변동환율 하에서의 은행 비용 효율성과 신용시장 구조

1. 서론

본 연구는 신흥시장경제(EME)에서 환율 변동성과 은행 비용 효율성 간의 중요한 관계를 검토합니다. 이 연구는 2004년 1분기부터 2020년 2분기까지 러시아 은행의 외화(FX) 운영에 초점을 맞추어, 통화 재평가(Revals)가 전통적인 효율성 측정과 시장 구조 평가를 어떻게 심각하게 왜곡시키는지를 밝혀냅니다.

2. 연구 방법론

2.1 데이터 출처 및 표본

본 연구는 러시아 은행들의 외화 자산 및 부채 재평가에 관한 독특한 분기별 데이터를 활용합니다. 데이터셋에는 다음의 상세 정보가 포함됩니다:

• 분기별 재평가 금액(Revals)
• 은행 대차대조표 및 손익계산서 항목
• 외화 노출 지표
• 시장 구조 지표

2.2 분석 프레임워크

측정상의 도전 과제를 해결하기 위해 2단계 접근법이 개발되었습니다:

1. 전통적 확률적 프론티어 분석을 이용한 초기 효율성 추정
2. 커플라 기반 방법을 이용한 재평가 효과 조정
3. 수정된 효율성 측정치를 통합한 시장 구조 분석

3. 주요 연구 결과

3.1 재평가 비용의 영향

외화 재평가는 은행 총 비용의 가장 큰 구성 요소로, 평균 26.5%를 차지하며 은행 간 상당한 변동성을 보입니다. 이러한 비용은 은행 운영에서의 통화 불일치에 의해 발생하며, 주로 가계 외화 예금과 루블 환율 불안정성에 의해 주도됩니다.

3.2 효율성 측정 편향

외화 재평가를 무시할 경우, 전통적 비용 효율성 추정치는 약 30% 정도 심각하게 하향 편향됩니다. 이 편향은 은행들 간에 균일하지 않으며, 비모수적 커플라 분석은 분포의 양 끝단을 제외하고 효율성 순위가 일반적으로 유지되지 않음을 보여줍니다.

3.3 시장 구조적 함의

재평가 비용을 고려하지 않으면 신용시장 효율성에 대한 잘못된 결론으로 이어집니다. 명백한 비효율성은 총자산 기준 상위 4분위 은행들에 집중되어 있어, 대형 은행들이 불균형적으로 큰 외화 노출 과제에 직면하고 있음을 시사합니다.

4. 기술적 분석

4.1 수학적 프레임워크

본 연구는 재평가 효과를 조정한 확률적 프론티어 분석을 사용합니다. 기본 비용 프론티어 모델은 다음과 같이 정의됩니다:

$\ln C_i = \ln C(y_i, w_i) + v_i + u_i + r_i$

여기서:

• $C_i$ = 관측된 총 비용
• $y_i$ = 산출 벡터
• $w_i$ = 투입 가격 벡터
• $v_i$ = 무작위 오차
• $u_i$ = 비효율성 구성 요소
• $r_i$ = 재평가 조정 항

재평가 조정 항 $r_i$는 외화 노출과 환율 변동성의 함수로 모델링됩니다:

$r_i = f(\text{FX Exposure}_i, \sigma_{FX})$

4.2 실험 결과

제안된 2단계 접근법은 효율성 추정치의 하향 편향을 약 3분의 2 정도 감소시킵니다. 주요 실험 결과는 다음과 같습니다:

• 커플라 분석은 전통적 효율성 측정치와 조정된 측정치 간 비선형 관계를 보여줍니다.
• 효율성 측정치 간 순위 상관관계는 분포의 극단값을 제외하고 낮습니다.
• 조정 방법은 다양한 은행 규모 범주에 걸쳐 견고성을 입증합니다.

5. 분석 프레임워크 예시

다음 특성을 가진 은행을 고려해 보십시오:

• 총자산: $100억
• 외화 노출: 자산의 25%
• 분기별 환율 변동성: 15%
• 전통적 효율성 점수: 0.65

제안된 조정 프레임워크를 사용하면:

1. 외화 노출과 변동성을 기반으로 예상 재평가 비용 계산
2. 재평가 구성 요소를 제거하여 총 비용 조정
3. 조정된 비용 측정치를 사용하여 효율성 재추정
4. 결과: 조정된 효율성 점수 = 0.85 (30.8% 개선)

이 예시는 상당한 외화 운영을 하는 은행들에 대해 전통적 방법이 효율성을 체계적으로 과소평가하는 방식을 보여줍니다.

6. 향후 적용 및 연구 방향

본 연구는 향후 작업을 위한 몇 가지 중요한 방향을 제시합니다:

• 국가 간 적용: 서로 다른 환율 제도를 가진 다른 신흥시장경제국으로 프레임워크 확장
• 규제적 함의: 외화 재평가 리스크를 통합한 스트레스 테스트 프레임워크 개발
• 디지털 화폐 통합: 중앙은행 디지털화폐(CBDC)와 디지털 자산이 외화 노출 관리에 미치는 영향 검토
• 머신러닝 향상: 동적 재평가 예측을 위한 AI/ML 기술 통합
• 기후 리스크 통합: 환율 변동성을 기후 관련 금융 리스크와 연결

7. 참고문헌

1. Acharya, V. V., & Vij, S. (2021). Foreign currency debt in emerging markets. Journal of Financial Economics.
2. Brown, M., et al. (2018). Currency matching in bank operations. Journal of Banking & Finance.
3. Bruno, V., & Shin, H. S. (2020). Currency mismatches in emerging markets. BIS Working Papers.
4. di Giovanni, J., et al. (2022). Exchange rate volatility and bank performance. IMF Economic Review.
5. Hebert, B., & Schreger, J. (2017). The costs of currency crises. Journal of International Economics.
6. Ippolito, F. (2002). Hedging foreign exchange risk. Journal of Financial Intermediation.
7. Kumbhakar, S. C., & Lovell, C. A. K. (2000). Stochastic Frontier Analysis. Cambridge University Press.
8. Verner, E., & Gyongyosi, G. (2020). Household debt and currency crises. American Economic Review.
9. World Bank. (2023). Global Financial Development Report: Financial Stability in Emerging Markets.
10. Bank for International Settlements. (2024). Triennial Central Bank Survey of Foreign Exchange Markets.