 경우에는 도로가 한정적이기 때문에 굉장히 구체적으로 제시를 할 수 있지만 경제전망 같은 경우는 경제에 너무나 다양한 요소가 있고 이것들을 다 한꺼번에 분석할 수 없기 때문에 큰 흐름만 제시를 하고 있고, 이렇게 큰 흐름만 맞춰도 사실 모형의 역할을 다 한다고 할 수 있습니다. 사람들이 흔히 생각하는 것은 모형이 굉장히 정확한 숫자를 맞춰야 된다고 생각하실 수 있지만 사실은 경제성장률의 정확한 전망을 한다는 것은 이전에도 불가능했고, 앞으로도 불가능할 확률이 매우 높습니다. 왜냐하면 앞으로 어떤 일이 일어날지 전혀 알 수가 없고 그러한 일들이 어떻게 영향을 미칠지가 과거에 있었던 일이라면 판단이 가능하지만 과거에 없던 일들이 계속해서 일어나는 상황이면 그 효과도 분석하기 어렵기 때문에 당연히 수정이 일어날 수밖에 없고. 모형의 역할은 그렇게 정확한 숫자를 맞춘다기보다는 큰 흐름이 어떻게 될 거고 그 안에서 우리가 어떻게 행동해야 한다 이 정도만 제공해줘도 굉장히 훌륭한 모형의 역할을 다 하고 있다고 보시면 될 것 같습니다. 그래서 경제를 바라보는 인식의 틀을 제공한다고 하는 게 지금 여기서 경제가 1,2년 후에 성장률이 몇 %가 될 것 같아 하면 굉장히 막막하잖아요. 근데 이제 모형에서 나온 숫자를 가지고 거기에 기반해서 이렇게 나오겠구나, 이 모형에서 나온 숫자가 어떠어떠한 요소를 어떻게 반영해서 저렇게 나왔구나로부터 시작하면 사람마다 판단이 갈릴 수 있겠죠. 이 정책은 모형에서 몇 %로 평가를 했는데 내가 보기에는 이 정책이 굉장히 효과가 커서 조금 더 영향이 있을 것 같다든지, 아니면 모형에서 왜 이렇게 크게 했는지 모르겠다, 내 생각에는 이게 작은 효과만 나타날 것이다 이런 생각들이 있기 때문에 거기서부터 토론이 일어나게 되고, 거기서부터 주관적 판단에 의한 수정이 일어날 수 있습니다. 경제를 바라보는 인식의 틀을 제공한다는 것이 그런 논의의 출발점이 되고, 그런 논의의 기준이 된다는 측면에서 모형의 역할이기 때문에 그런 측면을 말씀을 드린 것입니다.

[한국은행 경제전망 체계(내용 중심)](p.12)
한국은행에서 경제전망을 할 때 프로세스를 간략하게 말씀드리면 우선 한 달 정도 긴 시기에서 전망 프로세스가 이어지거든요. 우선적으로는 저희가 경제의 여건을 점검해서 양적 데이터, 경제지표 같은 것을 다 분석을 해서 주요 전제치, 아까 말씀드린 주요 외생변수에 대한 전제치를 설정하고요. 전제치를 기반으로 해서 기본 전망치를 설정하고 그리고 앞으로 예상되는 정책이나 지금 시행되고 있는 정책이 있으면 정책 효과도 분석해서 경제상황을 종합판단을 한 다음에, 이걸 한 방향으로 끝나는 게 아니고 전제치 같은 경우에도 계속 담당자들끼리 왔다 갔다 하면서 바뀌고. 정책효과 분석이나 판단 같은 경우에도 계속 얘기를 하면서 바뀌거든요. 그런 과정이 저 화살표와 피드백이라고 표시가 되고, 이러한 과정을 계속 왔다 갔다 거치면서 전망치가 확정이 되고, 전망치가 확정이 되면 저희 금융통화위원회에 보고가 되고, 외부에 연 4회 분기별로 발표가 되게 됩니다.

[한국은행 경제전망 체계(모형 중심)](p.13)
이것을 저희 부서 거시모형부 입장에서 모형 중심으로 보면 우선 저희가 가장 중심이 되는 것은 1년에서 2년 정도 전망인데 그것은 저 가운데 있는 거시계량&구조모형으로 실시를 합니다. 근데 저런 1,2년의 중기전망을 수행하기 위해서는 우선적으로는 초단기모형에서 앞으로 가장 짧은 시계에 어떻게 될 것인지에 대한 전망이 있어야 조금 더 중기전망을 효과적으로 수행할 수 있습니다. 우선 중심되는 전망을 수행하기 전에 초단기모형으로 앞으로 1분기, 2분기가 어떻게 될 것인지를 분석을 하고요. 그 과정에서 주기가 짧은 양적 정보, 경제 데이터를 이용하게 됩니다. 경제 데이터를 기반으로 해서 초단기모형을 거쳐서 향후 짧은 1분기, 2분기 후의 경제전망치가 나오면 그걸 거시경제 구조 모형에 결합을 해서 전망을 수행하게 되고. 그 과정에서 현실에서 일어나고 있거나 일어날 것으로 예상되는 정책 효과에 대한 분석, 그리고 정책&경제적 이슈 등을 분석해서 전망치를 모형으로 도출을 하게 됩니다. 모형을 도출을 하면 그것을 보고 각 부서의 전문가가 종합판단을 하게 되고요. 그 종합판단을 하는 과정에서 혹시 다른 view가 있어서 전제치에 변동이 있는 경우에는 그 전제치를 다시 거시계량&구조모형에 결합을 해서 새로운 전망치가 다시 나오게 되고 그것을 기준으로 해서 또 다시 종합판단을 하는 그런 과정이 이어지게 됩니다. 종합판단을 하는 과정에서는 아까 말씀드린 것처럼 모형에서 미처 반영하지 못한 질적정보까지 포함해서 반영을 하게 되고요. 만약에 그 과정에서 어떤 특수한 분야, 예를 들면 유가가 갑자기 뛸 수도 있고, 정부 정책이 갑자기 추경이 편성될 수도 있는데 그런 좁고 특이한 분야를 분석하는 부문모형이라는 게 있습니다. 저런 모형까지 필요하면 결합을 해서 종합판단을 해서 현재의 경제상황을 올바르게 판단하고, 그걸 기반으로 해서 단기와 중장기 전망을 수행을 하게 됩니다.

[Ⅱ. 경제전망 모형](p.14)
경제전망 모형이 저희 실제 전망 프로세스에서 어떠한 역할을 하는지를 간략하게 설명을 드렸고, 각 경제전망 모형에 대해서 하나씩 말씀을 드리겠습니다. 수식의 사용은 최대한 배제하고자 했습니다만 아무래도 수식이 있을 때 더 이해하기 쉬운 경우에는 수식을 간단하게 사용해서 설명을 드리도록 하겠습니다.

[한국은행의 거시계량모형](p.15)
우선 한국은행의 거시계량모형을 전체적으로 설명을 드리면 크게는 목적에 따라서 경제전망모형과 정책분석모형으로 나눌 수 있습니다. 경제전망모형은 또 어느 정도 범위를 전망하느냐에 따라서 장기전망인 잠재GDP, 잠재GDP를 전망하는 모형이 4개가 있는데 여기 칸이 좁아서 싣지는 못했고요, 그리고 중기 1,2년 정도를 전망하는 BOKDPM모형이 있습니다. 그리고 아주 단기와 초단기를 전망하는 Nowcasting모형이 있고요. 그리고 정책분석모형으로는 BOKGM, GM이라는 것은 global model의 약자입니다. global에서 일어나는 일에 대한 정책분석을 하는 BOKGM이라는 모형이 있고. 그리고 BOK20, DSGE 모형이 있는데 이런 DSGE 모형은 경제전망에도 쓰이고 정책분석에도 양쪽으로 다 쓰입니다. 근데 이렇게 나열식으로 말씀드리면 당연히 뭐가 뭔지 하나도 모르실 것 같아서 조금만 더 이해를 돕기 위해서 성질에 따라서 분류를 하면 우선 제일 왼쪽의 시계열부터 오른쪽 구조모형으로 이어지는데. 시계열모형이라는 것은 데이터에서 어떤 스토리를 얘기하는지를 가장 중심으로 하는 모형입니다. 모형이라는 것이 이론적인 정합성과 데이터 부합성 사이에 trade-off가 있을 수밖에 없거든요. 근데 저 시계열모형이라는 것은 이론보다는 데이터만 넣고 이 데이터에서 과거에 어떤 관계가 있었기 때문에 향후에 어떤 관계가 될 것이다 라는 것을 데이터 위주로 보는 것이 시계열모형입니다. 거기서부터 이론을 조금씩 결합해가면 연립방정식모형, 준구조모형, 구조모형이 되고, 가장 오른쪽에 있는 구조모형이 DSGE 모형이라는 것인데 이것은 가장 강하게 이론적 제약을 부가한 것입니다. DSGE 라는 것은 이따 조금 더 자세하게 설명을 드리겠지만 모든 equation이 다 엄밀한 경제적인 이론에 의해서 산출된 것이기 때문에 가장 이론적 정합성이 강하지만 그만큼 데이터를 정확하게 반영하기는 어려운 성격을 가지고 있습니다. 그래서 성질에 따라 저렇게 분류가 되기 때문에 저희는 목적에 맞춰서 사용하기 위해서 저런 모형을 다양하게 갖추고 있습니다.

[한국은행의 경제전망 모형](p.16)
이제 아까 목적별로 경제전망모형과 정책분석모형 두 가지가 있다고 말씀드렸는데 우선 경제전망모형부터 살펴보면 저희 전망모형 시스템이 예측 시계에 따라서 단기, 중기, 장기로 구분이 되고요. 경제전망 보고서로 발표하는 중심 전망은 중기전망이기 때문에 중기전망을 중심으로 단기와 장기가 유기적으로 결합이 돼있습니다. 우선은 단기전망모형으로는 nowcasting이 있는데 이따 자세하게 설명드릴 거지만 시계열모형을 주로 기반으로 하고 있고. 장기전망모형으로는 잠재 성장률을 전망하는 모형이 있는데 저 모형에서 나온 결과를 중기전망에 대입을 해서 효과적인 전망치를 산출하기 위해 노력을 하고 있습니다. 이러한 전망모형에서 나온 전망치를 기초로 해서 저희가 종합판단을 하고 조사국이 최종 전망을 내게 되고요.

[단기전망 모형](p.17)
그래서 단기전망모형부터 설명을 드리면 저희가 주로 시계열모형을 사용하고 있습니다. 시계열모형 중에서도 VAR, 동태요인모형, 영어로는 DFM이라고 하기도 하는 모형을 사용하고 있는데 이게 수식이 있으면 조금 더 이해가 쉬울 것 같아서 간단한 수식을 보면, 저 t라는 것은 시점입니다. 왼쪽에 보시면 Yt가 있고 오른쪽을 보시면 Yt-1부터 Yt-p가 있는데 이것이 의미하는 바는 t시점에 Y의 변화를 t-1부터 t-p 사이에 일어나는 일들을 기반으로 해서 설명을 하겠다는 것입니다. 그러니까 현재의 관계를 과거의 데이터를 통해서 설명하는 방식이 되겠죠. 그래서 데이터 적합도가 높다고 하는 것이고. DFM이라는 것은 조금 다른 방식인데 오른쪽의 Ft라는 것은 factor의 약자인데 factor라는 것은 오른쪽 그림을 보면 이해가 쉬울 것 같습니다. 오른쪽 그림 같은 경우에는 미국의 GDP의 factor를 추정한 것인데 자잘한 점선들이 GDP와 관련있는 변수들의 움직임입니다. 그런데 저런 움직임이 너무 많으면 저거를 어떻게 이용해서 경제전망에 이용해야 될지 모르기 때문에 저 움직임을 한번에 요약하는 factor를 추정함으로써 경제전망에 활용을 하고 있습니다. 그래서 저렇게 데이터가 많은 상황에서 검은선으로 표시되는 factor를 추정하게 되면 저 factor를 기반으로 해서 경제전망을 수행하게 되는 것이 DFM의 요지고요. VAR 모형과 DFM 모형을 저희 단기전망모형으로 이용하고 있습니다. 이러한 시계열모형의 장점은 말씀드린 것처럼 데이터 적합도가 높고 경제이론으로 제약을 가하기보다는 데이터에서 어떻게 관계가 나타나는지가 가장 중요하기 때문에 그러한 측면에서 경제이론보다는 좀 더 유연함에 초점을 맞추고 있고. 다만 경제학계에서 말하는 루카스 비판에 취약합니다. 루카스 비판이라는 것은 현재 시점에서 발생한 기대가, 미래에 대한 기대가 현재에 어떻게 반영될 것인가까지를 다 반영을 해야하는데 그것을 못하고 있다는 게 루카스 비판의 요지거든요. 근데 시계열모형 같은 경우에 저 위의 수식에서 보듯이 t기의 데이터를 t-1부터 t-p까지, 그러니까 과거 시점의 데이터만 가지고 분석을 하기 때문에 아무래도 미래에 대한 기대가 모형에 포함돼있지 않습니다. 그래서 루카스 비판에 취약하다는 것이 이러한 측면에서 이뤄진 것이고. 그리고 무조건부 전망에 적합하다고 쓰여있지만 사실 조건부 전망도 가능합니다. 근데 이제 무조건부 전망이 더 편리하다는 것이고 이러한 시계열모형은 과거의 데이터를 관계로 해서 분석을 하기 때문에 아무래도 단기전망에 적합하다고 알려져 있습니다. 향후 1분기, 2분기 정도 되는 단기전망에 굉장히 높은 정확도를 보이지만, 그 이상으로 가면 조금씩 정확도가 떨어지는 결과가 나온다고 알려져 있습니다.

[단기전망 모형](p.18)
그래서 저희는 월별 변수, 그러니까 실물·금융에서 나오는 월별 변수를 가지고 2분기 이내 단기 성장경로를 점검하고 있고요. 그리고 데이터가 나올 때마다 수시로 모형을 재추정해서 저희의 초단기전망에 활용을 하고 있습니다. 밑에는 초단기전망의 예시인데요. 저희가 한 것은 아니고 덴마크 중앙은행에서 따왔습니다. 덴마크 중앙은행에서는 가장 밑에가 주 단위인데요. 주별로 전망을 해서 조금씩 전망을 수정해나가면서 마지막에 점으로 표시되는 GDP성장률에 가장 근접하게 추정을 하려고 노력을 하고있고. 그 과정에서 주별로 모형을 재추정해서 전망치를 발표를 하고 있습니다.

[중기전망 모형](p.19)
그리고 저희 한국은행도 비슷한 방식으로 꼭 저렇게는 아니지만 초단기전망을 하고 있다는 점을 말씀을 드립니다. 그리고 중기전망은 1,2년 시계에서 전제치를 이용한 조건부 전망 경로를 제시하는데요. 저희는 주력 전망모형으로 BOK-DPM을 사용하고 있고 이것은 IMF에 보면 QPM 모형이라는 게 있거든요. quarterly projection model이라고 하는데 이런 모형에서부터 출발을 해서 저희 실정에 맞게 살짝 바꾼 모형이고. 혹시 IMF QPM에 대한 내용이 궁금하신 분들은 IMF 홈페이지에 가시면 무료로 볼 수 있는 강의가 굉장히 잘 되어있기 때문에 그런 강의도 참고하시면 좋을 것 같습니다. 그리고 저희는 BOK-DPM을 주력 전망모형으로 이용하고 있고, BOK-DSGE도 같이 이용을 하고 있는데 BOK-DSGE는 전망 결과의 일관성 점검과 성장경로에 대한 story telling 등에 활용을 하고 있습니다.

[중기전망 모형: BOK-DSGE](p.20)
그래서 DSGE 모형이 뭐냐라고 말씀을 드리면 아까 간략하게 말씀드린 것처럼 굉장히 엄격한 경제이론에 기반해서 설립된 모형인데요. DSGE 모형은 dynamic stochastic general equilibrium의 약자인데요. 하나하나 뜯어보면서 의미를 살펴보면 D는 dynamic인데 dynamic이라는 것은 현재와 미래를 고려한다는 뜻입니다. 모형이라는 게 경제주체, 경제의 주요한 주체의 최적 결정으로부터 equation이 산출된다고 말씀드렸는데 이러한 최적 결정을 할 때 현재시점의 정보뿐만 아니라 미래시점까지의 정보를 모두 고려해서 결정을 하기 때문에 이러한 측면에서 현재와 미래를 고려한다고 합니다. 예를 들어서 제가 소비를 결정할 때 지금 벌고있는 돈뿐만 아니라 앞으로 얼마나 어떻게 돈을 벌지에 대해 다 고려를 하고 지금 큰 소비를 수행하기 때문에 그런 측면에서 생각해주시면 될 것 같습니다. 그리고 stochastic이라는 건 무작위 충격의 파급효과를 모형에서 분석할 수 있다는 것을 나타내고요. 그리고 general equilibrium라는 것은 일반균형접근이라고 하는데 일반균형접근이 뭐냐면 우선 부분균형접근이라는 것은 어떠한 특정 시장만을 분석하는 것입니다. 예를 들어서 소비재시장, 노동시장, 이렇게 시장별로 분석하는 걸 부분균형이라고 하는데 그거를 시장별로 분석하지 않고 전체를 다 포괄해서 모든 한 경제를 만든 다음에 거기서 분석하는 것을 일반균형접근이라고 합니다. 그래서 이러한 것을 모두 결합해서 만든 것이 DSGE 모형이라고 하고요. 말씀드린 것처럼 전망결과의 일관성 점검이나 정책효과 분석 등에 이 모형을 활용하고 있습니다. 다만 엄밀한 경제이론에 기반해서 만든다고 말씀드렸다시피 변수를 더 넣고 싶어도 이론이 없으면 넣을 수가 없거든요. 예를 들어서 저희가 관심있는 변수가 있는데 그 변수가 모형에 없어요. 그러면 분석을 하고 싶지만 경제적으로 뒷받침되는 이론이 정립된 게 없으면 함부로 넣을 수가 없습니다. 그래서 저 말이 미시적 기초에 기반해서 구축되므로 확장성이 상대적으로 낮다는 표현으로 표현이 되고 있는데 저게 DSGE의 일종의 단점이라고도 할 수 있습니다. 비록 이론적으로 엄밀한 모형이긴 하지만 모든 경제상황에 대해서 분석하기에는 확장성이 낮아서 아무래도 BOK-DPM을 BOK-DSGE로 100% 대체할 수는 없습니다. 그것은 조금있다 다시 자세하게 말씀을 드릴테고요. BOK-DSGE 모형 가지고는 조건부 전망이나 story telling이 가능한데요. story telling이 가능하다는 것은 경제이론으로 해석이 가능한 구조충격에 기반해서 경제현상을 설명할 수 있다는 것을 의미합니다.

[중기전망 모형: BOK-DSGE](p.21)
그래서 저희가 사용하고 있는 DSGE 모형의 구조를 간략하게 보시면 저희는 소규모 개방경제인데 뉴케인지언 DSGE 모형을 저희 경제 실정에 맞춰서 확장하고 개선한 모형으로 되어있습니다. 크게는 국내와 해외 블록으로 돼있고. 국내 안에서 경제주체가 각각의 최적화 선택을 통해서 변수의 동학이 결정되게 되는데요. 예를 들어서 가계 같은 경우에 효용극대화를 위해 노력하는 과정에서 최적 소비나 최적 노동공급이 결정되고. 기업 같은 경우에는 이윤극대화가 목적이기 때문에 이윤극대화를 하는 과정에서 노동수요가 나타나게 됩니다. 이러한 노동공급과 수요가 결합하는 지점에서 이러한 모형이 구축이 되고요. 가계 같은 경우에도 금융시장 접근도에 따라서 제약 가계, 비제약 가계로 나눴는데 이렇게 가계를 굳이 복잡하게 두 개로 분류하는 이유는 다양한 경제상황에서의 효과를 분석하기 위함입니다. 그리고 기업 같은 경우에도 최종재 생산하는 기업과 중간재를 생산하는 두 가지 기업으로 나눠서 분석을 하고 있고. 해외블록에서도 가계와 기업이 있기 때문에 이렇게 왔다 갔다하는 과정에서 동학을 분석하고 있습니다.

[중기전망 모형: BOK-DPM](p.22)
그 다음으로는 저희가 주력 전망모형으로 이용한다는 BOK-DPM 모형인데요. 우선 BOK-DPM 모형은 하이브리드 모형입니다. 기본적으로 DSGE 모형 구조에 기반을 하고 있되, 데이터 적합성이 아까 DSGE 모형이 부족하다고 말씀을 드렸는데, 이러한 데이터 적합성을 높이기 위해서 각종 시계열적인 요소를 첨가한 모형입니다. 그래서 이러한 시계열적인 요소를 첨가할 때 그냥 변수를 추가하는 것이 아니고 과거 데이터상의 관계를 고려해서 여러 방정식이나 여러 변수를 추가하고 있고요. 그래서 관심대상 변수의 변동에 대한 요인 분해가 가능하게 됩니다. 하지만 데이터 적합도를 높이기 위해서 여러 시계열적인 요소를 첨가하는 과정에서 모형이 굉장히 커지기 때문에 매우 복잡하고, 경제적 이론이 DSGE만큼 확립이 돼있지 않고 데이터 적합성을 위해 여러 변수를 포함했기 때문에 미시적 기초가 DSGE에 비해 조금 부족한 편입니다. 그래서 구조를 간략하게 보시면 한국경제 같은 경우에는 크게 금리, 자산·금융, GDP 등의 6개 블록과 그 안에서 70개 방정식으로 구성이 돼있고. 대외부문 같은 경우에도 크게 3개 블록에, 26개 방정식으로 구성이 돼있습니다. 이게 상당히 크고 복잡한 모형이기 때문에 직관적으로 파악하기 어려울 때도 있다는 것이 단점입니다. 특징 같은 경우에는 무조건전망, 조건부전망 모두 가능하고, 아까 말씀드린 주요 외생변수가 변화가 있는 경우에 이런 전제치 변화에 따라서 전망 경로가 어떻게 변하는지 요인별로 분해할 수 있다는 장점이 있습니다.

[장기전망 모형: 잠재성장률이란?](p.23)
그 다음으로는 장기전망을 말씀드리면, 장기전망을 말씀드리기에 앞서서 잠재성장률이란 걸 먼저 말씀드리고 싶은데, 잠재성장률이라는 것은 경제의 장기적인 추세를 의미합니다. 국내총생산 Yt 같은 경우에는 저기 나와있는 것처럼 장기성장 추세와, 그 추세에서의 왔다 갔다 하는 단기 경기변동 Yt c로 구성이 되는데 그래프에서 보시면 주황색 선을 두 가지로 분류한 게 파란색과 회색 선이라고 할 수 있습니다. 파란색은 주황색 선의 장기 추세고, 그 추세에서 왔다 갔다 하는 부분이 회색 단기 변동이라고 할 수 있습니다. 근데 저런 파란색은 눈에 보이지 않는 변수이기 때문에 관찰되지가 않아서 참 값을 알 수가 없습니다. 그래서 저희가 다양한 기법을 통해서 추정을 하게 되는데 조사국에서는 추정의 불확실성을 감안해서 4가지 모형으로 추정하고 있고요.

[장기전망 모형: 잠재성장률이란?](p.24)
잠재성장률을 조금 더 자세하게 말씀을 드리면 학술적으로는 인플레이션을 일으키지 않으면서 생산할 수 있는 최대 GDP라고 표현이 되는데, 말 뜻은 만약에 밑에서와 같이 실질 GDP가 잠재 GDP를 넘으면 인플레이션을 일으키지 않으면서 생산할 수 있는 최대 GDP를 넘어서 생산이 되고 있기 때문에 물가상승 압력이 수요 측면에서 있다고 평가가 되고요. 이런 것은 GDP갭률이 플러스로 나타나게 됩니다. GDP갭률이라는 것은 이러한 압력을 조금 더 효율적으로 평가하기 위해 만든 지표인데 실질 GDP와 잠재 GDP 간의 차이를 나타냅니다. 이러한 GDP갭률을 보면 바로 플러스냐 마이너스냐, 플러스가 얼마나 크냐에 따라서 물가상승 압력이 얼마나 있는지를 손쉽게 파악할 수 있기 때문에 통화정책의 중요한 변수라고 할 수 있습니다. 하지만 실무적으로는 이러한 GDP 갭 추정에 불확실성이 있기 때문에 이 GDP 갭만 단순히 보면서 물가상승 압력이 있다고 판단하진 않고요. 다양한 지표를 결합을 해서 물가상승압력을 판단을 하고 있습니다. 잠재성장률과 GDP 갭은 통화정책에 굉장히 중요한 정보변수이기도 하고, 잠재성장률을 추정한다는 것은 우리나라 경제가 장기적으로 어떻게 성장해나갈 것인지를 보는 중요한 지표이기 때문에 저희가 중요하게 추정하고 있는 정보변수 중의 하나입니다.

[장기전망 모형: 잠재성장률 추정 모형](p.25)
잠재성장률 추정 모형에는 다음과 같이 4가지 방법이 있는데. HP필터링, 생산함수 추정, 준구조모형, 다변량필터링 모형이 있는데 하나하나 상세하게 설명을 드리겠습니다.

[주요기관의 잠재 GDP 추정 방법](p.26)
일단 저희의 방법을 설명하기에 앞서서 주요국 국제기구나 중앙은행에서는 어떻게 추정하고 있냐고 하시면 앞서 말씀드린 방법에서 크게 벗어나지 않습니다. 많이들 알고 계시는 OECD나 IMF 같은 경우에도 생산함수 추정법, 다변량필터링 방법에 주관적인 판단을 결합해서 추정을 하고 있고요. 요새 하도 금리를 올려서 난리인 미 연준 같은 경우에도 다양한 모형을 이용해서 추정을 하고 있습니다.

[한국은행의 잠재 GDP 추정 방법](p.27)
HP필터링 같은 경우에는 저렇게 수식을 써놨는데요. 저렇게 수식을 써놓은 것은 저 수식을 이해하라는 의도가 아니고 보시면 저 안의 변수가 Yt 딱 하나만 들어가 있습니다. Yt는 GDP를 의미하는데 GDP 딱 하나만 들어가 있다는 것은 잠재 GDP를 추정할 때 GDP 하나만을 써서 트렌드를 추출하겠다는 뜻이고, 그것의 장점은 추정이 굉장히 간단합니다. 사실 EViews라는 통계 소프트웨어를 쓰면 클릭 세네 번 가지고도 쉽게 누구나 추정을 할 수 있고요. 그렇게 추정이 간단함에도 불구하고 다른 복잡한 모형의 추정결과와 장기적으로 유사한 결과를 보이고 있습니다. 그래서 굉장히 추정이 간단하지만 저희뿐만 아니라 다른 기구에서도 중요한 방법 중에 하나로 사용을 하고 있습니다. 단점이라고 하면 저 식에 경제이론이 전혀 개입되지 않기 때문에 경제이론을 통해서 저게 어떻게 추출됐는지 설명이 불가능하고요. 그리고 말씀드린 것처럼 GDP 하나만을 사용해서 추정하기 때문에 다른 거시변수와 정합성 문제가 있습니다. 예를 들어서 잠재 GDP와 GDP갭이라는 것이 물가상승 압력이라고 표현을 드렸는데 저게 HP필터링 가지고만 추정을 하게 되면 다른 노동시장이나 다른 측면에서 판단한 물가상승 압력과는 완전히 다른 방향을 나타낼 수가 있거든요. 그런데 그렇게 다른 방향으로 표현이 되는 경우에도 정합성이 떨어지는 문제에 대해서 해결이 어렵습니다. 왜냐하면 순수한 통계적 기법만을 이용해서 산출했기 때문에 그런 문제가 발생하고요. 그리고 끝단치 문제라는 것은 지금 시점에서 평가한 GDP갭과 나중에 5년 후에 지금 시점의 GDP갭을 평가한 게 상당히 다를 수가 있다는 문제가 있는데 이것에 관해서는 깊게 설명드리진 않겠습니다.

[한국은행의 잠재 GDP 추정 방법](p.28)
그리고 이러한 간단한 HP필터링 말고 생산함수 접근법이라고 있습니다. 생산함수 접근법이라는 것은 우리나라 GDP가 특정한 생산함수에 의해서 결정된다는 가정을 하고, 그 생산함수에 들어가는 요소의 트렌드를 추출해서 넣게되면 그 함수 안에서 GDP가 결정된다는 것입니다. 그래서 저기 식에서 두 번째 잠재 GDP가 *로 표시되어있는데 Yt*를 보시면 3개로 분류가 돼있죠. 저 3개가 함수에 들어가는 투입요소고요. 투입요소는 tfp 생산성, 그리고 Lt 노동, Kt 자본으로 표시가 되고 있습니다. 저희가 저런 함수 형태를 가정을 하면 생산성, 노동, 자본에 대해서 각각 트렌드를 추출해서 저 함수에 넣기만 하면 잠재 GDP를 알 수 있다 이런 측면에서 나온 게 생산함수 접근법이고요. 저희가 조금 더 구체적으로 말씀드리면 노동 같은 경우, 노동의 트렌드 같은 경우에는 15세 인구에서 경제활동참가율을 고려하고, 자연실업률, 실업률 추세도 고려하고, 평균근로시간 추세도 고려하고, 노동의 질이 좋냐 나쁘냐 이것도 다 추세를 판단해서 결정하고 있고. 잠재자본 같은 경우에는 자본서비스 물량지수라는 걸 이용하고 있는데 이것은 지수 자체가 추세라고 생각을 해서 따로 추세를 추출하지 않고 그냥 쓰고 있습니다.

[한국은행의 잠재 GDP 추정 방법](p.29)
그래서 이것의 장점은 생산함수 추정법으로 추정한 잠재 GDP가 어떤 요인에 의해서 어떻게 변했는지를 투입요소별 기여도를 계산을 할 수가 있습니다. 아까 말씀드린 것처럼 특정한 생산함수의 형태를 가정하고 자본, 노동, 생산성을 투입해서 나온 결과를 분석하는 것이기 때문에 투입요소가 어떻게 바뀌었냐에 따라서 그 요소가 얼마나 영향을 미쳐서 잠재 GDP가 어떻게 바뀌었는지를 수치로서 판단을 할 수가 있습니다. 하지만 단점이라고 하는 것은 아까 HP필터링 같이 GDP갭률과 다른 거시경제 변수와의 관계를 고려하지를 못합니다. 그래서 경제 전체에 대한 고려가 없이 투입요소별로 추세를 분해한 다음에 합산하는 방식이기 때문에 각각의 추세 분해 과정에서 추정의 불확실성이 있다는 점도 이 방법의 단점이라고 할 수가 있습니다.

[한국은행의 잠재 GDP 추정 방법](p.30)
이런 단점에서 출발하게 된 게 준구조모형이라는 것인데요. 준구조모형은 순수한 통계적 방법, 아까 말씀드린 HP필터링 같은 방법에다가 물가나 금리 같이 다른 거시변수와 GDP갭률 간 관계를 나타내는 구조방정식을 추가해서 나타낸 것입니다. 수식을 자세하게 보실 필요는 없고, 오른쪽에 보시면 GDP갭과 물가상승률, 그리고 GDP갭과 금리갭, 그리고 잠재성장률과 중립금리, GDP갭과 노동시장 같이 물가상승률, 금리갭 그리고 노동시장 같이 다른 거시변수들까지 고려해서 잠재성장률과 GDP갭을 추정하는 것이 이 방법의 요지라고 할 수 있습니다. 그런데 이 방법의 단점이라고 하면 아까 말씀드린 생산함수 추정법 같은 경우에는 투입요소별로 분해가 가능한데 이 방법 같은 경우에는 잠재 GDP인 Yt*를 결정할 때 투입요소가 전혀 포함되지 않기 때문에 투입요소별로 변함에 따라서 Yt*가 어떻게 바뀌었는지 사실 알 수가 없거든요.

[한국은행의 잠재 GDP 추정 방법](p.31)
그래서 그런 방법을 개선하고자 나온 것이 다변량필터링모형입니다. 다변량필터링모형은 미 연준, FRB라고 하죠, FRB에서 사용하는 경제전망 모형의 공급쪽 사이드의 모형 일부를 저희 실정에 맞게 변형해서 사용하고 있는 모형이고. 이 많은 수식을 당연히 다 이해하실 필요없고, 저 점선 네모로 되어있는 부분을 보시면 잠재 GDP인 Yt*가 생산함수 접근법과 같이 tfp, Lt, Kt의 결합으로 이루어져 있는 것을 볼 수 있습니다. 그래서 아까 말씀드린 투입요소별로 기여도 분해가 안된다는 준구조모형의 단점을 개선하기 위해서 추가적으로 생산함수 접근법과 결합을 해서 Yt*를 저렇게 나타냈기 때문에 이 모형에서는 투입요소별로 기여도 분해가 가능하게 됩니다.

[한국은행의 잠재 GDP 추정 현황](p.32)
그래서 각각의 모형이 장단점이 있기 때문에 저희는 4가지 모형을 다 기반으로 해서 잠재 GDP 추정 결과를 이렇게 2~3년 단위로 외부에 공표를 드리고 있습니다. 저기 써있는 것은 저희가 발표한 보고서의 제목이고요. 가장 최근에는 저희 BOK 이슈노트라는 발간물에서 코로나19 때문에 잠재성장률이 크게 바뀔 여지가 있었기 때문에, 그리고 급격한 경기변동 하에서 추정이 어려웠기 때문에 이러한 코로나19를 감안한 우리경제의 잠재성장률 재추정이라는 보고서를 발표한 바가 있습니다.

[한국은행의 잠재 GDP 추정 현황](p.33)
그래서 추정치를 보시면 저희가 코로나 전으로 상당히 추정치가 바뀌었는데 2021년과 2022년 최근에 보시면 2% 내외로 추정을 하는 것을 볼 수 있고요. 이러한 추정치는 조사국 4개 모형의 범위로 되어있습니다. 그리고 이러한 잠재 GDP가 어떻게 바뀌었는지를 보여드리기 위해서 오른쪽과 같이 기여도 분석을 보여드렸는데요. 이러한 기여도 분석은 아까 4개 모형 중에 2개 모형, 생산함수 추정법과 다변량필터링모형에 의해서 나온 결과의 평균이라고 말씀드릴 수 있겠습니다.

[Ⅲ. 정책분석 모형](p.34)
이렇게 간략하게 말씀을 드렸고. 저희가 경제전망모형뿐만 아니라 아까 크게 분류를 할 때 정책분석 모형이 있다고 했는데 정책분석 모형에 대해서도 간단하게 말씀을 드리면,

[정책분석 모형: BOK20](p.35)
우선 BOK20이라는 모형이 있습니다. 이것은 연립방정식 모형이라고해서 소비는 무엇에 의해 결정되고, 투자는 무엇에 의해서 결정되고 이런 것을 다 방정식을 모아서 한꺼번에 결합한 것인데. DSGE 모형이나 DPM 모형처럼 미래 기대가 반영되진 않고 과거 변수들의 평균적인 행태만을 반영해서 만들어진 모형입니다. 굉장히 큰 모형이고요. 장점이라고 하면 이 모형 같은 경우에는 소비나 투자 같은 거시변수를 결정할 때 결정하는 설명변수가 아주 엄격한 경제이론에 의해서 넣어진 변수는 아니고 필요에 따라서, 과거 행태에 따라서 넣기 때문에 필요에 따라서 수정이나 확장이 용이하다는 측면이 DSGE와 차이가 있습니다. 실제 데이터 설명력이 높은 편이고요. 그리고 모형 내에서 많은 변수가 들어가 있는 큰 모형이기 때문에 다양한 모의 실험이 가능하다는 장점이 있습니다. 다만 단점 같은 경우에는 과거 변수들 만의 관계를 고려하기 때문에 미래에 대한 합리적 기대를 반영하지 못한다는 단점이 있고요. 아까 말씀드린 루카스 비판과 같은 내용입니다. 오른쪽을 보시면 다양한 모의 실험의 예시 중 하나인데 예를 들어서 국제 유가가 얼마 전 같이 크게 상승한 경우에 거시변수 반응을 보면 1차연도에 GDP는 몇 %, 소비자물가는 몇 %, 경상수지는 몇 % 이렇게 변하는 것을 수치적으로 파악할 수 있다는 게, 그리고 이러한 모의 경제 실험이 굉장히 다양한 변수에 의해서 가능하다는 게 이 모형의 장점이라고 할 수 있습니다.

[정책분석 모형: BOK20](p.36)
보시면 이게 굉장히 복잡한 모형으로 되어있기 때문에, 모형이 크고 복잡하다는 걸 보여드리기 위해서 그림을 실어봤고요.

[정책분석 모형: BOK-DSGE](p.37)
그리고 정책분석 모형으로 저희가 아까 전망에서도 말씀드렸던 DSGE 모형을 쓰고 있습니다. DSGE 모형 같은 경우에는 경제전망 전망치로 활용되는 유가와 같은 경제변수에 다양한 시나리오를 부여해서 성장 및 물가경로의 변화를 분석할 수 있는데요. 저기는 기준금리를 예로 들었지만 예를 들어서 유가 같은 경우에도 유가가 앞으로 해외 경제 상황에 따라 10% 혹은 20% 오를 수도 있고, 반대로 10% 혹은 20%가 하락할 수도 있는데 이런 가정들에 기반해서 모형을 통해서 유가가 바뀌는 경우에 성장 및 물가 전망치가 어떻게 바뀌는지를 DSGE 모형을 통해서 산출을 할 수 있습니다. 저기에 더해서 저희가 만약에 어떤 경제정책을 수행할 예정이라고 하면 그 경제정책 수행이 GDP나 물가에 어떤 영향을 미칠 수 있는지도 DSGE 모형을 통해서 분석을 할 수 있기 때문에 이것을 경제전망 모형 겸 정책분석 모형이라고 설명을 드리고 있습니다.

[정책분석 모형](p.38)
그 외에도 굉장히 다양한 정책분석 모형을 저희가 가지고 있는데, 특히 최근과 같이 우리나라 경제성장에 미치는 글로벌 요인이 강조될 때는 BOKGM 같은 모형을 이용하기도 하는데요. BOKGM 모형 같은 경우에는 IMF의 GIMF 모형이라는 것이 있거든요. 글로벌 정책효과를 분석하는 GIMF 모형을 기반으로 해서 우리나라 실정에 맞게 바꾼 모형이고요. 이거는 global model이라는 약자에서도 알 수 있듯이 해외 부문의 충격의 파급경로를 체계적으로 분석할 수 있다는 장점이 있습니다. 그래서 다른 DPM 모형을 여러 국가로 확장한 것이라고 볼 수 있는데요. 한국, 미국뿐만 아니라 EU, 중국, 일본, 기타 이렇게 6개 국가, 원유까지 포함된 대규모 모형으로 구성이 되어있습니다. 그리고 DSGE 같은 경우에도 코어가 되는 코어 DSGE 모형 말고 부문별로 효과를 분석하기 위해서 부문별 DSGE 모형이 있습니다. 저희 같은 경우에는 재정정책이나 유가의 변동에 따른 효과를 분석하기 위해서 재정 및 유가 DSGE 모형을 따로 구축해서 가지고 있고요. 그리고 BOK-HANK라는 모형이 있습니다. 일반적인 DSGE 모형은 representative agent라고 해서 단일한 소비자를 가정하거든요. 단일한 효용함수를 가진 소비자를 가정하고 있는데 반해서 HANK 모형이라는 것은 heterogeneous가 이질성을 가졌다는 뜻이거든요. heterogeneous agent 모형을 통해서 통화정책과 같이 거시 충격의 효과가 소득 불평등에 미치는 영향을 분석할 수 있습니다. 저희가 경제전망을 함에 있어서 1,2년 후의 종단면적인 분석도 필요하지만 때로는 지금 시점에서 소득 불평등 변화와 같은 횡단면적 분석이 필요할 때도 있거든요. 그런 게 필요할 때 서로 다른 이질적 경제주체를 감안한 BOK-HANK 모형 같은 것을 이용해서 정책을 분석하기도 합니다. 그리고 글로벌 생산네트워크 분석 모형이라는 모형도 있고 아무튼 굉장히 다양한 정책분석 모형을 가지고 필요에 따라서 모형을 취사선택해서 사용하고 있습니다.

[Ⅳ. 향후 계획](p.39)
향후 계획을 말씀드리면,

[향후 계획](p.40)
일단 모형 개선 계획이 있고요. 모형 개선이라는 것은 경제이론의 발전이나 현실의 변화, 데이터의 발전에 따라서 당연히 이루어져야 하는 작업이고, 저희는 특히 코로나 이후의 경제구조 변화가 어떻게 바뀌었는지를 반영해서 모형을 개선할 계획을 가지고 있습니다. 구체적으로 미시 자료를 분석하고 학계에서 발표되는 주요 연구결과를 다 반영해서 경제전망이나 정책분석 모형의 모수를 재추정할 계획을 가지고 있고요. 또한 아까 말씀드린 것처럼 저희가 가지고 있는 HANK 모형은 소비자들의 이질성을 반영한 건데 앞으로는 기업의 이질성을 반영한 HANK 모형도 개발할 예정이고, 또한 DSGE 모형도 좀 더 확장해서 산업 간의 연계성을 반영한 모형을 개발할 예정이 있습니다. 또한 BOK20 모형의 단점으로 과거의 평균적인 행태만을 반영한다고 했는데 비슷한 모형을 가지고 있는 미국 중앙은행 같은 경우에는 FRB/US라는 모형을 가지고 있는데 이러한 모형 같은 경우에는 경제주체의 기대가 반영이 되어있기 때문에 FRB/US 모형과 같이 경제주체 기대를 BOK20 모형에 반영할 계획을 가지고 있습니다. 또한 잠재 성장률 추정에 있어서도 금융불균형을 반영한 잠재 성장률 추정모형 개발 계획도 가지고 있고요. 또한 저희가 모형 개선 작업과 더불어서 전망시 모형활용을 더 확대를 하려고 합니다. 특히 최근과 같이 불확실성이 심한 상황에서는 시나리오 분석이 굉장히 중요하기 때문에 기본 전망경로뿐만 아니라 다양한 시나리오별로 전망이 어떻게 수정되는지 수정경로까지 제시를 하려고 하고. 또한 각종 리스크나 미국이나 유로 같이 주요국 경기상황, 통화정책 기조 변화와 같이 리스크들을 감안을 해서 시나리오별 영향을 분석하고, 시나리오별로 전망 경로를 도출하려고 합니다. 기타로는 잠재 성장률이 아까 잠깐 보여드린 것처럼 지속적으로 하락 추세이기 때문에 그런 저성장 기조에 대응한 성장잠재력 확충, 효과적 구조개혁 방안 같이 정책 이슈를 정책분석 모형을 통해서 심층 분석을 할 예정이고. 그리고 코로나 이후에 우리나라 자원배분의 효율성이 어떻게 바뀌었는지도 분석할 예정이라는 것을 말씀드립니다.

[감사합니다](p.41)
이상 저의 발표는 여기까지 마치겠습니다. 감사합니다.