---
ticker: "KRADS"
title: "대한민국 ADS 경기상황지수"
unit: ""
frequency: "월별"
source: "Aruoba, Diebold, and Scotti (2009)"
release: "월별 산출"
category: "경기침체·나우캐스팅"
country: "KR"
language: "ko"
canonical: "https://kred.dev/ko/series/KRADS"
license: "https://creativecommons.org/licenses/by-nc-nd/4.0/"
latest_value: 0.46
latest_date: "2026-08-01"
first_date: "2000-01-01"
observations_total: 320
observations_shown: 120
---

# 대한민국 ADS 경기상황지수

## 개요

취업·생산·판매에 공통으로 흐르는 단일 경기 신호를 월별로 요약해, 평균 대비 경기의 강약을 실시간으로 가늠하게 해줍니다.

## 주요 수치

|  | 값 | 날짜 |
|---|---|---|
| 최신값 | 0.46 | 2026-08-01 |
| 직전 대비 | +1.56 | 2026-07-01 |
| 1년 전 대비 | +1.33 | 2025-08-01 |
| 수록 기간 내 최고 | 4.42 | 2002-01-01 |
| 수록 기간 내 최저 | -4.98 | 2020-03-01 |
| 수록 기간 | 2000-01-01 – 2026-08-01 |  |
| 관측치 수 | 320 |  |

## 최근 관측치

| 날짜 | 값 | 변화 |
|---|---|---|
| 2016-09-01 | -0.87 | -1.42 |
| 2016-10-01 | -0.54 | +0.33 |
| 2016-11-01 | 0.53 | +1.06 |
| 2016-12-01 | 0.24 | -0.28 |
| 2017-01-01 | -0.29 | -0.53 |
| 2017-02-01 | -0.03 | +0.26 |
| 2017-03-01 | 0.61 | +0.64 |
| 2017-04-01 | -0.64 | -1.26 |
| 2017-05-01 | 0.01 | +0.66 |
| 2017-06-01 | -0.13 | -0.14 |
| 2017-07-01 | -0.32 | -0.19 |
| 2017-08-01 | 0.48 | +0.80 |
| 2017-09-01 | 0.84 | +0.36 |
| 2017-10-01 | -1.77 | -2.62 |
| 2017-11-01 | 0.52 | +2.29 |
| 2017-12-01 | -0.83 | -1.35 |
| 2018-01-01 | 0.47 | +1.30 |
| 2018-02-01 | 0.64 | +0.17 |
| 2018-03-01 | -0.75 | -1.39 |
| 2018-04-01 | 0.62 | +1.37 |
| 2018-05-01 | -0.51 | -1.13 |
| 2018-06-01 | -0.15 | +0.36 |
| 2018-07-01 | -0.05 | +0.11 |
| 2018-08-01 | -0.41 | -0.37 |
| 2018-09-01 | -0.61 | -0.20 |
| 2018-10-01 | 0.39 | +1.00 |
| 2018-11-01 | -1.11 | -1.51 |
| 2018-12-01 | -0.63 | +0.49 |
| 2019-01-01 | 0.99 | +1.62 |
| 2019-02-01 | -2.74 | -3.73 |
| 2019-03-01 | 1.28 | +4.02 |
| 2019-04-01 | 0.90 | -0.38 |
| 2019-05-01 | -0.17 | -1.07 |
| 2019-06-01 | -1.62 | -1.44 |
| 2019-07-01 | 0.84 | +2.46 |
| 2019-08-01 | 0.82 | -0.02 |
| 2019-09-01 | -1.25 | -2.07 |
| 2019-10-01 | 0.21 | +1.46 |
| 2019-11-01 | 0.35 | +0.14 |
| 2019-12-01 | 0.32 | -0.03 |
| 2020-01-01 | 0.63 | +0.31 |
| 2020-02-01 | -4.51 | -5.14 |
| 2020-03-01 | -4.98 | -0.47 |
| 2020-04-01 | -1.42 | +3.56 |
| 2020-05-01 | 0.66 | +2.08 |
| 2020-06-01 | 1.60 | +0.94 |
| 2020-07-01 | 0.74 | -0.86 |
| 2020-08-01 | -0.24 | -0.97 |
| 2020-09-01 | 0.39 | +0.63 |
| 2020-10-01 | 0.89 | +0.50 |
| 2020-11-01 | 0.79 | -0.10 |
| 2020-12-01 | -1.62 | -2.40 |
| 2021-01-01 | -0.14 | +1.47 |
| 2021-02-01 | 1.76 | +1.90 |
| 2021-03-01 | 1.28 | -0.48 |
| 2021-04-01 | -0.06 | -1.34 |
| 2021-05-01 | -0.03 | +0.03 |
| 2021-06-01 | 0.26 | +0.29 |
| 2021-07-01 | -0.63 | -0.88 |
| 2021-08-01 | -0.76 | -0.13 |
| 2021-09-01 | 1.21 | +1.97 |
| 2021-10-01 | 0.43 | -0.78 |
| 2021-11-01 | 1.28 | +0.85 |
| 2021-12-01 | 0.12 | -1.16 |
| 2022-01-01 | 0.24 | +0.12 |
| 2022-02-01 | -2.15 | -2.39 |
| 2022-03-01 | 1.27 | +3.42 |
| 2022-04-01 | 1.26 | -0.01 |
| 2022-05-01 | -0.02 | -1.28 |
| 2022-06-01 | -0.03 | -0.02 |
| 2022-07-01 | -0.05 | -0.02 |
| 2022-08-01 | 0.11 | +0.16 |
| 2022-09-01 | -0.66 | -0.78 |
| 2022-10-01 | -0.80 | -0.14 |
| 2022-11-01 | -0.30 | +0.50 |
| 2022-12-01 | -0.85 | -0.55 |
| 2023-01-01 | -1.43 | -0.58 |
| 2023-02-01 | 1.91 | +3.33 |
| 2023-03-01 | -0.40 | -2.30 |
| 2023-04-01 | -1.03 | -0.63 |
| 2023-05-01 | 0.88 | +1.90 |
| 2023-06-01 | 0.07 | -0.81 |
| 2023-07-01 | -0.99 | -1.06 |
| 2023-08-01 | 0.76 | +1.75 |
| 2023-09-01 | 0.48 | -0.28 |
| 2023-10-01 | -0.81 | -1.29 |
| 2023-11-01 | 0.24 | +1.05 |
| 2023-12-01 | -0.32 | -0.55 |
| 2024-01-01 | -0.01 | +0.31 |
| 2024-02-01 | 0.02 | +0.03 |
| 2024-03-01 | -1.55 | -1.57 |
| 2024-04-01 | 0.78 | +2.33 |
| 2024-05-01 | -0.97 | -1.75 |
| 2024-06-01 | -0.84 | +0.13 |
| 2024-07-01 | -0.58 | +0.26 |
| 2024-08-01 | 0.55 | +1.13 |
| 2024-09-01 | -0.92 | -1.47 |
| 2024-10-01 | 0.68 | +1.60 |
| 2024-11-01 | -1.10 | -1.78 |
| 2024-12-01 | 0.42 | +1.52 |
| 2025-01-01 | -1.13 | -1.55 |
| 2025-02-01 | 0.39 | +1.52 |
| 2025-03-01 | -0.34 | -0.73 |
| 2025-04-01 | -0.24 | +0.09 |
| 2025-05-01 | -0.85 | -0.61 |
| 2025-06-01 | 1.10 | +1.95 |
| 2025-07-01 | -0.17 | -1.28 |
| 2025-08-01 | -0.87 | -0.70 |
| 2025-09-01 | 1.39 | +2.27 |
| 2025-10-01 | -1.61 | -3.01 |
| 2025-11-01 | -0.03 | +1.58 |
| 2025-12-01 | 0.62 | +0.65 |
| 2026-01-01 | -0.23 | -0.85 |
| 2026-02-01 | 0.99 | +1.22 |
| 2026-03-01 | 0.93 | -0.06 |
| 2026-04-01 | -1.53 | -2.46 |
| 2026-05-01 | 0.00 | +1.53 |
| 2026-06-01 | 1.51 | +1.50 |
| 2026-07-01 | -1.11 | -2.61 |
| 2026-08-01 | 0.46 | +1.56 |

## 정의

ADS 경기상황지수는 취업·생산·판매 등 여러 실물활동 지표에 공통으로 흐르는 단일 경기 신호를 하나의 숫자로 요약한 동행지수이다. 혼합주기로 관측되는 실물활동 변수들에서 단일 잠재 경기상황 요인을 상태공간 동태요인모형으로 분리하여 월별로 산출한다(Aruoba, Diebold, and Scotti 2009).

표준화한 관측 벡터 $y_t$는 단일 요인에 실린 공통 성분과 지표별 특이 성분으로 분해된다.

$$y_t = \Lambda f_t + \varepsilon_t$$

여기서 $f_t$가 KRADS로 공표되는 잠재 경기상황 요인이고, $\Lambda$는 적재계수, $\varepsilon_t$는 지표별 특이 성분이다.

요인은 입력 지표들의 로그 1차 차분, 즉 성장률을 결합하여 추출되므로 실물활동의 변화율인 흐름을 측정하며 수준을 측정하지 않는다. 표준화로 평균이 0이 되고, GDP 성장률과의 부호 정합에 따라 양의 값이 평균 이상의 활동 모멘텀을 가리키도록 방향이 정해진다. 양의 값이 클수록 평균보다 좋은 경기 모멘텀을, 음의 값이 클수록 평균보다 나쁜 경기 모멘텀을 의미하며, 0은 평균 부근을 가리키는 기준선으로 차트에 표시한다. 따라서 본 지표는 HLW 산출갭처럼 수준 편차를 측정하는 지표가 아니라 변화율 게이지로 읽어야 한다.

## 산출방법

요인 $f_t$와 표준화 후의 관측 벡터 $y_t$에 대해 모형은

$$y_t = \Lambda f_t + \varepsilon_t$$

$$f_t = A_1 f_{t-1} + u_t,\quad u_t \sim \mathcal{N}(0, Q)$$

$$\varepsilon_{i,t} = \rho_i \varepsilon_{i,t-1} + \eta_{i,t},\quad \eta_{i,t} \sim \mathcal{N}(0, \sigma_i^2)$$

이고, 분기 GDP 성장률은 Mariano-Murasawa 집계를 통해 미관측 월별 성장률의 가중 이동평균으로 모형화한다.

추정은 혼합주기 상태공간 요인모형의 EM 알고리즘으로 수행하며, 다음 사양을 채택한다. **(1) 입력.** 추세가 있는 한국 월별 지표 네 종(취업자수, 전산업생산지수, 소매판매액지수, 서비스업생산지수)은 로그 1차 차분으로 변환하여 백분율 성장률 단위로 모형에 투입한다. 분기 실질 GDP는 이미 전기비 백분율 단위로 공표되므로 로그 차분 없이 그대로 분기 변수에 배정한다. **(2) 표준화.** 표준화로 표본 평균을 0, 표본 표준편차를 1로 정규화하여 요인에 척도 단위가 남지 않도록 한다. **(3) EM 추정과 평활.** 1개 요인에 요인 AR(1)과 특이오차 AR(1)을 설정하고 분기 GDP는 분기 입력으로 별도 투입한다. EM 알고리즘으로 최대 500회 반복한 뒤 칼만 평활자로 잠재요인을 복원한다. **(4) 부호 정합.** 평활 요인과 분기 GDP 성장률을 월별 격자에서 비교하여 Pearson 상관이 음이면 요인을 반전하며, 이를 통해 양의 값이 평균 이상의 활동을 의미하도록 방향을 고정한다.

표본은 월별 지표 중 전산업생산과 서비스업생산이 모두 가용한 2000년 1월부터 시작하며, 매 파이프라인 틱에 전체 표본을 재적합한다. EM과 칼만 평활자는 결정론적 함수이고 PCA 기반 초기화도 결정론적이다. 다만 행렬 분해 단계가 BLAS 구현에 민감하므로 OPENBLAS_NUM_THREADS=1을 강제하며, 교차 플랫폼 스냅샷을 요인 시계열의 BLAS 간 드리프트 게이트로 보관한다.

## 경제학에서의 응용

ADS 프레임워크는 실물활동을 잠재 경기상황 변수의 잡음 섞인 관측으로 보고 그 잠재 변수를 하나의 요인으로 추출한다(Aruoba, Diebold, and Scotti 2009). 미국 자료에서 이 잠재 변수는 NBER 침체기 전반에 음의 값을 취하고 확장기에는 0 근처를 유지하는 동행 모멘텀 신호이다. 본 구성은 Stock and Watson (1989)이 세운 동태요인 동행지수 계보와, 분기 GDP 성장률을 미관측 월별 요인으로 읽게 해주는 분기 흐름 시간 집계로 Mariano and Murasawa (2003)이 연 혼합주기 문헌 위에 자리한다. Giannone, Reichlin, and Small (2008)과 Camacho and Perez-Quiros (2010)이 발전시킨 나우캐스팅 전통이 본 프레임워크를 국가 단위에서 실용적으로 만든 배경이며, Mariano and Murasawa (2010)의 집계 결과 재진술은 더 풍부한 패널로 동일한 시간 집계 논리를 확장한다.

추정 엔진은 Bańbura and Modugno (2014)의 EM 확장을 구현하여 관측을 버리지 않고 임의의 결측 패턴이 있는 요인모형을 다룬다. 이는 한국 월별 패널의 네 실물활동 지표와 분기 GDP가 서로 다른 공표 시차로 흐른다는 점에서 운용상 의미가 있으며, EM 처리가 모든 관측을 본래 시점에서 우도에 넣어주므로 가장 늦은 시계열에 맞춰 시작점을 잘라 균형 패널을 강제할 필요가 없다.

미국 방법 검증은 사양이 원 ADS와 정합적임을 확인하는 첫 단계이다. 동일 사양을 미국 비농업 고용·산업생산·실질 개인소득(이전소득 제외)·실질 제조업 및 무역 판매·실질 GDP에 적용한 요인이 Federal Reserve Bank of Philadelphia가 공표하는 Aruoba-Diebold-Scotti Business Conditions Index를 월별로 집계한 시계열과 공통 713개월에 걸쳐 Pearson 상관 0.94를 보인다. Mariano and Murasawa (2003)의 분기 흐름 집계가 월별 요인을 분기 GDP에 묶는 핵심 구성이며, 미국 방법 검증은 이 구성이 정확히 구현되었음을 보이는 시험이다.

두 번째 단계인 한국 정합성 검증은 통계청(KOSTAT)의 경기종합지수 동행지수 순환변동치와 통계청 공식 기준순환일을 기준으로 삼는다. KRADS는 성장률 요인이고 동행지수 순환변동치는 추세 제거된 수준 순환이므로, 두 시계열은 미분과 적분의 관계에 가깝고 약 4분의 1 순환만큼 위상차가 발생한다. 따라서 동시점 원자료 상관 $-0.04$는 흐름과 수준을 직접 비교한 차원 불일치의 예측된 결과이지 신호 부재가 아니다. 차원을 맞추면 정합이 분명해진다. 흐름을 적분에 해당하는 누적합을 취해 수준 편차로 환원하면 상관이 0.65로 상승하고, 12개월 이동평균 요인과의 상관은 0.55로 상승하여 두 시계열이 동일한 한국 경기순환을 변화율과 수준으로 각각 표현함을 보여준다. 결정적 증거는 표본과 겹치는 다섯 번의 공식 수축기(2000–2001, 2002–2005, 2008–2009, 2011–2013, 2017–2020) 모두에서 요인의 최저점이 (peak, trough] 윈도 안에 위치하고, 한국 거시경제사의 주요 사건이 요인의 극값으로 일관되게 나타난다는 점이다. 즉 2003년 2월 카드사태에서 $-2.86$, 2008년 12월 글로벌 금융위기 직전에 $-3.70$, 2020년 3월 코로나 정점에서 $-5.03$이다. 확장기 평균 $+0.13$과 수축기 평균 $-0.26$도 동행 게이지에 요구되는 가장 기초적인 부호 분리 불변량을 만족한다. 두 검증은 공표된 시계열의 베이시스 포인트 단위 재현이 아니라 일관성 점검을 목적으로 한다.

KRADS는 평균 대비 활동 모멘텀을 변화율로 측정하며 수준 갭을 측정하지 않는다. 음의 값은 평균 이하의 활동 모멘텀, 양의 값은 평균 이상의 활동 모멘텀을 의미하며, 이는 ADS 프레임워크 내 기초 지표의 성장률 변환과 정합적이다. Federal Reserve Bank of Philadelphia가 공표하는 미국 ADS가 대중적 서술에서 수준 갭으로 읽히기도 하나 두 구현 모두에서 본 구성은 흐름 요인이므로, KRADS는 HLW 산출갭과 같은 종류의 지표가 아니라 모멘텀 게이지로 읽는 것이 적절하다.

KRADS를 일별이 아니라 월별로 산출하는 것은 데이터 제약에 따른 선택이다. 미국 ADS가 일별 해상도에 도달하는 근거는 미국 노동부가 보고하는 주별 신규 실업수당 청구건수라는 경성 앵커이고, 한국 패널에는 동일 주기의 경성 실물활동 시계열이 없다. Camacho and Perez-Quiros (2010)의 유럽 나우캐스터는 같은 제약을 금융시장 자료를 섞어 우회하지만, KRADS는 경성 실물활동 게이지를 목표로 하므로 그 길을 따르지 않는다. 따라서 KRADS는 월별로 산출하고 차트도 월별로 표시한다. 본 지표는 동행 게이지이지 예측이 아니며, KRGAR이나 KRIAR 같은 위험 분포 추정과는 다른 정보를 전달한다.

## 금융시장에서의 응용

요인은 거시 위험 평가의 중심 경향 입력으로 읽는 것이 자연스럽다. 양의 값은 평균 이상의 활동 상태이므로 경기 민감 자산의 단기 모멘텀이 우호적인 환경을, 음의 값은 그 반대 환경을 가리키며, 0 부근의 값은 평균 부근의 활동 상태를 의미하는데 0이 차트의 기준선이다. 요인의 크기는 표준편차 단위로 해석할 수 있어 $\pm 1$은 표본 내 약 1 표준편차, $\pm 2$ 이상은 위기 구간의 극단을 가리킨다. Aruoba, Diebold, and Scotti (2009)의 프레임워크가 미국 구현과 한국 구현 모두에서 이 해석을 뒷받침한다.

KRADS는 이 사이트의 다른 침체 채널과 역할이 다르다. 경기침체 확률(KRRECP)은 ACM 분해 수익률곡선 기울기와 단기선도 스프레드에서 3개월 선행 신호를 추출하는 예측 채널이며, KRADS는 그와 독립적으로 현재 시점의 활동 상태를 동행 요인으로 측정한다. 샴 갭(KRSAHM)은 실업률 한 변수에서 노동시장 스트레스를 측정하는 좁은 게이지이고, KRADS는 Stock and Watson (1989) 전통에서 네 실물 부문 시계열과 분기 GDP를 Mariano and Murasawa (2003) 집계로 결합한 폭넓은 동행 게이지이며, 둘 다 보고되는 이유는 노동시장과 광범위 실물활동의 비대칭이 의미가 있기 때문이다.

KRADS는 통계청 공식 동행지수보다 빠른 판독을 제공한다. 통계청 동행지수가 한국 경기순환의 공식 벤치마크이지만 기초 입력 자료 대비 발표 지연이 있는 반면, KRADS는 동일한 월별 공식 지표 입력(취업자수, 전산업생산지수, 소매판매액지수, 서비스업생산지수)과 분기 실질 GDP를 사용해 Bańbura and Modugno (2014)의 EM 단계로 매시간 재적합된다. Giannone, Reichlin, and Small (2008)의 나우캐스팅 구성이 이 실시간 갱신 논리의 자연스러운 렌즈이다.

KRADS 운용에는 두 가지 유의점이 있다. 첫째, 입력 시계열의 표본 시작 제약으로 KRADS의 표본은 2000년 1월부터이고, 그 이전 시기의 1997년 외환위기 등은 본 지표로 평가할 수 없다. 둘째, 매 파이프라인 틱에 전체 표본을 재적합하므로 EM 적합이 약간 다른 안정점에 자리할 때 과거 요인 값이 미세하게 갱신될 수 있으며, KRSAHM·KRFCI·KRGAR과 공유하는 전량 교체 적재 방식이 적재된 시계열을 항상 최신 적합과 정합적으로 유지한다. Federal Reserve Bank of Philadelphia의 ADSBCI는 동일한 규율 아래 더 높은 빈도로 공표되며, KRADS 미국 방법 검증의 0.94 상관이 두 구현 사이의 방법론적 등가 앵커이다.

## 통계적 검정

KRADS는 Aruoba-Diebold-Scotti 혼합빈도 동적요인모형의 단일 잠재요인으로, 양방향 칼만 평활기로 추출한 월별 경기상황 상태이다. 2000-01-01부터 2026-04-01까지 316개 월별 관측치에 걸쳐, 측정된 계열상관은 자료생성과정이 아니라 평활기의 이득에 지배되므로, 여기서 규정하는 대상은 자료의 적분 차수가 아니라 평활 경로의 지속성 요약이다.

따라서 적분 차수 판정 검정군은 의도적으로 수행하지 않는다. Said and Dickey (1984)의 시차 보강을 적용한 Dickey and Fuller (1979)의 증강 단위근 회귀, 준모수적 Phillips and Perron (1988) 검정, KPSS 정상성 검정 (Kwiatkowski et al. 1992), Elliott, Rothenberg, and Stock (1996)의 효율적 GLS 세분화 검정, Ng and Perron (2001)의 수정 검정은 모두 배제하는데, 대칭적 양방향 필터가 적분 검정이 읽어 내는 지속성을 만들어 내고 잠재상태의 임의보행 대 상수 성격이 우도로는 점별로 식별되지 않기 때문이다 (Stock and Watson 1998; Orphanides and van Norden 2002). Bai and Perron (1998)의 수준 평균 단절 탐색 또한 수행하지 않는데, 그 점근이론은 정상 대상을 요구하며 필터로 지속화된 경로는 허위로 분할되기 때문이다 (Perron 1989).

행렬이 규정한 대체물은 평활된 계열의 속성으로 명시된 기술적 지속성 요약이다. 시차 1 자기상관은 −0.185이며, 함의된 반감기는 정의되지 않는데 시차 1 계수가 음수이기 때문이다. 이는 평활 경로가 얼마나 느리게 감쇠하는지를 기술할 뿐 적분 차수 주장을 담지 않는다. 혼합빈도 요인이 표본 전체에서 평활되고 적재기가 매 실행마다 상태 이력을 다시 쓰므로 임의의 과거 월에서의 요인은 빈티지에 걸쳐 개정되며, 개정 크기를 정량화할 저장된 빈티지 패널은 존재하지 않는다 (Orphanides and van Norden 2002).

적분 차수는 결론이 나지 않은 검정 때문이 아니라 규정에 따라 부여하지 않는다. 시차 1 자기상관 자체가 과정에 관한 증거가 아니라 양방향 평활기의 소표본·필터링 산물이며 그 중위불편 처리는 Andrews (1993)의 격자를 따를 것이고, 이 수준에 대한 Ljung and Box (1978)의 포트맨토는 동일한 필터 이득을 읽어 낼 것이다. 모형이 함의하는 내용은 발견이 아니라 가정으로서 정직한 것으로, 곧 자기회귀 동학을 지닌 단일 평균 0 잠재요인을 혼합빈도 동적요인모형으로 추정한 것이며, 그 방법은 기준이 되는 미국 경기상황지수를 0.943의 상관으로 재현하는데 이는 한국 상태의 적분 차수에 관한 진술이 아니라 재현 점검이다 (Stock and Watson 1998).

## 자주 묻는 질문

### ADS 경기상황지수는 어떻게 구성됩니까?

서로 다른 주기로 공표되는 실물활동 지표들을 상태공간 동태요인모형에 넣고, 이들을 공통으로 구동하는 단일 잠재요인을 분리해 산출합니다.

### ADS 경기상황지수는 왜 혼합주기로 추정합니까?

실물 지표는 일별·주별·월별·분기별로 서로 다른 달력에 도착합니다. 가장 느린 계열을 기다리면 시의성 있는 정보를 버리게 되므로, 모형이 어떤 지표든 공표되는 즉시 잠재요인을 갱신합니다.

### ADS 경기상황지수의 과거 값도 개정됩니까?

개정됩니다. 평활 추정치이므로 새 관측이 들어오면 과거 시점의 잠재요인 추정도 함께 갱신되며, 가장 최근 값의 개정 폭이 가장 큽니다.