Capital Flows, Unequal Futures: Financial Globalization, Machine Learning and the Distributional Architecture of Income Inequality

기술 요약: 자본 흐름, 불평등한 미래

문제 제기
본 논문은 개발 금융 분야의 핵심적인 난제를 다룬다. 금융 세계화는 이론적으로 투자, 기술 이전 및 위험 분담을 촉진할 수 있음에도 불구하고, 실제로는 소득 불평등을 심화시키는 결과를 초래하는 경우가 많다. 핵심 문제는 국경 간 자본의 혜택이 균등하게 배분되지 않는다는 점이다. 즉, 혜택은 자산가, 숙련 노동자, 그리고 공식 금융에 접근 가능한 이들에게 집중되는 반면, 저소income 가구는 변동성, 자산 가격 버블, 재분배 기능 약화에 노출된다. 기존 문헌은 세계화 지표를 통합하거나 선형적인 평균 효과에 의존하는 경향이 있어, 금융 개방성이 국내 제도와 상호작용하여 소득 분배를 형성하는 조건적, 비선형적, 그리고 이질적인 특성을 포착하지 못한다는 한계가 있다.

연구 방법론
본 연구는 1996년부터 2024년까지 9개 지역, 45개 경제국의 연간 국가-연도 패널 데이터셋(1,305개 관측치)을 사용하여 다층적이고 다변량적인 실증적 접근 방식을 채택한다. 본 방법론은 인과 기제와 예측 패턴을 모두 다루기 위해 전통적인 계량 경제적 추론과 머신러닝(ML) 예측을 통합한다.

1. 데이터 구축: 종속 변수는 지니 계수(0–100 척도)이다. 핵심 설명 변수는 금융 세계화이며, 이는 주로 KOF 세계화 지수(실질적(de facto) 측정치와 규범적(de jure) 측치를 구분)를 통해 도출되었고, 외국인 직접 투자(FDI) 및 포트폴리오 자금 흐름 데이터로 보완되었다. 통제 변수로는 무역 개방도, 1인당 GDP, 교육, 사회 보호, 조세 수입, 제도적 질, 그리고 거시경제 지표가 포함된다.
2. 계량 경제적 층위:
   • 이원 고정 효과(Two-Way Fixed Effects): 관찰되지 않은 이질성과 글로벌 충격을 통제하기 위해 국가 및 연도 고정 효과를 통제하는 기본 모델($Gini_{it} = \beta_0 + \beta_1 FG_{it} + \beta_2 FG_{it}^2 + \dots$)을 사용한다.
   • 상호작용 모델: 금융 세계화를 국내 변수(교육, 사회 보호, 조세 역량, 제도적 질)와 상호작용시켜, 이러한 요인들이 불평등 결과의 완충 작용을 하는지 테스트한다.
   • 이질성 분석: 소득 그룹별(고소득, 상중소득, 하중소득, 저소득)로 하위 샘플을 분석하여 개발 단계별 효과를 평가한다.
   • 분위 회귀(Quantile Regression): 조건부 지니 분포의 서로 다른 지점(25, 50, 75, 90 백분위수)에서 관계를 추정하여, 고불평등 사회와 저불평등 사회에서 효과가 어떻게 달라지는지 식별한다.
3. 머신러닝 층위:
   • 데이터 누수를 방지하기 위해 시간 기반 분할(훈련: 1996–2018; 테스트: 2019–2024)을 사용하여 네 가지 모델(Elastic Net, Random Forest, Gradient Boosting, Multilayer Perceptron(MLP) 신경망)을 학습 및 테스트한다.
   • 설명 가능성: 순열 중요도(Permutation importance)와 부분 의존성 플롯(Partial dependence plots)을 사용하여 "블랙박스" 모델을 해석하며, 이를 통해 머신러닝 모델로부터 인과적 추론을 주장하지 않으면서도 변수의 중요도와 비선형적 반응 형태를 식별한다.

주요 결과

• 비선형성 및 조건성: 금융 세계화와 불평등 사이의 관계는 선형적이지 않다. 기본 고정 효과 모델은 유의미한 양(+)의 선형 항과 음(-)의 제곱 항을 보여주는데, 이는 금융 개방도가 높아짐에 따라 금융 세계화가 불평등에 미치는 영향이 변화함을 시사한다.
• 국내 완충재의 역할: 상호작용 모델은 국내 정책 완충재가 결과를 유의미하게 변화시킨다는 것을 확인한다. 높은 수준의 사회 보호, 교육 및 제도적 질은 금융 세계화의 불평등 심화 효과를 완화한다. 반대로, 제도가 취약하거나 사회적 지출이 낮은 환경에서는 금융 개방이 불평등을 악화시킬 가능성이 더 높다.
• 이질성: 금융 세계화의 효과는 소득 그룹에 따라 다르다. 하중소득 경제국들은 상당한 민감도를 보이는 반면, 고소득 경제국들은 더 깊은 사회 보험과 광범위한 자산 소유 구조 덕분에 다른 역학을 보인다.
• 분위별 차이: 분위 회귀 분석은 금융 세계화의 영향이 불평등 분포 전체에 걸쳐 균일하지 않음을 나타낸다. 이 관계는 이미 높은 수준의 불평등을 경험하고 있는 국가에서 더 강력하고 복잡하게 나타난다.
• 머신러닝 성능: 비선형 트리 기반 모델(Gradient Boosting 및 Random Forest)이 선형 벤치마크(Elastic Net) 및 MLP 신경망보다 표본 외(out-of-sample) 예측 성능이 우수했다(Gradient Boosting은 0.7321의 표본 외 $R^2$를 달성함).
• 예측 동인: 순열 중요도 분석 결과, "지역(Region)"과 "소득 그룹(Income Group)"이 가장 강력한 예측 변수로 식별되었으며, 그 뒤를 1인당 GDP와 교육이 이었다. 금융 세계화는 유의미한 예측 변수이지만 유일한 결정 요인은 아니며, 그 예측력은 구조적인 국내 변수들과 공유된다.

주요 기여

1. 개념적 구분: 본 연구는 금융 세계화를 보다 넓은 경제적, 사회적, 정치적 세계화와 엄격히 구분하며, 이러한 차원을 통합하는 것이 특정 분배 기제(예: 자산 소유 vs. 무역 효과)를 가릴 수 있다고 주장한다.
2. 방법론적 통합: 계량 경제적 추론(인과관계 및 조절 효과에 대한 가설 검증)과 머신러닝(복잡한 비선형성 및 상호작용 포착) 사이의 간극을 메운다. 이러한 "분포 위험 학습(distributional risk-learning)" 접근 방식은 금융이 국내 구조와 어떻게 상호작용하는지에 대한 더 미묘한 이해를 가능하게 한다.
3. 정책 의존적 프레임워크: 본 논문은 담론을 단순한 "개방 대 폐쇄"의 이분법적 논쟁에서 조건적 프레임워크로 전환하며, 금융 세계화의 분배적 결과는 국내 흡수 역량(교육, 조세, 사회 보호)의 존재 여부에 의해 결정됨을 입증한다.

의의 및 주장
본 논문은 금융 세계화를 단순히 자본 이동성이나 총체적 성장의 문제가 아니라, 일차적으로 분배 정책의 문제로 간야되어야 한다고 결론짓는다. 저자들은 금융 통합의 불평등 효과가 불가피한 것이 아니라 국내 거버넌스에 달려 있다고 주장한다.

• 거버넌스 결론: 금융 세계화는 특히 강력한 제도, 사회 안전망, 조세 역량이 부족한 국가에서 변동성이 크고 투기적이며 규제되지 않을 때 불평등을 심화시키는 힘으로 작와한다. 반면, 생산적 투자, 금융 포용성, 강력한 재분배 체계 내에 편입될 경우 포용적일 수 있다.
• 정책적 시사점: 연구는 "통제된 개방(governed openness)"을 제안한다. 개발도상국은 자본 흐름이 가계 위기로 변하는 것을 방지하기 위해, 금융 개방을 확대하기 전 혹은 그와 동시에 사회 보호, 조세 역량, 교육을 구축하는 것을 우선순위에 두어야 한다.
• 한계점: 저자들은 데이터의 불일치(소득 vs. 소비 기준), 금융 흐름의 다차원적 특성(추가적인 세분화 필요성), 그리고 자유화를 주도하는 정치적 연합에 관한 내생성 문제를 완전히 해결할 수 없는 고정 효과 모델의 한계 등을 겸허히 인정한다.

궁극적으로 본 논문은 자본 유입이 기회를 창출할 수는 있지만, 국가가 이러한 이득을 공유할 수 있는 능력은 국내 정책 구조에 달려 있다고 상정한다. 불평등의 결과는 고정된 것이 아니라, 글로벌 자본과 현지 제도의 상호작용을 국가가 얼마나 잘 관리하느냐에 따른 함수이다.