---
ticker: "KRDDTAIL"
title: "대한민국 기업 집계 부도위험까지의 거리, 25분위 (약체 꼬리)"
unit: "σ"
frequency: "월별"
source: "Merton (1974); Bharath and Shumway (2008)"
release: "월별 산출"
category: "금융 지표"
country: "KR"
language: "ko"
canonical: "https://kred.dev/ko/series/KRDDTAIL"
license: "https://creativecommons.org/licenses/by-nc-nd/4.0/"
latest_value: 1.95
latest_date: "2026-06-30"
first_date: "2016-01-31"
observations_total: 126
observations_shown: 120
---

# 대한민국 기업 집계 부도위험까지의 거리, 25분위 (약체 꼬리)

## 개요

부도 여력이 가장 얇은 하위 기업군을 짚어, 신용 위험이 어디에 쌓이는지 조기에 드러냅니다.

## 주요 수치

|  | 값 | 날짜 |
|---|---|---|
| 최신값 | 1.95 | 2026-06-30 |
| 직전 대비 | -0.15 | 2026-05-31 |
| 1년 전 대비 | -0.34 | 2025-06-30 |
| 수록 기간 내 최고 | 4.17 | 2018-01-31 |
| 수록 기간 내 최저 | 1.95 | 2026-06-30 |
| 수록 기간 | 2016-01-31 – 2026-06-30 |  |
| 관측치 수 | 126 |  |

## 최근 관측치

| 날짜 | 값 | 변화 |
|---|---|---|
| 2016-07-31 | 3.18 | +0.20 |
| 2016-08-31 | 3.34 | +0.16 |
| 2016-09-30 | 3.41 | +0.06 |
| 2016-10-31 | 3.33 | -0.07 |
| 2016-11-30 | 3.35 | +0.02 |
| 2016-12-31 | 3.45 | +0.10 |
| 2017-01-31 | 3.45 | 0.00 |
| 2017-02-28 | 3.56 | +0.10 |
| 2017-03-31 | 3.57 | +0.01 |
| 2017-04-30 | 3.62 | +0.04 |
| 2017-05-31 | 3.77 | +0.15 |
| 2017-06-30 | 3.81 | +0.04 |
| 2017-07-31 | 3.92 | +0.11 |
| 2017-08-31 | 3.94 | +0.02 |
| 2017-09-30 | 3.83 | -0.11 |
| 2017-10-31 | 3.91 | +0.08 |
| 2017-11-30 | 4.10 | +0.19 |
| 2017-12-31 | 4.12 | +0.02 |
| 2018-01-31 | 4.17 | +0.05 |
| 2018-02-28 | 4.13 | -0.04 |
| 2018-03-31 | 3.93 | -0.20 |
| 2018-04-30 | 3.74 | -0.19 |
| 2018-05-31 | 3.50 | -0.24 |
| 2018-06-30 | 3.26 | -0.24 |
| 2018-07-31 | 3.18 | -0.09 |
| 2018-08-31 | 3.21 | +0.04 |
| 2018-09-30 | 3.20 | -0.02 |
| 2018-10-31 | 2.76 | -0.44 |
| 2018-11-30 | 2.82 | +0.06 |
| 2018-12-31 | 2.75 | -0.07 |
| 2019-01-31 | 2.82 | +0.07 |
| 2019-02-28 | 2.87 | +0.05 |
| 2019-03-31 | 2.84 | -0.03 |
| 2019-04-30 | 2.92 | +0.08 |
| 2019-05-31 | 2.85 | -0.07 |
| 2019-06-30 | 2.98 | +0.13 |
| 2019-07-31 | 2.83 | -0.15 |
| 2019-08-31 | 2.77 | -0.06 |
| 2019-09-30 | 2.80 | +0.03 |
| 2019-10-31 | 2.91 | +0.11 |
| 2019-11-30 | 2.98 | +0.07 |
| 2019-12-31 | 3.06 | +0.07 |
| 2020-01-31 | 3.02 | -0.04 |
| 2020-02-29 | 2.81 | -0.21 |
| 2020-03-31 | 1.99 | -0.82 |
| 2020-04-30 | 2.09 | +0.10 |
| 2020-05-31 | 2.12 | +0.03 |
| 2020-06-30 | 2.06 | -0.06 |
| 2020-07-31 | 2.13 | +0.07 |
| 2020-08-31 | 2.12 | -0.01 |
| 2020-09-30 | 2.08 | -0.04 |
| 2020-10-31 | 2.06 | -0.02 |
| 2020-11-30 | 2.16 | +0.10 |
| 2020-12-31 | 2.14 | -0.02 |
| 2021-01-31 | 2.14 | -0.01 |
| 2021-02-28 | 2.13 | -0.01 |
| 2021-03-31 | 2.50 | +0.38 |
| 2021-04-30 | 2.75 | +0.24 |
| 2021-05-31 | 2.77 | +0.02 |
| 2021-06-30 | 2.92 | +0.15 |
| 2021-07-31 | 2.93 | 0.00 |
| 2021-08-31 | 2.96 | +0.03 |
| 2021-09-30 | 2.99 | +0.03 |
| 2021-10-31 | 2.95 | -0.04 |
| 2021-11-30 | 2.82 | -0.13 |
| 2021-12-31 | 3.02 | +0.20 |
| 2022-01-31 | 2.88 | -0.14 |
| 2022-02-28 | 2.96 | +0.08 |
| 2022-03-31 | 3.04 | +0.08 |
| 2022-04-30 | 3.06 | +0.01 |
| 2022-05-31 | 3.04 | -0.02 |
| 2022-06-30 | 2.73 | -0.31 |
| 2022-07-31 | 2.80 | +0.06 |
| 2022-08-31 | 2.85 | +0.06 |
| 2022-09-30 | 2.57 | -0.28 |
| 2022-10-31 | 2.63 | +0.06 |
| 2022-11-30 | 2.74 | +0.11 |
| 2022-12-31 | 2.67 | -0.08 |
| 2023-01-31 | 2.82 | +0.15 |
| 2023-02-28 | 2.89 | +0.07 |
| 2023-03-31 | 2.82 | -0.07 |
| 2023-04-30 | 2.76 | -0.06 |
| 2023-05-31 | 2.80 | +0.04 |
| 2023-06-30 | 2.88 | +0.08 |
| 2023-07-31 | 2.80 | -0.08 |
| 2023-08-31 | 2.76 | -0.04 |
| 2023-09-30 | 2.70 | -0.06 |
| 2023-10-31 | 2.64 | -0.06 |
| 2023-11-30 | 2.73 | +0.09 |
| 2023-12-31 | 2.75 | +0.02 |
| 2024-01-31 | 2.66 | -0.09 |
| 2024-02-29 | 2.70 | +0.04 |
| 2024-03-31 | 2.73 | +0.03 |
| 2024-04-30 | 2.73 | 0.00 |
| 2024-05-31 | 2.79 | +0.06 |
| 2024-06-30 | 2.80 | +0.01 |
| 2024-07-31 | 2.71 | -0.09 |
| 2024-08-31 | 2.61 | -0.10 |
| 2024-09-30 | 2.61 | -0.01 |
| 2024-10-31 | 2.60 | 0.00 |
| 2024-11-30 | 2.53 | -0.07 |
| 2024-12-31 | 2.42 | -0.11 |
| 2025-01-31 | 2.45 | +0.03 |
| 2025-02-28 | 2.43 | -0.02 |
| 2025-03-31 | 2.29 | -0.14 |
| 2025-04-30 | 2.30 | 0.00 |
| 2025-05-31 | 2.28 | -0.01 |
| 2025-06-30 | 2.29 | +0.01 |
| 2025-07-31 | 2.28 | -0.01 |
| 2025-08-31 | 2.41 | +0.13 |
| 2025-09-30 | 2.43 | +0.02 |
| 2025-10-31 | 2.43 | 0.00 |
| 2025-11-30 | 2.45 | +0.02 |
| 2025-12-31 | 2.57 | +0.12 |
| 2026-01-31 | 2.59 | +0.02 |
| 2026-02-28 | 2.55 | -0.04 |
| 2026-03-31 | 2.24 | -0.31 |
| 2026-04-30 | 2.36 | +0.11 |
| 2026-05-31 | 2.10 | -0.26 |
| 2026-06-30 | 1.95 | -0.15 |

## 정의

기업 집계 부도위험까지의 거리(distance-to-default)는 상장 기업 부문의 자산가치가 부도 장벽에서 몇 표준편차만큼 떨어져 있는지를 관측 주가와 공시 대차대조표 부채로부터 추정한 값이다. 구성은 Merton (1974)의 구조형 신용모형을 따르며, 기업의 자본이 자산을 기초로 하고 부채를 행사가격으로 하는 콜옵션임을 이용해 신용위험을 단일한 선행적 통계로 요약한다. 대시보드 헤드라인은 반복적 Merton 해법과 거의 대등한 예측력을 가지면서 강건하고 재현 가능한 Bharath and Shumway (2008)의 단순근사를 채택한다. 부도 장벽은 단기부채에 장기부채의 절반을 더한 KMV 관행으로 설정한다 (Crosbie and Bohn 2003). 기대부도빈도(expected default frequency)는 이 거리를 1년 위험중립 부도확률로 변환하여 기업 간 및 시점 간 비교를 가능하게 한다.

$$\text{EDF} = N(-\text{DD})$$

부도위험까지의 거리가 좁아지고 기대부도빈도가 상승하면 기업 부문의 부도위험이 높아지고 있음을 뜻한다.

KRED는 이 구조형 모형을 한국의 제도적 입력에 맞춰 산출한다. 주식 패널은 한국거래소의 상장 KOSPI·KOSDAQ 비금융 기업에서 가져오며, 대차대조표 구조가 부적합한 금융사는 제외한다. 재무 패널은 금융감독원 공시에서 가져오는데, 정형 XBRL 재무제표가 2015년부터 안정적으로 조회 가능한 반면 2014년 이전 신고는 공개 조회가 불가능하다. 따라서 표본은 2015년에 시작하며, 2020년 팬데믹과 2022년 긴축 사이클, 2022년 말 레고랜드 프로젝트 파이낸스 부도로 촉발된 신용경색을 포괄하되 2008년 글로벌 금융위기까지 거슬러 올라가지는 않는다. 각 재무제표는 공시일 이전에는 사용되지 않는 시점 일치 방식으로 적용되어 미래정보 사용을 구조적으로 제거하며, 상장폐지 기업도 폐지 시점까지 포함하여 지수가 생존자에 편향되지 않도록 한다. 무위험 이자율은 한국은행 7일물 기준금리이다. 매월 단면 집계는 중위 부도위험까지의 거리 KRDD, 25분위 부도위험까지의 거리 KRDDTAIL, 중위 기대부도빈도 KREDF를 산출한다.

KRDD는 상장 비금융권 신용 사이클의 방향성 조기경보 신호이며 채권시장 스프레드 자료의 대체물이 아니다. 2022년 말 레고랜드 신용경색이 비상장 프로젝트 파이낸스와 비은행 금융중개기관 익스포저에 집중되어 상장 비금융 유니버스에 반영되지 않은 사실이 이 범위 한정을 대칭적으로 보여준다. 재무 패널은 연간 주기로 가장 최근 결산 회계연도까지 반영되며, 연중 분기 갱신은 운영 파이프라인 확장에 따른 진행 중 과제이다. 이 지수는 다섯 시장 스트레스 변수로 구축된 광범위 금융여건지수 KRFCI 및 Basel III 신용 사이클 지표 KRCGAP과 구별되며, 채권별 가격 자료를 요구하는 초과 채권 프리미엄이 아니라 주식 가치평가와 공시 재무제표로부터 추론된 기업 부문 부도위험을 측정한다.

표본 갱신은 현재 2026년 6월 30일 자로 표시된 관측을 끝으로 중단되어 있으며, 그 이후 기간은 아직 반영되지 않았다. 재개 여부와 시점은 데이터 파이프라인 정비에 관한 별도 결정에 따른다.

## 산출방법

Merton (1974) 구조형 모형의 Bharath and Shumway (2008) 단순근사를 이용한 8단계 추정으로 산출한다.

**(1) 주식 시장가치 및 변동성.** 각 상장 비금융 기업 $i$ 및 거래일 $t$에 대해

$$E_{i,t} = P_{i,t} \cdot \text{shares}_{i,t}$$

여기서 $P_{i,t}$는 종가, $\text{shares}_{i,t}$는 KRX 시가총액 스냅숏 기준 발행주식수이다. 연환산 주식수익률 변동성은 일별 로그수익률의 252일 롤링 표준편차로,

$$\sigma_{E,i,t} = \sqrt{252} \cdot \text{std}\!\left(\Delta \ln P_{i,\tau}\right)_{\tau \in [t-251, t]}.$$

**(2) KMV 부도 장벽.** 각 기업 $i$ 및 공시일 $\text{공시일자} \leq t$인 가장 최근 분기 공시에 대해

$$D_{i,t} = \text{STD}_{i,q(t)} + 0.5 \cdot \text{LTD}_{i,q(t)}$$

여기서 $\text{STD} = $ 단기차입금 $+$ 유동성장기부채, $\text{LTD} = $ 장기차입금이며 Crosbie and Bohn (2003)을 따른다. 차입금 항목이 모두 부재한 경우 $D$는 부채총계로 대체된다 (강건성 변형).

**(3) 시점 일치 원칙.** $t$에서 가장 최근 공시는 공시일자 $\leq t$인 것이며, 여기서 공시일자는 공시접수번호의 첫 8자리이다. 재무제표는 공시일 이전에는 결코 사용되지 않으며, 단위 테스트는 미래 공시 추가가 과거 어느 월의 $D$도 변경하지 않음을 검증한다 (엄격한 미래정보 차단 게이트).

**(4) 단순 자산 변동성 (Bharath and Shumway 2008).**

$$\sigma_{V,i,t} = \frac{E_{i,t}}{E_{i,t} + D_{i,t}} \cdot \sigma_{E,i,t} + \frac{D_{i,t}}{E_{i,t} + D_{i,t}} \cdot (0.05 + 0.25 \cdot \sigma_{E,i,t})$$

**(5) 위험중립 드리프트하 부도위험까지의 거리.** $\mu = r_t$ (한국은행 7일물 기준금리) 및 시계 $T = 1$년을 사용하여,

$$\text{DD}_{i,t} = \frac{\ln\!\left(\frac{E_{i,t} + D_{i,t}}{D_{i,t}}\right) + (r_t - \tfrac{1}{2}\sigma_{V,i,t}^{2}) T}{\sigma_{V,i,t}\sqrt{T}}.$$

**(6) 기대부도빈도.**

$$\text{EDF}_{i,t} = \Phi(-\text{DD}_{i,t}).$$

**(7) 단면 집계.** 매 캘린더 월말 기업 단면 패널은 다음을 산출한다

$$\text{KRDD}_t = \text{median}_{i}\, \text{DD}_{i,t}, \quad \text{KRDDTAIL}_t = Q_{25}\!\left(\text{DD}_{\cdot,t}\right), \quad \text{KREDF}_t = \text{median}_{i}\, \text{EDF}_{i,t}.$$

헤드라인 패널은 전체 상장 비금융 유니버스(KOSPI + KOSDAQ)이며 동일가중이고, KOSPI 전용 패널과 자산가중 변형(가중치 $w_i \propto E_i + D_i$)도 함께 저장된다.

**(8) 번인 기간 및 저신뢰 플래그.** 기여 기업 수가 30 미만이거나 252일 변동성 번인 기간 중인 경우 각 월은 저신뢰로 플래그된다. 1단계 시드 패널인 45개 KOSPI+KOSDAQ 우량주는 2021년 1월부터 2025년 6월까지 윈도우에 걸쳐 헤드라인에서 월별 41~44개 기업을 제공하며 헤드라인 패널에서 저신뢰 월은 없다.

## 경제학에서의 응용

기업 집계 부도위험까지의 거리는 Merton (1974) 구조형 신용 틀에서 기업 부문 신용 사이클을 읽는 표준적인 주식시장 기반 지표이다. Bharath and Shumway (2008)은 미국 기업 패널에서 단순 부도위험까지의 거리가 대시보드와 동일한 시계 $T = 1$에서 후속 실현 부도를 강하게 예측하며 반복적 Merton 해법을 추가해도 정보 획득이 미미함을 보였다. 부도위험까지의 거리의 단면은 주식수익률에 가격화되어 고부도위험 기업이 위험 프리미엄을 요구하며, 이는 Black and Scholes (1973)의 옵션가격결정 직관이 구조형 모형에 내장된 결과이다 (Vassalou and Xing 2004). Campbell, Hilscher, and Szilagyi (2008)은 이 지표를 축약형 예측변수로 확장하여 Merton 기반 입력이 가장 예측력 있는 사양의 핵심으로 들어감을 보였다. Duffie, Saita, and Wang (2007)은 이를 중앙은행 금융안정 모니터링의 표준이 된 다기간 부도예측 틀에 내장하였다.

기업 단면 중위 부도위험까지의 거리는 기업 부문 신용위험을 주식시장 움직임에 신속히 반응하는 단일 선행적 통계로 압축한다. 국제통화기금 Global Financial Stability Report는 기업 DD 분포 모니터링에서, 유럽중앙은행 Financial Stability Review는 유로존 은행 DD 분포에서, 영란은행 Financial Stability Report는 영국 금융·비금융권에서, 한국은행 금융안정보고서는 반기 기업 취약성 평가에서 이 속성을 활용한다. Aikman, Haldane, and Nelson (2015)은 이러한 분포 읽기를 Basel III 경기대응완충자본 발동이 운용화하는 거시건전성 정책 틀 안에 위치시킨다. KRDD와 KRCGAP의 결합 읽기는 동일한 중주파 금융 사이클의 기업 부도위험 측면과 신용 스톡 측면을 함께 보여준다.

대시보드가 중위 KRDD와 별도로 25분위 KRDDTAIL을 제시하는 이유는 중위값이 시스템 리스크 동학을 추동하는 부실 기업의 취약한 꼬리를 놓치기 때문이다. Acharya et al. (2017)은 시스템 리스크 분해를 기업 수준 부실의 결합 분포 관점에서 정식화하였다. 25분위 읽기는 주식시장 기반 지표에서 동일한 아이디어를 요약하는 대시보드의 신속 통계이다. Adrian and Brunnermeier (2016)은 이 부실 분포 읽기를 국제통화기금 GFSR이 국가 간 비교에 채택한 CoVaR 틀에 내장한다. 한국은행 금융안정보고서는 이자보상비율이 1 미만인 기업의 비중을 KRDDTAIL 신호에 대응하는 보완적 패널 부실 지표로 추적한다.

KRDD는 등급별 회사채 스프레드와 구조적으로 예측되는 범위 안에서 음의 상관을 보이며, 스프레드 자료를 대체하기보다 보완한다. 전체 패널의 2016년부터 2026년까지 표본에서 KRDD와 AA 회사채 대 국고채 스프레드의 1차 차분 상관계수는 약 마이너스 6분의 1이고, 경제적으로 우세한 공통사이클 성분을 담는 장기 수준에서는 약 마이너스 2분의 1로 강화된다. 이 크기는 집계 주식시장 기반 부도지표와 등급별 회사채 스프레드 간에 신용위험 문헌이 예측하는 구조적 밴드 $|\Delta\rho| \approx 0.10$에서 $0.25$ 사이에 위치한다 (Bharath and Shumway 2008; Collin-Dufresne, Goldstein, and Martin 2001; Gilchrist and Zakrajšek 2012; Campbell, Hilscher, and Szilagyi 2008).

KRDD는 채권별 가격과 발행별 듀레이션 일치 국채 벤치마크, CDS 스프레드를 요구하여 한국 발행사에 대해 자유롭게 이용할 수 없는 Gilchrist and Zakrajšek (2012)의 초과 채권 프리미엄이 아니라, KRX 주식과 재무제표라는 무료 데이터로 충실히 구축된 주식시장 기반 대안이다. KRDD 하락은 주식시장이 기업 부문 지급능력 악화를 가격에 반영하는 것으로 읽히고, KRFCI의 신용 기여가 한국은행 공시 AA−/BBB− 3년 스프레드에서 포착하는 스프레드 확대는 채권시장이 동일한 내용을 반영하는 것으로 읽히며 두 채널은 보완적이다.

금융사는 대차대조표가 금융상품 부채로 지배되고 부도 메커니즘이 규제 당국 주도의 계속기업 개입을 수반하여 Merton 구조형 설정으로 포착되지 않으므로, KRDD는 패널 구성 단계에서 이를 제외한다 (Merton 1977). Crosbie and Bohn (2003)이 기술한 Moody's KMV 실무도 표준 관행으로 은행과 보험사를 제외한다. 이에 따라 KRDD 집계 읽기는 기업 부문 신용위험 채널로 가장 잘 읽히고 KRFCI의 베이시스·신용 기여가 도매자금조달 측면에서 포착하는 은행 부문 금융여건 채널을 보완한다. 다만 Merton 구조형 모형 자체는 로그정규 자산가치와 단일 1년 시계, 단일 부채 장벽을 가정하는 이상화이며, 채권가격결정 및 신용부도스왑 문헌은 이 매핑이 단면 비교에서는 실증적으로 잘 들어맞으나 신용스프레드 수준에서는 느슨함을 보고한다 (Eom, Helwege, and Huang 2004).

45개 기업 시드 패널 읽기에서 중위 KRDD는 2022년 말 신용경색 윈도우의 건전한 4.5σ에서 2025년 2분기 2.86σ로 하락하였다. KRDDTAIL은 2.44σ에서 1.36σ로, 중위 KREDF는 연간 0.04퍼센트에서 0.21퍼센트로 상승하였다. 이 궤적은 2025년으로 향하는 기업 부문 이익 약화의 한국 거시 배경과 일치하며, 글로벌 반도체 사이클과 외수 동학에 민감한 시드 표본 구성(삼성전자 005930, SK하이닉스 000660, 기타 KOSPI 대형주)이 이를 주도한다. 가장 가까운 거시 신용위험 비교 대상인 Gilchrist and Zakrajšek (2012)의 초과 채권 프리미엄이 요구하는 채권별 가격을 한국 발행사에 대해서는 자유롭게 이용할 수 없는 상황에서, 주식시장 기반 KRDD 틀은 가장 충실한 무료 데이터 대안이 된다.

KRDD는 KRCGAP, KRDSR, KRFCI, KRKTBNOISE와 함께 읽을 때 가장 유용하다. KRCGAP은 Borio and Lowe (2002)을 따라 신용 스톡 차원을, KRDSR은 Drehmann and Juselius (2014)을 따라 부채상환 현금흐름 차원을, KRFCI는 금융여건 시장 스트레스 차원을, KRKTBNOISE는 차익거래 자본 한계 차원을 포착하며, KRDD는 주식 가치평가로부터 추론된 기업 부문 부도위험 차원을 포착한다. 다섯 시계열을 합치면 어느 하나로도 얻을 수 없는 금융 사이클의 다층적 읽기가 가능하다.

## 금융시장에서의 응용

KRDD는 한국 신용시장에서 운용하는 채권 데스크가 참조하는 한국 기업 부문 신용위험의 표준적인 주식시장 기반 지표이다. 수치 임계값이 아니라 자체 역사 대비 수준이 기업 신용 사이클 위치를 식별하며, Bharath and Shumway (2008)은 부도위험까지의 거리의 기업 단면 분포가 1년 시계에서 후속 실현 부도를 예측함을, Vassalou and Xing (2004)은 주식수익률 단면에 내장된 위험 프리미엄을 보였다. KRDD 하락은 기업 부문 신용위험의 긴축을 시사하며, 이는 미국 데이터로 정식화된 Gilchrist and Zakrajšek (2012)의 틀이 보이듯 보다 광범위한 회사채 신용스프레드로 전이되고 정책금리 사이클을 끌어내리는 기업 이익 성장 둔화로도 전이된다.

한국 회사채, 특히 하이일드와 저등급 종목에 포지션을 보유한 투자자에게 25분위 KRDDTAIL은 비금융권의 가장 취약한 4분위 위치를 읽는 자연스러운 통계이다. 대시보드가 중위 KRDD와 함께 이 꼬리 통계를 제시하는 이유는 중위값이 시스템 리스크 동학을 추동하는 부실 기업의 취약한 꼬리를 놓치기 때문이다. Acharya et al. (2017)은 시스템 리스크 분해를 기업 수준 부실의 결합 분포 관점에서 정식화하였다. 25분위 읽기는 주식시장 기반 지표에서 이 아이디어를 요약하는 대시보드의 신속 통계이다.

KRDD 하락이 AA−/BBB− 회사채 대비 국고채 스프레드 확대와 동시에 발생하면, 주식시장과 채권시장이 동일한 기업 신용위험 악화를 가격에 반영하는 것으로 읽혀 신용 사이클 전환에 대한 확신도가 가장 높은 신호가 된다. 한국 신용위험에 민감한 포지션(회사채 포트폴리오, 은행 부채 보유, 한국 금융 부문 주식)의 경우 이 결합 신호는 선제적으로 헤지해야 할 선행지표이다. 반대로 KRDD 상승이 AA−/BBB− 스프레드 축소와 동시에 발생하면, 기업 신용에 대한 한계적 배분이 정당화되는 사이클 저점으로 읽힌다.

KREDF는 $\mu = r$을 부과한 위험중립 1년 부도확률로서 기업 간 및 시점 간 직접 비교 가능한 척도이다 (Bharath and Shumway 2008). 한국에서 회사채와 신용부도스왑 포트폴리오를 구축하는 투자자에게 KREDF는 기대손실 모형과 포트폴리오 수준 신용 VaR 계산의 자연스러운 입력값이다. Duffie, Saita, and Wang (2007)은 동일한 Merton 기반 위험률을 신용위험 실무 문헌의 표준이 된 다기간 부도예측 틀에 내장하였다. Campbell, Hilscher, and Szilagyi (2008)은 축약형 공변량과 함께 그 예측 가치를 확인하였다.

집계 부도위험까지의 거리는 약 1~2년 시계에서 은행 부문 대손충당금 적립을 선행한다. 이는 유럽중앙은행 Financial Stability Review가 유로존 은행에 대해, 영란은행 Financial Stability Report가 영국 은행에 대해 기록한 속성이다. 한국 은행 부채와 주식에 포지션을 보유한 투자자에게 KRDD는 은행 부문 이익과 자본적정성을 추동하는 신용손실 사이클의 선행지표이다. 2020년 팬데믹 에피소드가 이 전이의 표준적 사례로, 기업 부문 부도위험까지의 거리는 2020년 3월에 급락한 뒤 한국 은행들이 2021년과 2022년에 보고한 대로 6~9분기에 걸쳐 은행 부문 대손 인식으로 전이되었다.

거시건전성 정책 타이밍은 신용 스톡 포지션 지표와 자산가격 사이클 위치의 결합 읽기로 정식화되며, 한국의 경우 KRDD는 KRCGAP이 담는 신용 스톡 지표의 주식시장 기반 동반자이다 (Aikman, Haldane, and Nelson 2015). 한국은행 거시건전성 정책을 예상하는 투자자에게 KRDD와 KRCGAP의 결합 신호는 경기대응완충자본 발동과 차주 수준 긴축 사이클의 최상의 선행지표이다. 2017년부터 2022년까지의 거시건전성 사이클에서 금융위원회가 KRDSR 상승과 KRDD 하락에 대응하여 LTV·DTI·DSR 차주 한도를 점진적으로 강화한 사례가 이 채널 간 읽기를 잘 보여준다.

부도위험까지의 거리가 신용위험을 선행한다는 증거는 국가 간에 걸쳐 축적되어 있다. Gropp, Vesala, and Vulpes (2006)은 유로존 은행 데이터에서 은행 부문 수준의 CDS 기반 신용위험 선행을, Hillegeist et al. (2004)은 미국 데이터에서 동일한 선행 속성을 확인하였다. 이러한 발견은 국제결제은행 연차 경제보고서와 한국은행 금융안정보고서가 기록한 제도적 유사성을 고려할 때 한국에도 적용된다. 따라서 KRDD 집계 지수는 Drehmann, Borio, and Tsatsaronis (2012)의 금융 사이클 틀이 명시하고 Merton (1974), Bharath and Shumway (2008), Crosbie and Bohn (2003)이 공동으로 운용화하는 주식시장 기반 기업 신용위험 지표로서 한국의 거시건전성과 신용 사이클 읽기에 들어간다.

KRDD는 KRFCI 및 KRCP와 함께 읽을 때 가장 유용하다. KRFCI는 다섯 시장 스트레스 변수로 구축된 광범위 금융여건 차원을, KRCP는 Cochrane-Piazzesi 채권수익률 예측 차원을, KRDD는 주식 가치평가로부터 추론된 기업 부문 부도위험 차원을 포착한다. Bharath and Shumway (2008), Duffie, Saita, and Wang (2007), Campbell, Hilscher, and Szilagyi (2008)은 주식시장 기반 부도위험까지의 거리가 채권시장 기반 신용위험 척도를 대체하기보다 보완함을 공통으로 강조한다. 이는 세 시계열을 합칠 때 어느 하나로도 얻을 수 없는 다층적 읽기가 되는 대시보드의 틀이기도 하다.

## 통계적 검정

이는 Merton 구조적 부도거리 집계의 산출물인 모형 유도 계열로, 단위근 판독은 직접 관측된 가격이 아니라 적합된 측도를 기술하며, 계열상관과 변화점 진단은 1차 차분에 대해 수행한다. 본 계열은 2016-01-31부터 2026-06-30까지 자체 구간에서 검정한다.

꼬리 부도거리는 수준에서 모호한 판독을 주는데, Dickey and Fuller (1979)와 Phillips and Perron (1988) 검정이 p = 0.1947과 p = 0.0에서 단위근을 기각하는 한편 Kwiatkowski et al. (1992) 검정도 정상성을 기각하므로 명확한 차수를 부여하지 않는다. 1차 차분에 대해 Ljung and Box (1978) 포트맨토는 시차 12와 24에서 백색잡음을 기각하며 Q = 251.90과 Q = 353.48, p = 0.000과 p = 0.000이다. Bai and Perron (1998, 2003) 절차는 평균에서 변화점을 찾지 못하며, 이는 차분된 대상에 대한 Andrews (1993)의 모수 불안정성 추론과 부합한다 (Perron 1989).

이는 낮은 정수 계절 성분이 상정되지 않는 월별 모형 산출물이므로 Hylleberg et al. (1990)과 Canova and Hansen (1995)의 계절 장치는 유의미한 대상을 갖지 않아 수행하지 않는다 (Beaulieu and Miron 1992; Ghysels and Osborn 2001).

## 자주 묻는 질문

### 부도위험까지의 거리란 무엇입니까?

기업의 자산가치가 부도 장벽에서 몇 표준편차만큼 떨어져 있는지를 관측 주가와 공시 대차대조표 부채로부터 추정한 값입니다. 자본을 자산에 대한 콜옵션으로 보는 구조형 신용모형에 근거합니다.

### 부도거리는 신용등급과 무엇이 다릅니까?

등급은 변경 빈도가 낮고 사건이 확인된 뒤에 조정되는 후행 지표입니다. 구조형 추정치는 주가와 함께 매일 갱신되므로 등급 조정보다 훨씬 이른 시점에 신용도 악화를 기록합니다.

### 부도거리 꼬리 계열은 헤드라인과 무엇이 다릅니까?

기업 간 분포의 중심이 아니라 하위 구간을 요약합니다. 취약 기업에 집중된 악화는 평균적 기업이 그대로일 때 헤드라인에서 상쇄되지만 꼬리 계열에는 남습니다.