Do Credit Markets repond to macroeconomic shocks? The case for Reverse Causality (2023, Journal of Finance)

거시나 금융이나 식별은 매우 중요한 문제이다. 어떤 현상을 설명하고자 할 때, 1) 어떤 데이터를 2) 어떻게 설명하고자 하는 것인지, 3) 어떻게 데이터로 가공해서 메커니즘을 보여줄 것인지가 매우 중요하다.

하지만 중요한 만큼, 이론을 바탕으로 식별을 잘 해내는 일은 쉬운 것이 아니다. 

 

제목 : Do Credit Markets repond to macroeconomic shocks? The case for Reverse Causality (2023)
저자 : Martijn boons, Giorgio Ottonello, and Rossen Valkanov
분야 : Macro & Finance
저널 : Journal of Finance

 

[주요 내용]

 

이 논문은 "거시경제 (Macro)"와 "신용시장 (Credit market)" 사이의 양방향 상호작용을 모형화한다. 신용 스프레드는 거시 충격에 반대로 (음의 상관관계)로 변동을 한다는 점을 보여준다. 거시 충격이 경제적인 기원(economic provenance)과 샘플 커버리지(Sample coverage), 식별 방식을 서로 다른 방식으로 접근해서 분석해도, 실증 분석 결과들이 일관되고 견고하다는 점이 주목할 만하다.

• 거시 충격을 나타내는 데이터들로 유가 공급 (Oil supply),  IST 뉴스, 국방 지출 관련 뉴스 충격을 사용한다. 그 이유는 이 데이터들의 특성 상, 신용 시장의 충격과 상관되어 있지 않기 때문이다. 

 

 

거시 경제의 충격(변동)은 1) 회사채 위험 프리미엄에 강한 변화를 일으키며, 2) 현금 흐름 (Cash flow)에는 상대적으로 작은 영향을 미친다. 이때, 이 논문에서는 여러가지 신용 스프레드와 수익률의 분해를 통해 신용 스프레드의 전달 경로를 식별한다.

• (원인) 1) 에 대한 주장으로, 회사채가 거시적 충격에 노출되면, 위험 프리미엄으로 보상을 받는다는 주장을 제시하고 있다. 동일한 거시 충격이 정확히 같은 방향으로 주식 위험 프리미엄에 영향을 미친다는 점을 통해 식별할 수 있다.
• (전달경로) 신용 스프레드가 더 크고 오래 지속되는 이유로, 시장 참여자들의 정보 제한성 (Information rigidities)와 레버리지와 관련된 증폭 효과와의 조합이라고 제시한다.
  • 정보 제한성과 관련해서, 경제 위기 상황에서 회사채 시장에 참여하는 사람들이 채무 불이행 위험과 신용 리스크 프리미엄에 대해 어떻게 기대 (expectation)을 형성하는 지에 대한 문제와 연결이 되어 있기 때문에 중요하다.

 

 

“역 인과성 (Reversal Causality)" 에 대한 증거도 강력하게 나타내고 있는데, 신용 시장에서의 충격이 반대로 경제에 큰 잠재적 영향을 준다는 점이 이 논문의 특징이다.

 

 

[데이터 및 방법론]

본고의 목표는 신용 스프레드 ($S_t$) 가 거시경제 지표 ($M_t$) 충격에 미치는 반응 (response)를 장단기로 살펴보는 것이다. 데이터는, 단기의 경우 (1973Q1~) CFNAI measure, GZ credit spread measure (회사채와 국채의 동일 가중 평균 수익률 스프레드)를 이용한다. 장기의 경우 (1919Q1~) DS (default spread; BAA0 와 AAA- 회사채의 스프레드) 데이터를 이용한다. 거시경제 지표는 $GDP_{DT}$ (추세가 제거된 GDP) 를 이용한다.

 

(Panel Regerssion) 거시 경제 활동 지표가 크레딧 스프레드에 미치는 영향을 식별하기 위해서, lead-lag 상관관계를 제시하고 있다. 현재의 $S_t$ 가 미래의 $M_{t+k}$에 미치는 영향의 상관관계를 그려보고, $M_t$ 와 미래의 $S_{t+k}$ 상관관계를 나타낸다. GZ와 DS 는 GDP와 동시적으로 음의 상관관계 (-0.55)를 보인다. 이는 높은 크레딧 스프레드 신호가 경제 활동의 감소와 같이 나타난다는 사실과 일맥상통한다. 그중에서도 DS (장기적 스프레드) 보다 GZ (단기적 스프레드)가 더 강한 leading 상관관계를 보인다는 점도 알 수 있으며, 나쁜 경제 상황에서 크레딧 스프레드가 증가하며 2년 앞서서 까지 높게 유지될 수 있음을 시사하는 것이다.

• 앞서 두가지 방향으로 상관관계를 살폈으며, 이들이 보여주는 것을 보여줄 수 있는 설명 (Potential) 으로는 $M_t$ 는 $S_{t+k}$에 인과적 예측 관계를 가지며, $S_t$ 가 $M_{t+k}$와 $M_t$ 가 $S_{t+k}$ 둘다에 모두 예측적인 관계를 가질수 있음올 보여준다. 이때, 이 두 지표에 모두 영향을 주는 공통 요인 (Common Source)은 신용 시장의 마찰 등을 하나의 설명으로 제시할 수 있다.

 

(SVAR) 구조적 거시 충격 (SVAR)은 거시 경제 지표와 크레딧 스프레드의 동시적 관계 (contemporaneous relation)를 나타내기 위한 식별을 위한 강한 가정이 필요하다.

$$ \left[\begin{array}{c}M_{t+1} \\S_{t+1}\end{array}\right]=\left[\begin{array}{cc}0 & b_{12} \\b_{21} & 0\end{array}\right]\left[\begin{array}{c}M_{t+1} \\S_{t+1}\end{array}\right]+\Phi^{\prime} \mathbf{Q}{t}+\varepsilon{t+1} $$
$$ Q_{t+1}=B_{0} Q_{t+1}+\Phi^{\prime} \mathbf{Q}{t}+\varepsilon{t+1} $$
$$ \mathbf{Q}{t}=\left[Q{t}^{\prime}, Q_{t-1}^{\prime}, \ldots, Q_{t-p}^{\prime}\right]^{\prime} \text { with } Q_{t+1}=\left[M_{t+1}, S_{t+1}\right]^{\prime}, \varepsilon_{t+1}=\left[\varepsilon_{M, t+1}, \varepsilon_{S, t+1}\right]^{\prime} $$

여기서 $E\left(\varepsilon_{t+1} \varepsilon_{t+1}^{\prime}\right)=D$ , $E\left(\varepsilon_{t} \varepsilon_{s}^{\prime}\right)=0$이며 D는 diagonal 행렬이다. $B_0$ 와 $\Phi$ 에 주목해야 한다. 다만, 이는 강한 가정을 가지고 있기에 구조적으로 살펴보는 데 집중하고, 실증 분석은 local projection 방법론을 활용하여 추정을 한다.

(그림 해석) 신용 스프레드가 매크로 충격에 부정적으로 반응하는 것을 확인할 수 있다. 세번째 그림만 주목해서 살펴보면, GDP충격이 DS에 미치는 영향이 약 -0.15 정도로 나타났으며 약 16분기 (4년)동안 지속적이었다는 점을 확인할 수 있다. 

 

 
(Local Projection) LP 방법론을 이용하여 $M_t$ 와 $S_t$ 의 외부 충격반응 (Impluse Response)를 추정하고자 한다. $N_t$는 외생적인 충격이다.
$$ \begin{aligned}M_{t+K} & =a_{K}^{M}+b_{K}^{M} N_{t}+c_{K}^{M}(L) z_{t-1}+\epsilon_{t+K}^{M} \\S_{t+K} & =a_{K}^{S}+b_{K}^{S} N_{t}+c_{K}^{S}(L) z_{t-1}+\epsilon_{t+K}^{S}\end{aligned} \\ \text { for } K=0, \ldots, 16 $$
$c_{K}(L)$는 가능한 자기상관을 고려하기 위해 $M_{t}$, $S_{t}$, $N_{t}$의 네 시차 이전까지의 시차 다항식 (lag polynomial)이다. 여기서 주목할 충격 $N_t$ 는 세가지 충격이다. (1) oil supply, (2) IST news, (3) 국방 지출 news이다. 이는 신용시장과 외생적인 충격이기 때문에 선택되었으며 외생적 도구 (external instruments)라고 볼 수 있다.
 

(그림 해석) GDP의 국방 지출 충격에 대한 반응은 약 3년 후에 정점을 찍지만, IST 충격에 대한 반응은 약 1년 후에 정점을 찍는 양상을 그림에서 확인할 수 있다. 석유 공급 충격은 1975년 부터 데이터가 존재하며 1980년대에 가장 크게 나타났고, 국방 지출 충격은 1800년대 후반부터 데이터가 존재하며 제2차 세계대전 때 가장 크다. 서로 다른 시차와 다른 성격의 충격에 어떻게 반응하는 보고자 한 것이며, 이로써 신용 스프레드가 일관된 반응을 보임을 확인했다. 

 

 

(표 해석) 이 회귀분석에서 종속변수는 연간 회사채 초과 수익률이며, CFNAI, 인플레이션, 신용스프레드 DS 와 GZ는 독립변수로 고려한다. 아래의 숫자는 계수와 (t-통계량), R-square 가 있다. 

• 종속 변수를 몇개로 쪼개어 살펴볼 수 있다. 우선 MKT 는 risk-free 이자율을 초과한 모든 회사채의 가중 평균 포트폴리오 수익률 (return of the value-weighted portfolio of all corporate bonds in excess of the risk-free rate)이며, RAT는 고신용 위험 포트폴리오 - 저신용 위험 포트폴리오 수익률 (high-minus-low credit risk portfolio), TTM은 롱-숏 포트폴리오 (long-short portfolios using time-to-maturity), SIZE는 만기 프리미엄과 시가 총액을 고려한 포트폴리오 수익률 ( proxy for term premia, and market value)이다.
• 여기서 CFNAI 가 모든 포트폴리오의 수익률과 부정적인 상관관계가 있다는 것을 확인할 수 있다. 이는 리스크 프리미엄이 경기와 반대로 움직인다는 일반적인 가정과 일치하다고 볼 수 있다. 계수 추정 값은 모두 유의하다. INF 인플레이션이 추가가 되었다고 계수의 변화 (-3.49 -> -3.22)가 크지 않음도 확인할 수 있다. 다만, INF를 포함하면 R-square 값이 증가됨을 확인할 수 있다.