Modeling structure and credit risk of the economy: a multilayer bank-firm network approach

이 논문은 기업과 은행 간의 다층 네트워크 구조를 균형표 데이터만으로 재구성하고 충격 전파를 분석하여 실제 네트워크 데이터가 부재한 상황에서도 경제의 회복탄력성을 평가하고 시스템적 위험을 식별할 수 있는 통합 프레임워크를 제시합니다.

핵심

이 논문은 **"경제라는 거대한 생태계가 어떻게 서로 연결되어 있고, 한 곳의 문제가 어떻게 전체를 무너뜨릴 수 있는지"**를 연구한 것입니다.

연구자들은 이탈리아 경제를 예로 들어, 은행과 기업, 그리고 기업 간의 거래 관계를 하나의 거대한 '디지털 쌍둥이 (Digital Twin)'로 재구성했습니다. 여기서 핵심은 비밀스러운 거래 데이터가 없어도, 은행과 기업의 '대차대조표 (자산과 부채)'만으로도 이 복잡한 관계를 추론해낼 수 있다는 점입니다.

이 복잡한 내용을 일상적인 비유로 쉽게 설명해 드리겠습니다.

---

1. 경제는 거대한 '연쇄 레고 성'입니다

우리의 경제는 단순히 기업과 은행이 따로 노는 게 아닙니다.

• 기업들 (공장, 상점 등): 서로 부품을 주고받으며 물건을 만듭니다. (A 회사가 B 회사에 부품을 팔고, B 회사는 C 회사에 완제품을 팝니다.)
• 은행들: 이 기업들에게 돈을 빌려주고, 서로도 돈을 빌려줍니다.

이 모든 것이 거대한 레고 성처럼 서로 맞물려 있습니다. 만약 이 성의 한쪽 구석에 있는 작은 레고 조각 (작은 기업) 이 무너진다면, 그 충격이 어떻게 퍼질까요?

2. 연구자들이 한 일: "눈가리고 아웅"으로 지도 그리기

연구자들은 "누가 누구에게 얼마를 빌려줬는지" 같은 구체적인 거래 내역은 비밀이라 볼 수 없다고 가정했습니다. 대신, 은행과 기업이 가진 '총 자산'과 '총 부채'라는 큰 그림 정보만 가지고, 수학 (물리학) 의 원리를 이용해 "아마도 이런 연결고리가 있을 거야"라고 가상의 지도를 그렸습니다.

• 비유: 마치 어두운 방에서 사람의 그림자 (대차대조표) 만 보고, 그 사람이 어떤 옷을 입고 어떤 자세로 서 있는지 (누구와 거래하는지) 를 추측해 내는 것과 같습니다.

3. 충격 전파 시나리오: "나비 효과"가 어떻게 일어나는가?

연구자들은 이 가상의 지도 위에서 "만약 A 기업이 갑자기 망하면?"이라는 시나리오를 실행해 보았습니다. 충격은 3 단계로 퍼져나갑니다.

1 단계: 공장의 불꽃 (기업 간 충격)

• 상황: A 공장이 갑자기 문을 닫았습니다.
• 전파: A 공장에서 부품을 받던 B 공장은 재료가 없어 멈춥니다. B 공장의 제품을 사던 C 상점도 물건을 못 팔게 됩니다.
• 결과: **생산 네트워크 (ESRI)**를 통해 경제 전체의 생산량이 줄어듭니다. 마치 레고 성의 한 부분이 무너지면서 전체 구조가 흔들리는 것과 같습니다.

2 단계: 은행의 허리띠 (기업 → 은행 충격)

• 상황: B 공장이나 C 상점은 물건을 못 팔아 돈이 없습니다. 그래서 은행에 빌린 돈을 갚지 못합니다 (부도).
• 전파: 은행은 "아, 이 기업들 돈 못 받겠구나"라고 생각하며 자산 가치를 깎아씁니다.
• 결과: **금융 네트워크 (FSRI)**를 통해 은행들의 자본이 줄어듭니다.

3 단계: 은행 간의 전염 (은행 간 충격)

• 상황: A 은행이 기업 대출 때문에 손해를 봤습니다. 그런데 A 은행은 B 은행에게도 돈을 빌려주었습니다.
• 전파: B 은행은 "A 은행이 망하면 내 돈도 위험하구나"라고 생각하며 긴장합니다. 이 불안감이 다른 은행들 사이로 퍼져나가 전체 금융 시스템이 흔들립니다.
• 결과: **은행 간 네트워크 (DebtRank)**를 통해 작은 충격이 거대한 금융 위기로 변합니다.

4. 주요 발견: "큰 기업"이 항상 "위험한 기업"은 아니다?

이 연구의 가장 흥미로운 점은 위험의 종류가 다르다는 것입니다.

• 경제를 움직이는 핵심 (ESRI): 어떤 기업은 생산망에서 꼭 필요한 '핵심 부품'을 만듭니다. 이 기업이 망하면 경제 전체가 멈춥니다. (예: 석유 정제, 통신, 물류)
• 은행을 위협하는 핵심 (FSRI/DR): 어떤 기업은 생산량은 적지만, 은행에 엄청난 빚을 진 상태일 수 있습니다. 이 기업이 망하면 은행의 자본이 크게 훼손됩니다.

비유:

• A 기업은 거대한 교량의 기둥입니다. 이 기둥이 무너지면 다리 전체가 붕괴됩니다 (경제적 중요도 높음).
• B 기업은 작은 정자지만, 그 정자를 지탱하는 기둥이 은행의 금고에 꽂혀 있습니다. 이 정자가 무너지면 금고가 무너집니다 (금융적 위험도 높음).

연구 결과, 경제적으로 가장 중요한 기업과 은행을 가장 위협하는 기업이 항상 같지는 않다는 것을 발견했습니다. 따라서 규제 당국은 둘 다 따로따로, 그리고 함께 지켜봐야 합니다.

5. 결론: 왜 이 연구가 중요한가?

이 연구는 **"데이터가 없어도 경제의 취약점을 찾을 수 있다"**는 것을 증명했습니다.

• 정책 입안자를 위한 도구: 실제 거래 내역을 알 수 없더라도, 은행과 기업의 재무제표만으로도 "어떤 기업이 망하면 경제가 무너질까?", "어떤 은행이 가장 위험할까?"를 시뮬레이션할 수 있습니다.
• 디지털 쌍둥이: 마치 비행기 설계자가 실제 비행기를 만들기 전에 컴퓨터로 비행 시뮬레이션을 하듯, 규제 당국은 이 모델을 통해 경제 위기를 미리 예측하고 대비할 수 있게 됩니다.

한 줄 요약:

"이 논문은 비밀스러운 거래 내역 없이도, 은행과 기업의 재무제표만으로 경제라는 거대한 레고 성의 연결고리를 재구성하고, 어떤 작은 조각이 무너지면 전체가 무너질지 미리 시뮬레이션하는 방법을 개발했습니다."

기술 요약

논문 개요: 경제 구조 및 신용 위험 모델링: 다층 은행 - 기업 네트워크 접근법

이 논문은 실물 경제 (생산 네트워크) 와 금융 시스템 (은행 간 및 은행 - 기업 신용 네트워크) 간의 복잡한 상호작용을 통합적으로 분석하기 위한 새로운 계산 프레임워크를 제시합니다. 저자들은 상세한 거래 데이터가 접근 불가능한 상황에서 대차대조표 정보만을 사용하여 경제의 '디지털 트윈 (Digital Twin)'을 구축하고, 충격이 기업에서 은행, 그리고 은행 간 시장으로 전파되는 과정을 시뮬레이션하는 방법을 개발했습니다.

1. 문제 제기 (Problem)

• 데이터 접근성 한계: 기업 간 거래, 은행 - 기업 신용 노출, 은행 간 대출 관계에 대한 상세한 미시 데이터는 기밀로 보호되어 연구자나 규제 당국이 접근하기 어렵습니다.
• 분산된 모델링: 기존 연구들은 금융 네트워크 내 전염이나 생산 네트워크 내 전염을 각각 분석하는 경우가 많았으며, 실물 경제와 금융 시스템을 연결하는 다층적 (Multilayer) 전염 메커니즘을 통합적으로 다루는 프레임워크가 부족했습니다.
• 시스템적 리크 평가의 필요성: 기후 재해, 지정학적 갈등, 팬데믹 등 외부 충격이 공급망과 신용 경로를 통해 어떻게 시스템적 위기로 확대되는지 정량화할 수 있는 도구의 부재.

2. 방법론 (Methodology)

저자들은 대차대조표 (Balance Sheet) 정보와 투입 - 산출 (Input-Output, IO) 테이블을 기반으로 3 개의 계층으로 구성된 다층 네트워크를 재구성하고, 충격 전파를 시뮬레이션합니다.

가. 네트워크 재구성 (Network Reconstruction)
최대 엔트로피 원리와 적합도 (Fitness) 기반 모델을 결합하여, 알려진 집계 데이터 (대차대조표) 와 일치하는 확률적 네트워크 앙상블을 생성합니다.

1. 은행 간 네트워크 (Interbank Layer): 밀도 보정 중력 모델 (DCGM) 을 사용하여 은행 간 대출 관계를 재구성합니다.
2. 은행 - 기업 네트워크 (Bank-Firm Layer): 향상된 자본 자산 가격 결정 모델 (ECAPM) 을 사용하여 은행과 기업 간의 신용 관계를 재구성합니다.
3. 기업 - 기업 네트워크 (Firm-Firm Layer): 스트라이프 보정 중력 모델 (SCGM) 과 투입 - 산출 중력 모델 (IOGM) 을 결합하여 산업별 필수성 (Essentiality) 과 기술적 제약을 반영한 생산 네트워크를 재구성합니다.

나. 충격 전파 및 시스템적 리스크 지표 (Shock Propagation & Metrics)
재구성된 네트워크 위에서 순차적인 전염 과정을 시뮬레이션합니다.

1. 생산 네트워크 충격 (ESRI): 초기 기업 충격이 공급망을 통해 전파되어 전체 생산 감소로 이어지는 정도를 경제적 시스템적 리스크 지표 (ESRI) 로 측정합니다. 필수적 입력재와 비필수적 입력재를 구분하여 Leontief 생산 함수를 일반화하여 적용합니다.
2. 은행 - 기업 신용 충격 (FSRI): 기업의 생산 감소로 인한 수익 감소가 이자 지급 능력 (NPL, 부실채권) 에 미치는 영향을 계산하여 금융 시스템적 리스크 지표 (FSRI) 로 전환합니다. 이는 은행의 자본 손실로 이어집니다.
3. 은행 간 전염 (DebtRank): 은행의 자본 손실이 은행 간 네트워크를 통해 증폭되는 과정을 DebtRank (DR) 알고리즘을 통해 시뮬레이션합니다. 이는 은행의 부도 여부뿐만 아니라 자본 악화 정도에 따른 전염을 포착합니다.

3. 주요 기여 (Key Contributions)

• 통합 프레임워크 개발: 기존에 분리되어 있던 생산 네트워크, 은행 - 기업 신용 네트워크, 은행 간 네트워크를 하나의 다층 구조로 통합하고, 이들을 연결하는 순차적 전염 파이프라인을 최초로 제안했습니다.
• 데이터 가용성 극복: 기밀 거래 데이터 없이도 대차대조표와 공개된 IO 테이블만으로 경제의 전체 구조를 재구성하고 스트레스 테스트를 수행할 수 있는 방법을 제시했습니다.
• 실증적 검증: 이탈리아 경제 (2023 년 데이터, 109 개 은행, 7,109 개 기업) 에 적용하여 방법론의 유효성을 입증했습니다.

4. 연구 결과 (Results)

이탈리아 경제 데이터를 기반으로 한 시뮬레이션 결과는 다음과 같은 통찰을 제공합니다.

• 시스템적 중요도의 이질성:
  • 소수의 기업만이 전체 생산 (ESRI) 에 큰 영향을 미치며, 대다수 기업은 미미한 영향을 줍니다.
  • 생산 측면에서 가장 중요한 기업 (예: 석유 정제, 항공 운송) 과 금융 시스템에 가장 큰 위험을 주는 기업 (예: 경영 컨설팅, 자동차 제조) 이 반드시 일치하지는 않습니다. 이는 경제와 금융 시스템의 중요성이 부분적으로만 겹친다는 것을 의미합니다.
• 리스크 전파 경로:
  • 기업 충격은 공급망을 통해 생산 감소 (ESRI) 를 일으키고, 이는 부실채권 (NPL) 을 통해 은행 자본 (FSRI) 을 침식하며, 최종적으로 은행 간 네트워크 (DR) 를 통해 증폭됩니다.
  • 산업별 충격 (예: 특정 산업의 10% 생산 감소) 시나리오에서는 은행 간 전염이 선형적으로 발생하여 개별 기업 충격 시나리오보다 은행의 취약성이 약 10 배 더 크게 나타났습니다.
• 리스크 결정 요인:
  • 기업: 시스템적 리스크는 기업 규모, 시장 점유율, 그리고 공급망 내 '필수성 (Essentiality)'에 의해 결정됩니다. 특히 상위 계층의 기업에서는 필수성과 시장 점유율이 비선형적으로 리스크를 증폭시킵니다.
  • 은행: 은행의 취약성 (Vulnerability) 은 주로 레버리지 (부채 비율) 에 의해 결정됩니다. 기업 대출 비중뿐만 아니라 은행 간 대출 노출 (Interbank exposure) 이 은행의 취약성을 설명하는 핵심 변수입니다.

5. 의의 및 시사점 (Significance)

• 정책적 활용: 규제 당국은 상세한 미시 데이터가 없어도 이 프레임워크를 통해 '디지털 트윈'을 구축하고, 특정 기업이나 산업의 충격이 경제 전체에 미칠 영향을 사전에 평가 (Stress Test) 할 수 있습니다.
• 시스템적 리스크 이해: 시스템적 리스크는 개별 기관의 문제뿐만 아니라 네트워크 구조와 계층 간 연결성에서 비롯됨을 강조합니다.
• 향후 연구 방향: 동적 기업 행동, 적응적 금융 대응, 국경을 초월한 네트워크 확장 등을 통해 모델의 현실성을 높일 수 있는 방향을 제시합니다.

결론적으로, 이 연구는 데이터의 제약을 극복하고 경제와 금융 시스템의 복잡한 상호작용을 통합적으로 모델링할 수 있는 강력한 방법론을 제시하며, 미래의 금융 안정성 정책 수립에 중요한 기초를 제공합니다.