주택담보대출 연체율의 분포적 특성을 고려한 미시 스트레스 테스트 - 이항분위회귀 모형을 이용하여 - (A Stress-Test on Mortgage Delinquencies in the Distributional perspective - An Binary Quantile Regression Approach -)

서지정보

· 발행기관 : 한국주택학회
· 수록지 정보 : 주택연구 / 22권 / 4호 / 23 ~ 43페이지
· 저자명 : 최성호, 이창무, 조만

초록

본 연구는 차주단위 주택담보대출 연체율의 분포적 특성을 고려한 스트레스 테스트방법론을 제시하고자 하였다. 이를 위해 분포적 특성연구에 자주 사용되어 왔던 분위회귀모형을 종속변수가 이항인 경우로 확장한 이항분위회귀모형을 개발하였다. 베이지안접근방법에 기반한 이항분위회귀모형의 주요결과는 다음과 같다. 첫째, LTV, DTI와 같은 연체율의 영향요인들이 종속변수의 분포상의 위치에 따라 영향력이 변화한다. 전통적인 로짓모형에 의하면 LTV보다는 DTI의 영향력이 크게 나타난다. 그러나 평균보다높은 분위를 추정하면 LTV의 영향력은 커지는 반면, DTI의 영향력은 감소하는 것으로분석되었다. 둘째, 차주단위 연체율은 분포상 극단적인 위치로 갈수록 급격히 높아지는것으로 나타났다. 마지막으로 연체율 모형에 기반하여 스트레스 테스트를 실시하였다.
거시 경제 충격에 기반한 스트레스 테스트 결과는 연체율이 분포상 극단(95%분위)에서로짓모형에 비해 2.74배 높아지는 것으로 나타났다.

영어초록

This study aims to offer a new empirical methodology, the binary quantile regression model,in modeling residential mortgage delinquency. Although it is well-developed for a continuousdependent variable, the quantile regression technique for a discrete response variableis not yet firmly settled. In this paper, we develop a parametric binary quantile regressionmodel to estimate the risk of mortgage delinquency in Korea, which is implemented througha Markov-Chain Monte Carlo (MCMC) algorithm. Based on a borrower level mortgage performancedata set, our empirical results show that: the main drivers of mortgage default observedin the U.S., such as LTV, DTI, and consumer credit ratings, are all important explanatoryfactors in Korea; the magnitudes of impacts of those independent variables varyacross four quantiles defined (50th percentile, 90th percentile, 95th percentile, and 99th percentile);and, while DTI was shown to have a larger impact on the delinquency risk underthe conventional logistic model and the 50th quantile regression, the effect of LTV magnifiesin the higher-risk quantiles. As a subsequent step, we perform a stress testing by definingthree severe economy-wide stress events, and demonstrate that the logit model based delinquencyprediction generates significantly under-biased estimates compared to the outcomesof the quantile regressions. For example, the 95th quantile regression predicts the delinquencyrate that is 2.74 times higher than that from the logit model assuming a same stressscenario.

참고자료

· 없음