대한민국 인플레이션 서프라이즈

인플레이션 서프라이즈는 기대인플레이션($\pi^e$)과 실현인플레이션($\pi^{realized}$)의 차이로, 경제주체의 인플레이션 예측이 실제 물가 변동과 얼마나 괴리되었는지를 측정한다.

이 항등식은 피셔 방정식에서 직접 도출된다. 명목금리 $i_t$가 주어질 때, 사전적 실질금리는

이고 사후적 실질금리는

이다. 명목금리가 상쇄되므로

동치적으로,

양(+)의 인플레이션 서프라이즈는 기대인플레이션이 실현인플레이션을 초과했음을 의미한다. 즉, 경제주체가 미래 물가 상승을 과대추정하였으며, 사후적 실질금리가 사전적 실질금리보다 높게 실현되었다. 음(−)의 인플레이션 서프라이즈는 실현인플레이션이 기대를 초과했음을 의미한다. 즉, 경제주체가 미래 물가 상승을 과소추정하였으며, 사후적 실질금리가 예상보다 낮게 실현되었다.

인플레이션 서프라이즈는 전통적인 통계학적 의미의 예측오차(forecast error)와 개념적으로 구별된다. 예측오차는 통상 $\pi^{realized}_t - \pi^e_t$(실현치 − 예측치)로 정의되는 반면, 여기서 정의하는 인플레이션 서프라이즈는 반대 부호 관례($\pi^e_t - \pi^{realized}_t$)를 채택하여 실질금리 분해와의 정합성을 유지하는데, 양의 서프라이즈는 예상치 못하게 긴축적인 실질 통화 환경에 대응한다.

인플레이션 서프라이즈가 지속적으로 영(0)에 근접할 경우, 인플레이션 기대는 잘 고정(anchored)되어 있다고 평가된다. 이는 중앙은행의 물가안정목표제가 신뢰를 확보하고 있으며 경제주체의 예측 모형이 현행 인플레이션 레짐에 적절히 보정되어 있다는 의미이다. 영으로부터의 지속적 이탈은 (i) 기대인플레이션 모형의 체계적 편의, (ii) 기대형성 과정이 아직 반영하지 못한 진행 중인 인플레이션 레짐 전환, 또는 (iii) 본질적으로 예측이 어려운 대규모 일시적 공급 충격(예를 들어 에너지 가격 급등, 글로벌 공급망 교란) 중 하나를 시사할 수 있다.

통계청이 공표하는 소비자물가지수(CPI) 전년동월비 상승률에서 1년 기대인플레이션을 차감하여 산출한다

기대인플레이션 요소($\pi^{short}_t$)는 KRED 데이터베이스의 1년 기대인플레이션 시리즈(KREXPINF1)로, 세 단계의 파이프라인을 통해 산출된다. 먼저 UCSV 추세인플레이션을 추출하고(Stock and Watson 2007), 다음으로 한국은행 소비자동향조사와 UCSV 추세를 확장표본 OLS로 결합하여 서베이 고정 단기 기대치를 구하며, 마지막으로 $\kappa = 1.0$으로 단기에서 장기 앵커로의 수렴을 매핑하는 Nelson-Siegel 기간구조 모형을 적용한다. 인플레이션 서프라이즈에는 1년 만기만 사용되며, 이 만기에서 $\pi^{short}$의 가중치는 63%이다.

실현인플레이션 요소($\pi^{realized}_t$)는 소비자물가지수(CPI) 전년동월비 변동률로, 한국에서 가용한 가장 포괄적인 소비자물가 측정치이자 한국은행 물가안정목표제의 기본 대상 변수이다.

기대인플레이션(KREXPINF1)은 주별 빈도로 제공되는 반면, 실현 CPI 인플레이션은 월별로 공표된다. 인플레이션 서프라이즈 시리즈는 주별 기대인플레이션 관측치의 월평균을 CPI 기준월에 정렬하여 월별 빈도로 산출한다. 이를 통해 기대인플레이션 값이 실현인플레이션이 발생하던 기간 동안 경제주체에게 가용했던 정보를 반영하도록 보장한다. 실현 CPI 데이터는 통계청의 정기 개정 대상이며, 인플레이션 서프라이즈 시리즈는 최신 빈티지를 사용하므로 통계청의 CPI 추정치 갱신 시 소폭의 소급 수정이 발생할 수 있다.

인플레이션 서프라이즈는 현대 통화정책 분석의 핵심 개념인 인플레이션 기대 고정(anchoring)을 직접적이고 모형 정합적으로 측정하는 지표이다.

명목금리를 기대 실질금리와 기대인플레이션으로 분해하는 전통은 Fisher (1930)에서 비롯된 화폐경제학의 오랜 연구 계보에 속한다. 인플레이션 서프라이즈를 자산가격결정의 상태변수로 다루는 현대적 접근은 Fama and Gibbons (1984)의 연구에 기반하며, 이들은 재무성증권(Treasury bill)의 사후적 실질수익률이 기대인플레이션 변화에 대한 정보를 담고 있음을 보였다. Ang, Bekaert, and Wei (2007)는 수익률곡선의 인플레이션 예측력이 실질금리 경로보다 인플레이션 기대 경로를 통해 주로 작동함을 추가적으로 입증하여, 인플레이션 서프라이즈가 수익률곡선 모형의 핵심 진단지표임을 확인하였다.

신뢰할 수 있는 물가안정목표제 하에서 경제주체의 인플레이션 기대는 중앙은행의 목표에 잘 고정되어야 하며, 인플레이션 서프라이즈는 지속적 편의 없이 영(0) 부근에서 등락해야 한다. 한국은행은 1998년 이래 명시적 물가안정목표를 유지해왔으며(초기에는 범위, 2019년 이후 2% 포인트 목표로 축소), 인플레이션 서프라이즈 시리즈는 연구자와 정책입안자가 이 목표의 실질적 신뢰성을 평가할 수 있게 한다. 이때 신뢰성 평가는 합리적 무관심(rational inattention)이나 전략적 편의에 취약한 서베이 응답이 아니라 금리 기간구조와 정합적인 모형 내재 기대에 근거한다.

지속적 음(−)의 서프라이즈(에너지 가격, 공급망 병목, 팬데믹 이후 수요 회복에 의해 추동된 2022~2023년 글로벌 인플레이션 급등기에 관찰된 바와 같이)는 기대인플레이션이 실제 물가 상승을 체계적으로 따라가지 못하고 있음을 나타낸다. 이 패턴은 적응적 학습(adaptive learning) 문헌(Orphanides and Williams 2005)과 일관되게 기대형성 과정이 새로운 인플레이션 레짐에 느리게 적응하고 있음을 시사하거나, UCSV 추세인플레이션 추정치가 일시적 인플레이션 충격에 대해 적절히 회의적이며 해당 충격이 지속될 가능성이 낮다고 올바르게 식별하고 있음을 시사한다. 이 두 해석을 구분하려면 이후 실현인플레이션의 궤적을 관찰해야 한다. 반대로, 지속적 양(+)의 서프라이즈는 인플레이션이 예상보다 체계적으로 낮았음을 시사하며, 이는 통화정책이 기저 물가 역학 대비 지나치게 긴축적일 수 있거나 디스인플레이션 요인(예를 들어 기술 진보, 세계화, 인구구조 변화)이 모형의 예상보다 강하다는 것을 함의한다.

인플레이션 서프라이즈는 통화정책 전달경로(transmission mechanism)의 진단 도구로도 기능한다. 한국은행이 인플레이션에 대응하여 기준금리를 인상할 때, 의도된 효과는 총수요를 감소시켜 실현인플레이션을 목표로 회귀시키는 것이다. 금리 인상에도 불구하고 음의 인플레이션 서프라이즈가 지속된다면, 해당 인플레이션이 주로 공급 주도적이며 수요 측 정책 수단에 덜 반응적임을 시사할 수 있으며, 이는 포스트-COVID 인플레이션 국면에서 중앙은행 논쟁의 핵심에 있었던 구별이다.

뉴케인지안 필립스곡선 프레임워크에서 인플레이션의 서프라이즈 요소는 산출갭 및 한계비용 역학과 관련된다. 서프라이즈 요소를 분리함으로써, 연구자들은 필립스곡선의 기울기를 보다 깨끗하게 추정하고 한국 인플레이션 역학에서 전방주시적(forward-looking) 대 후방주시적(backward-looking) 행태의 비중을 평가할 수 있다.

여기서 사용한 방법론(UCSV 기반 추세인플레이션과 서베이 고정의 결합)은 클리블랜드 연방준비은행(Haubrich, Pennacchi, and Ritchken 2012)과 뉴욕 연방준비은행의 ACM 프레임워크에서 사용하는 접근법과 직접 비교 가능하다. 이는 KRED의 인플레이션 서프라이즈 시리즈가 선진국 간 인플레이션 기대 고정에 대한 국가간 비교 연구에 적합함을 의미한다.

인플레이션 서프라이즈 시리즈의 평균 또는 분산의 구조변화(structural break)는 인플레이션 레짐 전환의 신호일 수 있다. 평균이 영 부근에서 지속적 음의 값으로 이동하면 인플레이션 레짐의 도래를 시사할 수 있으며, 평균이 영에 머물더라도 분산의 변화는 인플레이션 불확실성의 증가를 나타낼 수 있다. 이러한 레짐 진단은 Faust and Wright (2013)의 인플레이션 예측 문헌에서 분석된 바와 같이, 거시경제 예측과 통화정책 전략 재검토 모두에 관련된다.

인플레이션 서프라이즈는 채권 포트폴리오 관리, 리스크 평가 및 파생상품 가격결정에 직접적으로 응용된다.

채권 투자자에게 인플레이션 서프라이즈는 명목 국채 수익률에 내재된 인플레이션 위험 프리미엄의 방향과 크기를 평가하는 데 도움이 된다. 인플레이션 위험 프리미엄(투자자가 미래 인플레이션 불확실성을 감수하는 대가로 요구하는 추가 보상)은 직접 관측이 불가능하지만 인플레이션 서프라이즈의 이력 및 변동성과 밀접하게 관련된다. 지속적 음의 서프라이즈(실현인플레이션이 기대를 초과)는 투자자가 인플레이션 불확실성에 대한 평가를 수정하고 더 큰 보상을 요구함에 따라 인플레이션 위험 프리미엄에 상방 압력을 가한다. 이러한 위험 프리미엄 상승은 수익률을 높이고 가격을 낮추어 명목채권의 초과수익률을 압축한다. 반대로, 지속적 양의 서프라이즈(실현인플레이션이 기대 하회)는 인플레이션 위험 프리미엄을 압축하여 명목채권 가치를 지지하는 경향이 있다.

인플레이션 서프라이즈와 위험 프리미엄 간의 관계는 비대칭적인데, 음의 서프라이즈(예상치 못한 인플레이션)가 동일한 크기의 양의 서프라이즈보다 위험 프리미엄에 더 큰 영향을 미치는 경향이 있으며, 이는 인플레이션 리스크 선호의 잘 알려진 비대칭성을 반영한다(Buraschi and Jiltsov 2005). 이 비대칭성은 외국인 투자자 참여가 인플레이션 기대에 대한 수익률 민감도를 증폭시키는 한국 국채(KTB) 시장에서 특히 유의미하다.

인플레이션 서프라이즈의 크기와 변동성은 인플레이션 헤지 포지션의 적정 규모를 설정하는 데 유용한 정보를 준다. 인플레이션 서프라이즈 시리즈의 분산이 상승할 때(높은 인플레이션 불확실성을 나타낼 때) 기관투자자가 물가연동국채, 원자재, 부동산투자신탁(REITs) 및 기타 실물자산을 포함한 인플레이션 헤지 자산으로의 배분을 확대하는 것이 합리적이 된다. 한국의 맥락에서 물가연동 KTB 시장은 유동성이 상대적으로 낮아 직접적 헤지 옵션이 제한적이다. 따라서 인플레이션 서프라이즈 시리즈는 시장 내재 손익분기인플레이션율의 가용성에 의존하지 않는 모형 기반의 대안적 인플레이션 헤지 신호를 제공한다.

채권 포트폴리오 매니저는 인플레이션 서프라이즈를 듀레이션 관리 전략의 투입변수로 활용할 수 있다. 지속적 음의 서프라이즈로의 전환은 인플레이션 위험 프리미엄 조정에 따라 명목수익률이 추가 상승할 수 있다는 신호이며, 포트폴리오 듀레이션의 축소를 시사한다. 인플레이션 서프라이즈의 변화율(서프라이즈가 시간에 따라 더 음이 되고 있는지 덜 음이 되고 있는지)은 위험 프리미엄 조정 방향의 선행지표가 된다.

인플레이션 서프라이즈는 기간 프리미엄 분해와 상호작용하여 수익률곡선 트레이딩 전략에 정보를 제공한다. 음의 인플레이션 서프라이즈가 기간 프리미엄 상승(KRTP 시리즈)과 동시에 발생할 때, 수익률곡선의 스티프닝(steepening)은 성장 기대 변화가 아니라 인플레이션 리스크 재가격화에서 비롯되며, 이 구별은 커브 플래트너(flattener) 대 스티프너(steepener) 포지션에 대해 상이한 함의를 갖는다. 인플레이션 서프라이즈를 위험중립 순간선도금리(KRIFR 시리즈)와 결합하면, 트레이더는 수익률곡선 변동을 기대 주도 요소와 위험 프리미엄 주도 요소로 분해할 수 있다.

인플레이션 서프라이즈는 주로 채권 지표이지만 교차자산(cross-asset) 함의를 갖는다. 지속적 음의 인플레이션 서프라이즈는 투입비용 증가를 전가하지 못하는 기업의 이익률을 침식하여, 인플레이션 민감 업종의 신용스프레드와 주식 밸류에이션에 영향을 미친다. 인플레이션 서프라이즈 시리즈는 섹터 로테이션 모형과 신용스프레드 예측 프레임워크의 조건변수(conditioning variable)로 활용될 수 있다.

인플레이션 서프라이즈 시리즈는 한국은행 커뮤니케이션의 시장 영향을 평가하는 데에도 활용될 수 있다. 금융통화위원회 회의 및 인플레이션 보고서 발표 전후로 인플레이션 서프라이즈가 어떻게 변화하는지를 관찰함으로써, 연구자들은 중앙은행 커뮤니케이션이 인플레이션 기대를 효과적으로 유도하고 있는지를 평가할 수 있으며, 이는 선제적 안내(forward guidance) 시대의 통화정책 유효성에 관한 핵심 차원이다.

KRINFSR는 인플레이션 서프라이즈로, 실현 물가에서 기대 물가를 뺀 전년 동월 대비 기반의 예측오차이며, 2001-08-31부터 2026-05-31까지 월별 298개 관측치를 상수·추세 설정에서 검정한다. Said and Dickey (1984)의 시차 보강을 적용한 Dickey and Fuller (1979) 증강 검정은 p = 0.205로 단위근을 기각하지 못하고 KPSS 검정은 p < 0.01로 수준 정상성을 기각하여(Kwiatkowski et al. 1992) 반대 귀무의 쌍이 깔끔한 정상성에 반하여 합치하는 한편, Phillips and Perron (1988) 검정만이 단독으로 어긋나 p = 0.012로 단위근을 기각한다. 그 어긋남은 단위근에 가까운 이동평균 오차 아래에서 허위 정상성으로의 과대 기각이라는 필립스-페론의 알려진 실패 양상이므로(Ng and Perron 2001) 이견 없는 적분 차수를 부여하지 않으며, 합치하는 ADF와 KPSS 판독은 정상성에 반하는 쪽으로 기운다.

후보 정상 대상인 수준에 대해 Ljung and Box (1978) 포트맨토는 시차 12와 시차 24에서 모두 p = 0.000으로 무자기상관 귀무가설을 기각한다. 이 비율이 후보 정상 대상이므로 수준 변화점 탐색이 적절한 평균 이동 진단이며(Perron 1989), Bai and Perron (1998) 절차를 Bai and Perron (2003)의 알고리즘으로 계산하면 2008-05-31, 2012-01-31, 2015-10-30, 2021-02-28의 네 평균 이동이 식별된다.

전년 동월 대비 구성 자체가 HEGY 계열이 조사하는 계절 단위근을 제거하는 계절 차분 필터이므로, HEGY 및 Canova-Hansen 계절 단위근 검정은 의도적으로 수행하지 않았다. 변환이 이미 소거한 계절 단위근을 검정하는 것은 순환적이기 때문이다(Hylleberg et al. 1990; Canova and Hansen 1995; Ghysels and Osborn 2001). 대신 잔차 및 진화하는 계절성 진단을 비율의 1차 차분에 대해 계산하여 보고한다. QS 통계량은 p = 0.000으로 잔차 계절성을 기각하는 반면 계절 더미 F 검정은 p = 0.994로 기각하지 못하므로, 전년 동월 대비 필터가 안정적인 결정적 계절 패턴은 소거하되 표류하는 계절성 진단이 검출하는 잔차 계절 자기상관은 남겨 두었다.