주택가격과 은행대출의 상관관계에 관한 연구 - kif주택가격과 은행대출의...

주택가격과 은행대출의 상관관계에 관한 연구 107

金融硏究 ||||||| Journal of Money & Finance | Vol. 26 | No. 1 | 2012. 3 1)

주택가격과 은행대출의 상관관계에 관한 연구

박연우*․방두완**

― 국문초록―

주택시장과 은행건전성의 밀접한 관계에도 불구하고 국내에서 주택가격과 은행대출의 상관관

계에 관한 연구는 매우 제한적이다. 따라서 본 연구는 주택가격과 은행대출간의 관계를 분석

하고 주택금융정책에 대한 시사점을 도출하는 것을 그 목적으로 한다.

본 연구의 분석대상기간은 전체기간(1986년 1분기～2010년 4분기)과 순환주기1(1999년 1월～2010년 12월), 순환주기2(1999년 1월～2010년 12월), 순환주기 2 상승기(1999년 1월～2006년 12월), 순환주기 2 하락기(2007년 1월～2010년 12월)로 구분하여 분석하였으며 분석대상지역은 전국, 서울, 대구, 광주, 부산지역이며 공적분검증을 통해 장기 관계를, 동태적 반응모형(VECM)을 통해 인과관계를 각각 검토하였다. 실증분석결과는 다음과 같다. 공적분결과를 보면 은행

대출과 주택가격은 장기적 상관관계를 갖는 것으로 나타났다. 주택가격과 은행대출간 인과관

계를 보면 모든 분석대상지역에서 분석대상기간동안 주택가격은 은행대출에 양(+)의 영향을

미쳤고 은행대출도 주택가격에 양(+)의 영향을 미쳤다. 반면 GDP, 통화공급, 금리 등의 주택

수요 결정요인과 허가호수, 주택건설 공사비 등 주택공급 결정요인의 주택가격과 은행대

출에 미치는 영향은 지역에 따라 기간에 따라 일관적이지 않았다. 또한 VECM분석을 통해

은행대출과 주택가격간에 불균형이 존재하는 경우 이를 감소시키는 방향으로 조정이 일어

나 은행대출과 아파트가격사이에 장기적인 균형이 유지되고 있음을 확인하였다.본 연구의 결과는 주택가격이 은행대출에 양(+)의 영향을 미치므로 주택가격의 급상승(급락)은 은행대출의 급상승(급락)을 야기해 금융시스템의 불안정성을 유발함을 시사한다. 또한 은행대

출은 주택가격에 양(+)의 영향을 미치므로 총부채상환비율(DTI) 등의 상환능력 테스트를 통한

은행대출의 억제가 효과적 주택가격 안정화 정책수단임을 시사한다. 또한 서울과 지방시장에

서 은행대출과 주택가격의 동적관계가 유사하다는 것은 한국주택금융시장이 성숙화 되면

서 서울과 지방간의 주택금융시장의 특성이 점진적으로 수렴하는 것으로 해석할 수 있다.

핵심단어 : 주택가격, 은행대출, 부동산 금융정책, 통화정책, 공적분검정, VECM

JEL 분류기호 : G10, G20, G21

투고일 2011년 11월 22일; 수정일 2011년 12월 21일; 게재확정일 2012년 03월 05일

* 교신저자, 중앙대학교 경영학부 교수(Tel : 02-820-5793, Email : [email protected])

** 한국주택금융공사 주택금융연구소 연구위원(Tel : 02-2014-8157, Email : [email protected])

108 金融硏究 제26권 제1호 2012

Ⅰ. 서론

2006년 고점대비 2011년 현재 30% 정도 주택가격 하락률을 보이고 있는 미국주택

시장발 금융위기로 미국뿐만 아니라 전 세계 경제가 침체의 늪에 빠져 주택가격의 급등

과 급락은 금융안정성을 위협한다는 인식이 널리 확산되었다. 대부분의 경제전문가는

미국의 저금리와 과도한 주택담보대출이 주택가격의 급등을 가져왔고, 버블의 붕괴로

인한 주택 담보가치의 하락이 은행의 부실과 범세계적 유동성 위기를 초래한 것으로

보고 있다.

주거용 부동산은 거래단위가 크기 때문에 대부분의 구입자들이 은행이나 기타

금융기관 대출에 의존하게 됨으로 주택가격과 은행대출 특히, 주택담보대출간에 상

호인과관계가 발생하게 된다. 은행대출과 주택가격간의 관계에 대하여 많은 연구가

있었으나 두 변수간의 인과관계에 대하여는 의견의 일치를 보지 못하고 있다. 주택시

장과 은행건전성의 밀접한 관계에도 불구하고 국내에서 주택가격과 은행대출의 인

과관계에 관한 연구는 매우 제한적이다. 따라서 본 연구는 주택가격과 은행대출간의

관계를 분석하고 주택금융정책에 대한 시사점을 도출하는 것을 그 목적으로 한다.

이론적 관점에서 은행대출과 주택가격은 양방향의 인과관계가 가능하다. 일

반적으로 주택가격 상승은 투자와 소비지출을 증가시켜 대출수요를 증가시키고 동

시에 차입자의 차입능력을 증가시킨다. 또한 주택가격 변동은 은행보유 부동산 포트

폴리오의 가치에 영향을 미쳐서 은행의 대출공급에 영향을 미친다. 반면 은행대출

증가는 부동산 수요를 증가시켜 주택가격을 상승시킨다.

본 연구에서는 주택가격을 전국, 서울, 대구, 부산, 광주 국민은행 아파트가격

지수로 추정하였고 은행대출은 한국은행에서 발표하는 예금은행 지역별 총대출금

액과 전국 주택담보대출금액으로 추정하였다. 지역별 아파트가격을 사용한 이유는

서울과 지방의 아파트가격 변동추이가 다르고, 변동성 또한 지역별로 차이가 있어

지역별로 세분화한 연구가 필요하다고 판단하였기 때문이다. 그리고 분석대상은

유동성이 높은 아파트로 선택하였다. 은행대출 이외에도 소득, 통화공급, 이자율 그리

고 주택건축 허가호수, 주택건설공사비용 등이 부동산가격에 영향을 줄 수 있으므로

본 연구에서는 이들 변수를 함께 고려하여 분석하였다.

본 연구의 결과 주택가격과 은행대출은 분석대상기간동안 모든 분석대상지역

에서 장기적 상관관계를 가지고 있으며 상호 인과관계를 동시에 가지는 것으로 확인


되었다. 반면 GDP, 통화공급, 금리, 허가호수, 주택건설 공사비 등의 변수가 주택가

격과 은행대출에 미치는 영향은 지역에 따라 기간에 따라 일관적이지 않았다. 또한

VECM분석을 통해 모든 지역에서 초과 은행대출이 존재하는 경우 이를 감소시키는

방향으로 조정이 일어나고 초과 주택가격이 존재하는 경우 이를 감소시키는 방향으

로 조정이 일어나서 은행대출과 아파트가격사이에 장기적인 균형을 유지하기 위한

조정이 있음을 확인하였다.

본 연구는 금융시장과 부동산시장에 관한 연구에 다음과 같이 공헌한다. 먼저

본 연구의 결과는 주택가격이 은행대출에 양(+)의 영향을 미치므로 주택가격의 급상

승은 은행대출의 급상승을 야기하고 주택가격의 급락은 은행대출의 급락을 야기해

금융시스템의 불안정성을 유발함을 시사한다. 은행대출은 주택가격에 양(+)의 영향

을 미치므로 총부채상환비율(DTI) 등을 통한 은행대출의 억제가 효과적인 주택가격

안정화 정책수단임을 시사한다. 또한 본 연구는 장기적인 시계열(1986년 1분기∼

2010년 4분기)에 기초하여 주택가격과 은행대출간의 상관관계가 있음을 입증하였

다. 한국의 금융시스템에서 부동산 담보대출이 큰 의미를 가지게 된 것은 1999년부

터이므로 본 연구에서는 1999년 이후의 은행대출 자료를 이용하여 아파트가격과

은행대출간의 동태적 모형을 사용한 상호인과관계의 검증을 하였다. 마지막으로

주거용 부동산가격, 상업용 부동산가격 및 토지가격은 높은 양(+)의 상관관계를

가지며 은행대출은 금융시스템 전체의 유동성을 대표하므로 본 연구의 결과는 부동

산가격과 금융시스템의 유동성간의 관계에 대한 연구에도 공헌하였다.

본 연구는 다음과 같이 구성되어 있다. 제 Ⅰ장의 서론에 이어 제 Ⅱ장에서는

선행연구를 살펴보며 제 Ⅲ장에서는 연구모형을 제시한다. 제 Ⅳ장에서는 자료의

구성을 살펴보며 제 Ⅴ장에서는 실증분석결과를 제시하고 마지막으로 제 Ⅵ장에서

는 본 연구의 결론과 시사점 그리고 향후 연구방향을 논의한다.

Ⅱ. 선행연구

은행대출이 주택가격에 영향을 줄 수 있다는 사실은 자본자산 가격결정이론

을 통하여 설명할 수 있다. 금융시장에서 요구수익률이 하락할 때 자산가치는 상승

하고 반대로 요구수익률이 상승할 때 자산가치는 하락하므로 주택담보대출의 상승

110 金融硏究 제26권 제1호 2012

(요구수익률의 하락)은 주택가치의 상승을 초래하고 주택담보대출의 하락(요구수익

률의 상승)은 주택가치의 하락을 초래한다. 따라서 자본자산 가격결정이론에 의하면

은행대출이 주택가격에 양(+)의 영향을 미친다고 예측할 수 있다.

반면 부의효과(wealth effect) 관점에서 은행대출과 주택가격은 양방향의 인과

관계가 가능하다. 일반적으로 주택가격 상승은 부의 효과에 의해서 경제활동을 자극하

여 투자와 소비지출을 증가시켜 간접적으로 대출수요를 증가시키고 동시에 차입자

의 담보가치 증가로 차입자의 차입능력을 증가시킨다. 또한 주택가격 변동은 은행의

자본포지션에 영향을 주기 때문에 주택가격이 직접적으로는 은행 보유 부동산 포트

폴리오의 가치에, 간접적으로는 비수익성대출(non-performing loan)에 영향을 미쳐

서 은행의 대출공급에 영향을 미친다. 반면 은행대출 증가는 부동산 수요를 증가시키

고 주택공급은 단기적으로 고정되어 있으므로 은행대출 증가는 주택가격을 상승시킨

다. 또한 풍부한 자금공급은 투자와 소비지출을 증가시키고 경제를 활성화시켜 자산

으로부터의 장래 현금흐름에 대한 긍정적 기대로 인하여 주택가격을 상승시킨다.

Bernanke, Gertler, and Gilchrist(1998)는 실물경제의 충격이 자산가치의 하락

을 가져오고 자산가치의 하락이 담보가치의 하락을 유발하여 금융기관대출의 축소

를 일으키고 대출의 축소는 실물경제를 더욱 악화시키는 악순환을 설명하면서 금융

기관 신용공급을 통한 충격의 증폭을 financial accelerator라고 하였다. 주택가격과

은행대출의 관계를 이러한 순환고리의 일부로 볼 수 있고 따라서 financial accel-

erator 가설은 주택가격과 은행대출이 상호 인과관계를 가짐을 의미한다.

Cifuentes, Ferruci, and Shin(2005)은 자산(주택)가격하락이 금융기관(은행)의

대출 축소를 발생시키는 현상을 규제감독의 관점에서 설명하였다. 상호신용공여 관

계로 서로 복잡하게 얽힌 금융기관들이 유동성이 낮은 자산을 보유하는 경제에서 자산

가격에 대한 소규모 충격으로 인하여 자산 가격이 폭락하고 금융시스템이 붕괴될 수

있는 이론적 가능성을 제시하였다. 상호 대차관계로 연결된 금융기관의 건전성 유지를

위하여 금융감독 당국은 자산 가치가 항상 일정 수준 이상을 유지하도록 요구하는

규제를 부과하고 자산 가격이 하락하는 경우 시가로 자산 가치를 평가하는 금융기관

이 규제를 만족시키기 위하여 가격이 하락한 자산의 매각을 시도하기 때문에 가격은

더욱 하락하게 되며 특히 자산에 대한 수요의 가격 탄력성이 완전 탄력적(perfectly

elastic)이지 않다면 자산가격의 충격이 증폭현상을 촉발할 수 있다고 주장하였다.

은행대출과 주택가격간의 관계에 대하여 많은 실증연구가 있었으나 두 변수


간의 인과관계에 대하여는 의견의 일치를 보지 못하고 있다. 주택가격과 은행대출의

관계에 관한 실증연구는 크게 세가지로 나누어 볼 수 있는데 주택가격과 은행대출이

상호영향을 준다는 연구결과와 단일방향의 영향을 준다는 것, 즉, 은행대출만 주택

가격에 영향을 준다는 연구결과와 주택가격만 은행대출에 영향을 준다는 결과가

그것이다. 먼저 양방향 인과를 가진다는 연구를 살펴보면 Hofmann(2001)은 1980년

부터 1998년까지를 분석 기간으로 하여 16개 선진국의 부동산가격과 은행대출,

실질GDP 및 단기실질금리간의 관계를 분석하였다. 공적분 검정결과 은행대출은

장기적으로 실질GDP와 실질부동산가격과 양(+)의 상관관계를 갖는 것으로 분석

되었지만 실질이자율과는 음(-)의 상관관계를 갖는 것으로 분석되었다. 충격반응

분석을 이용한 단기분석에서 은행대출과 부동산가격이 통계적으로 유의적인 양방

향 인과관계를 가지는 것으로 분석되었다.

Greef and Haas(2001)는 주택가격과 주택담보대출간의 상관관계를 조사하기

위하여 네덜란드 주택가격과 주택담보대출에 대한 실증분석을 하였다. 실증분석결

과 네덜란드 주택시장과 주택담보대출은 양방향 인과관계를 가지는 것으로 분석되

었다. 즉, 주택가격은 가처분소득, 주택담보대출이자율, 주가 등의 변수를 통제하여

도 은행대출기준의 변화에 영향을 받는 것으로 나타났으며 주택담보대출은 가계가

처분소득과 주택가격의 영향을 받는 것으로 분석되었다.

Hofmann(2003)은 1985년부터 2001년까지 20개 선진국을 대상으로 은행대출,

GDP 및 부동산가격을 대상으로 상호관계를 분석하였는데 요한센의 공적분 분석결

과 부동산가격과 은행대출이 장기상호관계를 갖는 것으로 나타났고 오차수정모형

을 이용한 동태 분석에서는 부동산가격과 은행대출이 상호 영향을 미치는 것으로

분석되었다.

Oikarinen(2009)은 핀란드의 주택가격과 은행대출간의 인과관계를 조사하기

위하여 1975년부터 2006년까지의 분기별 자료를 이용하여 실증분석 하였다. Oikari-

nen은 1980년대 후반에 있었던 핀란드 금융자유화 이전과 이후를 구분하여 분석하

였는데 1980년대 후반 금융자유화 이후 주택가격과 은행대출 간에는 강한 양방향의

인과관계 즉, 두 거시경제 변수가 서로 영향을 미치는 것으로 나타났지만 은행대출

과 주가는 서로 영향을 주지 못하는 것으로 분석되었다.

Gimeno and Martinez-Carrascal(2010)은 스페인시장에서 1984년 1분기부터

2009년 1분기까지의 분석기간 동안 주택가격과 주택담보대출의 관계를 분석하였다.

112 金融硏究 제26권 제1호 2012

실증분석결과 주택가격과 주택담보대출은 장기적 상관관계를 가지며 양방향의 인

과성을 가지는 것으로 분석되었다.

다음으로 주택가격이 은행대출에 영향을 미치나 은행대출이 주택가격에 영향

을 미치지는 않는다는 결과를 보고한 연구가 다수 존재하는데 이중 Gerlach and

Peng(2005)은 홍콩 부동산 시장의 주택가격과 은행대출의 상관관계를 연구하였다.

실증분석결과 급격한 가격변화를 경험한 홍콩부동산 시장에서 주택가격과 은행대

출은 장기적 양(+)의 상관관계를 보이며 주택가격이 은행대출에 영향을 미치나 은행

대출은 주택가격에 영향을 미치지 못하는 것으로 보고하였다.

Davis and Zhu(2004)는 영국, 일본 등을 비롯한 17개 선진국의 904개 은행을

대상으로 1989～2002년 사이의 상업용 부동산가격변동과 개별은행의 대출변동 및

경영성과간의 관계를 분석하였다. 요한센의 공적분 검정결과 은행대출은 GDP와

부동산가격과 장기적 상관관계를 가지나 상업용부동산가격만 은행대출에 영향을

미치고 은행대출은 상업용부동산가격에 영향을 미치지 않아 상업용부동산시장은

일종의 “자율적 시장”이라고 기술하였다.

마지막으로 은행대출만이 주택가격에 영향을 미친다는 연구도 다수 존재한

다. Allen and Gale(1999)은 핀란드의 경우 1987년 확장 예산에 의한 대규모 신용확

대가 1988년부터 1989년까지 발생한 주택가격 상승의 원인이었다고 보고하였다.

Collyns and Senhadji(2001)는 다수의 아시아국가에서 은행대출의 증가는 주택가격

의 상승을 발생시켰다고 보고하였다. Liang and Cao(2007)은 1991년 1분기부터

2006년 2분기까지 중국 부동산가격과 은행대출간의 관계를 연구한 결과 은행대출,

GDP, 이자율이 부동산가격에 영향을 미치는 것으로 보고하고 있다.

한국의 경우 주택가격과 은행대출간의 상호 인과관계에 대한 연구는 제한적

이며 다음과 같은 관련된 연구가 있다. Park, Bahng, and Park(2010)은 한국의 경우

2005년 8월 도입된 대출규제는 규제대상인 강남지역의 아파트가격에는 별다른 영향을

주지 못하고 규제대상이 아닌 다른 지역의 아파트가격의 붕괴를 가져왔음을 보여 주었

다. Park 등의 연구 결과는 주택가격변동이 과열시장과 비과열시장으로 분명하게

분리될 때 은행대출 억제를 통한 가계대출 억제는 정교하게 집행되지 않으면 과열시

장은 안정시키지 못하고 침체된 비투기지역을 더욱 침체시킬 수 있음을 시사한다.

박형근․이상진(2006)은 1987년부터 2005년까지를 분석기간으로 하여 부동

산 가격변동과 은행경영성과간의 관계를 국내 일반은행의 개별자료를 이용하여 실


증분석하였다. 분석결과 국내에서도 부동산가격 변동은 은행의 경영성과와 밀접한

관련이 있는 것으로 나타났다. 부동산 가격이 상승할 경우 은행의 대출금이 증가하

고 자산건전성 및 수익성 등 경영성과가 개선되는 것으로 나타났다.

Summary of the Studies on the Interaction between Bank Lending and House

Prices

Publication Results

Two-wayinteraction

Hofmann(2001)

Relationship amongst house prices, bank lending, GDP and interest rates is examined in 16 advanced economies; long term relationship: positive relationship amongst house prices, bank lending and GDP; short term relationship: bidirectional causality between house prices and bank lending

Greef and Haas(2001)Results in the Dutch market show a bidirectional causality between house prices and bank lending

Hofmann(2003)

Results in 20 economies show a long term positve relationship between house prices and bank lending and a short term bidirectional causality between house prices and bank lending

Oikarinen(2009)Results on Finnish market show a strong bidirectional causality between house prices and bank lending.

Gimeno andMartinez-Carrascal(2010)

Results on the Spanish market show a long term positive relationship between house prices and bank lending and a short term bidirectional causality between house prices and bank lending.

Real estate → Bank lending

Gerlach and Peng(2005)

Results on the Hong Kong market show a long term positive relationship between house prices and bank lending and a short term causality from house prices to bank lending.

Davis and Zhu(2004)

Results on 17 advanced economies show a long term positive relationship amongst commercial properties prices, bank lending and GDP and a short term causality from commercial properties prices to bank lending.

Bank lending→ Real estate

Allen and Gale(1999)Results on the Finnish market show a short term causality from bank lending to house prices.

Collyns and Senhadji(2001)Results on a number of Asian economies show a short term causality from bank lending to house prices.

Liang and Cao(2007)Results on the Chines market show a short term causality from bank lending to house prices.

114 金融硏究 제26권 제1호 2012

남명수․여운헌(2007)은 한국시중은행을 대상으로 부동산 가격변동이 은행

의 대출 및 경영성과에 미치는 영향을 연구하였다. 1999년부터 2006년 12월까지

국내증권거래소에 상장된 은행을 대상으로 표본기업이 공시한 CAMEL 자료 및

거시경제지표를 기초로 분석에 필요한 변수를 설정하였으며 실증분석결과 부동산

가격이 은행대출의 규모를 결정하는 요인으로 분석되었다.

Ⅲ. 연구모형

일반적으로 시계열 변수가 단위근을 가지고 I(1)의 과정을 따르면 대체로 1차

차분변수 I(0)는 안정적 시계열로 변모하게 된다. 그러나 차분 안정화된 변수들로서

통상의 알려진 계량경제학 방법(회귀분석 등)을 수행하면 다소의 문제가 발생하게

된다. 왜냐하면 시계열을 차분하면 자료가 가지고 있는 시계열 고유의 특성에 관한

정보가 유실되어, 차분변수끼리의 선형 및 비선형관계는 장기적 균형관계로 해석될

수 없기 때문이다.

이 경우 공적분(cointegration) 이론에 의하면 불안정 시계열인 I(1)변수들 간의

장기적 균형관계를 차분을 통한 안정성 확보를 하지 않고서도 분석할 수 있다. 공적

분 관계의 유무를 판단하는 공적분 검정에는 Engle and Yoo(1987)의 ADF(Aug-

mented Dickey Fuller) 검정, Engle and Granger(1987)의 2단계 OLS 그리고 Johan-

sen(1988, 1991, 1995)의 Johansen 검정 등이 있는데, 본 연구에서는 상대적으로 우수

한 것으로 평가받는 Johansen 검정을 적용하기로 한다. 일반적으로 Johansen의 공적

분 검정은 trace와 maximum eigenvalue 통계량을 이용하여 공적분 순위 검정을

하며 VAR(p)에 따라 임계치를 계산하여 공적분 검정을 시행한다.

두 변수가 단위근을 가질 때 각각의 불안정 시계열은 차분을 통하여 안정적인

시계열로 만든 후 회귀분석하면 불안정 시계열을 사용할 때 발생되는 문제를 회피할

수 있다. 그러나 두 변수 사이에 공적분 관계가 있는 경우에도 차분 변수를 사용하면

두 변수 사이의 장기적인 관계에 대한 정보를 잃어버리게 된다. 이러한 경우 오차수

정모형을 이용해 장기적 균형관계에 대한 정보와 단기적 움직임을 동시에 파악할

수 있다.

본 연구에서는 벡터오차수정모형(Vector Error Correction Model; VECM)을


확장하여 실질아파트가격(실질은행대출)의 경우 실질아파트가격(실질은행대출)의

4기 래그값 및 실질은행대출(실질아파트가격), 실질GDP, 이자율, 주택건축 허가호

수, 실질주택건설공사비지수의 t기 및 4기 래그값과 t-1기 오차수정항을 독립변수로

채택하여 최적모형을 추정하였으며 사용한 회귀방정식은 아래와 같다.1)

∆

∆

∆

∆

∆ (1)

단 ∆

∆

∆

∆

∆

단 ∆ : 은행대출. ∆ : 아파트가격 ∆ : 광의통화 ∆ : 공변량벡터(GDP, M2, 이자율, 주택건축 허가호수, 주택건설공사비 지수) : 오차수정항

t시점의 주택가격이 t시점의 은행대출회귀식의 설명변수로, t시점의 은행대출

이 t시점의 주택가격회귀식의 설명변수로 편입되어 동시성 편이(simultaneity bias)

가 발생하는지를 확인하기 위하여 도구변수를 사용하여 Hausman test를 실행한다.

Ⅳ. 분석자료

본 연구에서는 부동산가격과 은행대출간의 상호 인과관계를 분석하기위하여

아파트 가격지수, 은행대출금액, 주택담보대출금액, GDP, M2, 주택건축 허가호수,

주택건설공사비지수, 이자율 등을 분석대상 변수로 선정하였다. 일반적으로 경제시

계열은 단위근을 가지는 불안정 시계열이 대부분이므로 원시계열자료의 단위근 유

무를 확인하기 위해 단위근 검정을 실시하였다.

1) 4기의 래그값을 사용한 이유는 VAR(p) 검정에서 최적차수가 4로 확인되었기 때문이다.

116 金融硏究 제26권 제1호 2012

부동산대출금액은 한국은행에서 발표하는 예금은행 총대출금액을 사용하였

다. 예금은행의 총대출금액을 부동산대출금액의 대용변수로 사용한 이유는 가계대

출 또는 주택담보대출은 지역별 통계 시계열의 길이가 너무 짧아 분석에 적정하지

않았기 때문이다.2) 또한 대부분의 선행연구에서 은행대출금액 변수, 부동산가격

변수와 함께 거시경제변수인 GDP, M2, 이자율 변수 등을 함께 고려하고 있으므로

본 연구에서도 이들 변수를 사용하였다.

House Prices, Bank Lending, M2, GDP (Real Data)

0

50

100

150

200

250

300

350

1987 1990 1993 1996 1999 2002 2005 2008

real Kookmin bank apartment price indexreal bank lendingreal GDPreal M2

Note) All time series data are set to 100 in 1999 : 1.

은 주택가격, 은행대출, M2, GDP을 소비자물가로 조정한 실질가치

시계열 추이를 보여주고 있다. 주택가격은 두 개의 순환주기(1986년～1998년; 1999

년～2010년)를 보이고 있으나 개별 순환주기를 살펴보면 주택가격은 급상승(1986

년～1990년, 1999년～2006년)한 후 하락(1991년～19987년, 2007년～2010년)를 반

복하는 순환성을 보인다. 반면 은행대출, M2, GDP는 대체로 지속적인 증가세를

보이고 있다. 1998년 외환위기 이후 은행권이 안정을 찾기 시작한 1999년을 중심으

로 은행대출이 매우 가파른 상승속도를 보이고 있으며 나머지 변수들은 대체로 완만

한 증가세를 보이고 있다. 실질 은행대출은 1999년을 중심으로 매우 가파른 상승속

2) 주택담보대출 통계는 2003년 12월부터 얻을 수 있어서 자료기간이 짧다는 문제가 있어 은행대출을

이용한 실증분석에 대한 강건성을 검토하기 위한 자료로 사용하였다.


도를 보이고 있으며 나머지 변수들은 대체로 완만한 증가세를 보이고 있다. 이에

근거하여 본 연구에서는 전체기간을 두 개의 순환주기로 구분하여 첫 번째 순환주기

(1986년～1998년)를 하위기간 1, 두번째 순환주기(1999년～2010년)를 하위기간 2로

부르고 개별 순환주기 내에서 상승기(1986년～1990년, 1999년～2006년)를 하위기

간 1-1, 2-1로 각각 부르고 하락기(1991년～1997년, 2007년～2010년)를 하위기간

1-2, 2-2로 각각 부르기로 한다. 또한 실증분석은 전국에서 지역으로 전체기간에서

하위기간으로 진행한다.

본 연구에서는 하위기간 분석에 월별 데이터를 사용하였고 전체 기간 분석에

는 분기별 데이터를 사용하였다. 그 이유는 전체기간은 시계열이 충분히 길어 분기

별 데이터를 사용함에 무리가 없다고 판단하였으나 하위기간 분석에는 시계열이

상대적으로 짧아서 월별 시계열을 사용하여 모형을 추정하였다.

Real Apartment Prices in Major Submarkets

80

100

120

140

160

180

200

220

2000:01 2002:01 2004:01 2006:01 2008:01 2010:01

NationwideSeoulDaeguGwangjuPusan

Source : Kookmin bank DB.

부동산가격변수는 국민은행이 발표한 전국, 서울, 대구, 부산, 광주 아파트가

격지수를 사용하였다. 지역별 아파트 가격지수를 사용한 이유는 순환주기 2의 경우

주택담보대출은 크게 증가하였는데 주택가격은 서울에서만 급등하고 지방의 주택

가격은 상대적으로 적은 변동을 보이고 있어 지역별로 은행대출과 아파트가격의

상호작용이 다를 수 있다고 판단되었기 때문이다. 의 지역별 아파트가격지

수 변동추이를 보면 서울의 아파트 가격은 분석기간 중 일부기간을 제외하고는 큰

118 金融硏究 제26권 제1호 2012

폭의 상승을 보인 반면에 지방은 아파트가격의 변동이 별로 없는 것으로 나타나고

있다. Park, Bahng, and Park(2010)은 2005년 8월 도입된 대출규제는 강남의 아파트

가격에는 별다른 영향을 주지 못하고 지방의 아파트가격의 붕괴를 가져왔음을 보여

주었는데 이는 서울, 특히 강남의 주택시장이 지방시장과 다름을 시사한다. 따라서 본

연구는 주택가격과 은행대출의 상관관계를 서울과 지역별로 구분하여 추정하였다.

본 연구에서는 부동산자산 즉, 아파트 가격에 영향을 줄 수 있는 공급변수로

국토해양부가 발표한 주택건축 허가호수를 사용하였으며 아파트 가격의 원가에 영

향을 줄 수 있는 주택건설기술연구원의 주택건설공사비지수도 분석대상변수에 포

함하였다. 아파트 가격지수, 은행대출금액, GDP, M2 등의 명목경제변수는 소비자물

가지수로 조정한 실질자료를 사용하였다.

Data Descriptions and Sources

Variables Explanations Sources

apartment priceindex

real apartment price index of nationwide, Seoul, Daegu, Gwangju, Pusan

Kookmin Bank

bank lendingloans of all deposit-taking banksfor various regions

Bank of Korea

mortgage mortgage of nationwide Bank of Korea

GDP gross domestic products Bank of Korea

M13) narrow money Bank of Korea

M2 broad money Bank of Korea

construction permit construction permits for various regions Ministry of Land, Transport and Maritime Affairs

construction costindex

index based on direct construction cost for residential housing construction

Korea Institute of Construction Technology

CPI CPI for various regions Bank of Korea

interest rate composite lending rate Bank of Korea

Note) All variables except the real interest rates and construction permits are divided by CPI and All

time series data are set to 100 in 1999 : 1.

3) 광의통화(M2)는 협의통화(M1)에 예금취급기관의 정기예금, 정기적금 및 부금, 거주자 외화예금 그

리고 양도성예금증서(CD), 환매조건부채권(RP), 표지어음 등 시장형 금융상품, 금전신탁, 수익증권

등 실적배당형 금융상품, 금융채, 발행어음, 신탁형 증권저축 등을 포함한다. 협의통화(M1)는 지급수

단으로서의 화폐의 기능을 중시한 통화지표로, 민간이 보유하고 있는 현금과 예급취급기관의 결제성예

금의 합계이다.


시계열자료는 단위근을 가지는 불안정 시계열인 경우가 대부분이고 통상의

최소자승회귀를 사용하면 가성회귀(spurious regression) 문제가 발생하게 된다. 시

계열 분석에서 대부분의 경우 가성회귀 문제 때문에 자료를 차분(difference)하여

회귀분석을 하지만 시계열 자료를 차분하면 시계열 자료가 가지는 고유한 특성을

상실하게 되므로 본 연구에서는 공적분(cointergration)검정을 하여 거시경제 변수

간에 장기적 관계가 있는지를 분석하였다. 에 보다 상세한 변수의 정의가

나타나 있다.

먼저 아파트가격과 은행대출간의 장기상관관계를 분석하기 위하여 1986년

1분기부터 2010년 4분기까지의 분기 자료를 이용하여 공적분 검정을 실시하였다.

공적분검정 변수들의 관측치 수는 100개이고 모두 자연로그 전환 후 사용하였다.

사용한 변수의 기술 통계량은 에 요약되어 있다.

Descriptive Statistics(Entire Sample Period : 1986Q1～2010Q4) for the Whole

Country

Variables N Mean Median Max Min SD

real apartment price 100 4.88 4.91 5.17 4.58 0.16

real bank lending 100 4.77 4.64 5.84 3.60 0.72

real GDP 100 4.61 4.60 5.28 3.65 0.45

M2 100 4.14 4.51 5.53 1.92 1.03

Note) All variables are adjusted with CPI, then transformed by taking their natural logarithms.

1999년 이후의 하위기간 분석을 위해서 본 연구에서 사용한 변수들의 관측치

의 수는 144개이고 안정시계열인 금리와 KOSPI 수익률을 제외한 변수는 자연로그

전환 후 사용하였다. 사용한 변수의 기술 통계량은 에 요약되어 있다.

Ⅴ. 실증분석결과

본 연구에서는 각 변수의 자연대수값을 실증분석자료로 사용하였으며 ADF

단위근 검정결과 전국의 실질아파트가격 변수 및 실질은행대출 변수와 실질GDP,

120 金融硏究 제26권 제1호 2012

Descriptive Statistics(Subperiod 2 : 1999:01～2010:12)

Variables N Mean Median Max Min SD

Panel A : nationwide



construction permit 144 6.96 6.94 9.01 5.44 0.51

Panel B : Seoul




Panel C : Daegu




Panel D : Gwangju




Panel E : Pusan




Panel F : For All Regions

real interest rate(%) 144 3.86 3.37 11.36 0.94 1.91

construction cost index 132 4.61 4.61 4.87 4.36 0.16

KOSPI returns 143 0.89 1.44 20.25 -26.31 8.12

real mortgage rate 87 4.95 4.99 5.25 4.61 0.19

real GDP 144 5.01 5.01 5.31 4.51 0.20

M1 144 5.42 5.51 5.85 4.61 0.29

M2 144 5.02 4.98 5.54 4.61 0.29

Note) 1) All variables except the real interest rates and the KOSPI returns are transformed by taking

their natural logarithms.

2) All time series data are set to 100 in 1999 : 1.

실질M2 변수들은 모두 단위근을 가지는 불안정 시계열인 것으로 나타났다. 따라서

본 연구에서는 이들 변수를 이용하여 공적분 검정을 시행하고 결과를 제시하기로

한다.


전체기간과 하위기간의 Johansen 공적분 검정의 결과는 에 요약되어

있다. 의 패널 A는 전체기간(1986Q1～2010Q4), 패널 B는 하위기간1(1986:0

1～1998:12), 패널 C는 하위기간2(1999:01～2010:12)의 결과를 제시하고 있다. 전체

기간(1986Q1～2010Q4)과 순환주기 2(하위기간 2)의 trace test 통계량을 살펴보면

실질아파트가격과 실질 은행대출간의 공적분벡터가 존재하지 않는다는 귀무가설이

기각되고 공적분 벡터가 하나 존재한다는 귀무가설이 채택되었다. 그러나 순환주기

1(하위기간 1)의 분석결과에서는 공적분관계를 확인할 수 없었다.

공적분계수를 보면 1980년대와 1990년대(하위기간 1) 그리고 2000년대(하위

기간 2) 이후 크게 다르게 나타난다. 이는 전기에는 만성적인 자금초과수요 기간으

로 소비자대출 즉 주택대출이 엄격히 제한되는 기간이었고, 후반부에는 외환위기

및 금융자유화이후 주택대출이 본격적으로 시행되었던 기간이라서 차이를 보이는

것으로 해석할 수 있다.

다음으로 공적분 변수간 장기관계를 보기 위해서 실질 아파트가격을 1로 표준

화한 후 베타계수값을 제시하였다. 전체기간(1986Q1～2010Q4) 분석결과(패널 A)

에 의하면 실질 은행대출과 주택가격은 통계적으로 의미 있는 양(+)의 장기 상관관

계를 갖는 것으로 분석되었으며 은행대출 변수의 회귀계수가 -0.41로 나타나서 실질

은행대출이 1% 증가하면 실질 주택가격이 0.41%씩 증가하는 것으로 분석되었다.

패널 B에 제시한 하위기간 1(1986:01～1998:12)을 분석한 결과를 보면 은행대출 변

수의 회귀계수가 0.40으로 나타나는데 이는 실질 은행대출과 실질 주택가격은 반대

방향의 움직임이 있었음을 의미하는 것이다. 패널 C에 제시한 하위기간 2(1999:01～

2010:12)를 분석한 결과를 보면 은행대출 변수의 회귀계수가 -0.86로 나타나는데

이는 실질 은행대출이 1% 증가하면 실질 주택가격이 0.86%씩 증가한다는 의미한다.

장기균형으로 회귀하려는 조정속도인 계수의 움직임을 보면 전체 분석기

간(패널 A)과 하위분석기간(패널 C)에서 통계적으로 유의적인 것으로 나타났다.

즉 주택가격과 은행대출은 불균형상태가 발생하면 균형 공적분 상태로 시차를 두고

조정되는 것으로 나타났다. 하위기간1(패널 B)과 하위기간2(패널 C)의 공적분 분석

결과가 두 기간에서 다르게 나타나는 이유는 전기에는 만성적인 자금초과수요 기간

으로 소비자대출 즉 주택대출이 엄격히 제한되는 기간이었고, 후기에는 외환위기

및 금융자유화이후 주택대출이 본격적으로 시행되었기 때문에 차이를 보인 것으로

보여진다.

122 金融硏究 제26권 제1호 2012

Cointegration Tests

Panel A : entire sample period(1986Q1～2010Q4)

β α 　 Trace test

real apartment price 1.00 0.001 [0.001] Null hypothesis r = 0 r ≤ 1

real bank lending -0.41** 0.007 [0.001]** t-value 25.11** 0.03

Panel B : subperiod 1(1986:01～1998:12)

β α Trace test

real apartment price 1.00 -0.013 [0.011] Null hypothesis r = 0 r ≤ 1

real bank lending 0.40* 0.007 [0.012] t-value 7.42 0.08

Panel C : subperiod 2(1999:01～010:12)


real apartment price 1.00 0.008 [0.004]* Null hypothesis r = 0 r ≤ 1


Note) * denotes significance at the 5% level, ** denotes significance at the 1% level.

Null hypothesis is that the number of cointegration vector is r. Standard errors for α are in

parenthesis.

본 연구에서 사용한 변수들의 ADF 단위근 검정결과는 에 정리되어

있다. 에서 전국, 서울, 대구, 광주, 부산의 실질 아파트가격 변수, 실질 은행대

출 변수와 주택건설공사비지수는 모두 단위근을 가지는 불안정 시계열인 것으로

나타났다. 이에 비해서 건축허가 호수는 안정시계열인 것으로 나타난다. 또한 이자

율 변수는 안정시계열인 것으로 분석되었으며 실질GDP 변수는 불안정 시계열인

것으로 나타난다. 따라서 본 연구에서는 공적분 검정에서는 불안정 시계열을 사용하

고 VECM 검정에서는 건축허가 호수, 이자율 그리고 오차수정항을 제외한 모든

변수는 차분 안정시계열을 사용하기로 한다.

외환위기 후 주택시장 순환기간인 하위기간 2(1999:01～2010:12)를 대상

으로 실행한 공적분 검정의 결과는 에 요약되어 있다. 공적분 검정은 지역별

월시계열을 기초로 Johansen의 방법론을 사용하여 검정하였다. 의 trace

test 통계량을 살펴보면 모든 지역에서 실질아파트가격과 실질은행대출사이에는

통계적으로 의미가 있는 공적분 관계가 존재하고 있다는 사실을 확인할 수 있다.

공적분 변수간 장기적 관계를 보기 위해서 실질아파트가격을 1로 표준화한

후 베타계수값을 살펴보면 먼저 전국의 경우(패널 A) 은행대출과 실질주택가격에

통계적으로 의미있는 양(+)의 관계를 가지고 있다. 서울(패널 B)의 경우도 전국과


비슷한 결과를 보이고 있는데 은행대출의 회귀계수는 -0.92로서 실질주택가격이

10% 상승하면 은행대출도 9.2% 증가한다는 의미이다. 대구(패널 C), 광주(패널

D), 부산(패널 E)의 경우도 전국이나 서울의 경우와 유사한 것으로 분석되었다. 장기

균형으로 회귀하려는 조정속도인 계수의 움직임을 보면 전국, 서울, 대구에서

통계적으로 유의적인 것으로 나타났다.

Augmented Dickey-Fuller Unit Root Test Results(1999:01～2010:12)

Variable Levels First DifferenceInferred order of integration

Panel A : nationwide

real apartment price -1.84 (T) -5.87 (C)** I(1)

real bank lending -2.02 (T) -9.95 (C)** I(1)

construction permit -7.33 (C)** I(0)

Panel B : Seoul




Panel C : Daegu




Panel D : Gwangju




Panel E : Pusan




Panel F : For All Regions

real interest rate (%) -4.03 (C)** I(0)

construction cost index 0.27 (T) -7.46 (C)** I(1)

real mortgage rate 0.32 (T) -5.53 (C)** I(1)

M1 -1.23 (T) -12.95 (C)** I(1)

M2 1.48 (T) -2.86 (C)** I(1)

real GDP -1.26 (T) -2.74 (C)* I(1)


All variables are transformed by taking their natural logarithms and divided by CPI.

124 金融硏究 제26권 제1호 2012

Cointegration Tests of Subperiod 2(1999:01～2010:12) Using Monthly Data

Panel A : nationwide 　　　




Panel B : Seoul 　　

β α Trace test



Panel C : Daegu 　　　　　




Panel D : Gwangju 　　　　　


real apartment price 1.00 -0.002 [0.002] Null hypothesis r = 0 r ≤ 1

real bank lending -0.81** 0.016 [0.006]* t-value 14.11** 0.01

Panel E : Pusan 　　　

β α 　　 Trace test

real apartment price 1.00 0.005 [0.003] Null hypothesis r = 0 r ≤ 1



Null hypothesis is that the number of cointegration vector is r. Standard errors for α are in

parenthesis.

은행대출이 아파트가격에 통계적으로 유의한 영향을 미치는지 확인하기 위하

여 전국 및 지역별 VECM 추정방정식에서 실질은행대출의 4기 lags 값에 대한

Wald 테스트를 실시하고 결과를 패널 A에 제시하였다. Wald 테스트 결과

모든 지역에서 F-검정이나 x2 검정 모두 회귀계수가 0이라는 귀무가설을 기각하여

실질은행대출변수가 실질아파트가격변수에 유의한 영향을 미치는 것으로 분석되었

다. 마찬가지로 은행대출이 아파트가격에 통계적으로 유의한 영향을 미치는지 확인

하기 위하여 실질은행대출의 4기 lags 값에 대한 Wald 테스트를 실시하고 패널 B에 제시하였다. Wald 테스트 결과 모든 지역에서 F-검정이나 x2 검정

모두 회귀계수가 0이라는 귀무가설을 기각하여 실질아파트가격변수가 실질은행대

출변수에 유의한 영향을 미치는 것으로 분석되었다.


Wald Tests of Apartment Price and Bank Lending Using VECM

Panel A : Test of the statistical significance of bank lending

regionsF-test x2 test

F-value degree of freedom x2 value degree of freedom

nationwideSeoulDaegu

GwangjuPusan

16.632**

5.182**

7.456**

7.686**

13.022**

(4, 123)(4, 123)(4, 123)(4, 123)(4, 123)

66.526**

20.730**

29.826**

30.745**

52.088**

44444

Panel B : Test of the statistical significance of apartment price

regionsF-test x2 test

F-value degree of freedom x2 value degree of freedom

nationwideSeoulDaegu

GwangjuPusan

19.287**

6.961**

8.384**

7.447**

13.262**

(4, 123)(4, 123)(4, 123)(4, 123)(4, 123)

77.149**

27.843**

33.536**

29.787**

53.049**

44444

Note) ** denotes significance at the 1% level.

We estimate Wald test using VECM model; in panel A, we use 4 lags of real bank lending and

in panel B, we use 4 lags of real apartment prices.

실질아파트가격을 종속변수로 한 VECM의 결과는 에 나타나 있다. 독립

변수의 t-4기까지의 VECM 분석 후 통계적으로 유의적이지 않은 변수를 제거하여

통계적으로 유의적인 최적모형의 결과를 에 제시하였다. 또한 t시점의 은행대

출이 t시점의 주택가격회귀식의 설명변수로 편입되어 동시성 편이(simultaneity

bias)가 발생하는지를 확인하기 위하여 1기부터 4기까지 자기시차변수와 t기 값의

자승을 도구변수를 사용하여 Hausman test를 실행하였으나 동시성 편이가 기각되

어 t시점의 은행대출을 주택가격회귀식에 사용하였다.

전국의 VECM 결과를 보면 t기의 실질아파트가격은 t기의 실질은행대출과

t-1기와 t-3기의 실질아파트가격으로부터 통계적으로 유의적인 영향을 받는 것으로

나타났다. 그러나 실질GDP는 통계적으로 유의적인 영향을 주지 못하는 것으로 나타

났다. 즉 실질아파트가격은 실질GDP의 영향을 받지 않는다고 해석할 수 있다. 반면,

실질M2는 t-2기에서 통계적으로 유의한 양(+)의 영향을 실질주택가격에 미치는 것

으로 분석되었는데 실질M2가 10% 증가하면 실질아파트가격이 2.06% 증가하는 것

126 金融硏究 제26권 제1호 2012

으로 분석되었다. 주택건축 허가호수는 t기에 실질아파트가격에 통계적으로 유의적

인 영향을 주는 것으로 나타났으며 주택건축 허가호수가 상승하면 주택가격이 하락

하는 것으로 분석되었으며 오차수정항은 통계적으로 유의적이고 음(-)의 영향을

주는 것으로 나타난다. 이는 t기에 실질아파트가격이 상대적으로 많이 상승하는 경

우 t+1기에 이를 감소시키는 방향으로 조정이 일어난다는 의미로 해석할 수 있다.

서울의 VECM 결과를 보면 은행대출은 t기에서 실질아파트가격에 통계적으

로 유의적인 양(+)의 영향을 주는 것으로 나타났다. t기의 실질아파트가격은 t-1기와

t-3기 실질아파트가격으로부터 통계적으로 유의적인 영향을 받지만 t-1기와 t-3기의

회귀계수 부호가 반대이므로 t-1기의 양(+)의 영향을 t-3기에서 부분적으로 상쇄되

는 것으로 나타났다. 또한 실질GDP는 t기와 t-1기에서 실질M2는 t-2기에서 실질주

택가격에 양(+)의 영향을 미치는 것으로 나타났으나 건축허가 호수, 실질주택건설

공사비지수, 이자율 변수는 실질아파트가격에 영향을 주지 못하는 것으로 나타났다.

대구의 분석결과를 보면 은행대출은 t기에서 실질아파트가격에 통계적으로

유의적인 양(+)의 영향을 주는 것으로 나타난다. 그러나 실질GDP는 통계적으로 유의

적인 영향을 주지 못하는 것으로 분석되었다. 실질아파트가격은 t-1기와 t-3기에서

실질아파트가격에 통계적으로 유의적인 영향을 주지만 서울의 경우와 마찬가지로

t-1기에서 양(+)의 영향이 t-3기에서 부분적으로 상쇄되는 것으로 분석되었다. 주택

건축 허가호수는 통계적으로 유의적인 영향을 미치지 못하고 있으며 실질주택건설

공사비 지수가 t-3기에서 실질아파트가격에 영향을 주는 것으로 나타난다. 오차수정

항 변수의 경우도 통계적으로 유의적인 영향을 주는 것으로 분석되었다.

광주의 VECM 결과를 보면 은행대출은 t기에서 실질GDP는 t기와 t-1기에

서 통계적으로 유의적인 영향을 실질아파트가격에 미치는 것으로 나타난다. 그리고

실질아파트가격은 t-1기 실질아파트가격의 영향을 받는 것으로 분석되었다.

부산의 VECM 결과를 보면 은행대출은 t기에서 실질아파트가격에 통계적으

로 유의적인 양(+)의 영향을 주는 것으로 나타났고 실질GDP는 t-3기에 통계적인

음(-)의 영향을 주는 것으로 분석되었다. 그리고 실질아파트가격은 t-1기에 실질

주택건설공사비는 t기에 통계적으로 유의적인 영향을 주는 것으로 나타났다.

실증분석결과 서울과 지역시장은 그 특성이 다를 것이라는 가정과는 달리

주택담보대출이 주택가격에 미치는 영향은 유사한 것으로 추정되었다. 이는 한국주

택금융시장이 성숙화 되면서 서울과 지방간의 주택금융 시장의 특성이 수렴하는


것으로 해석할 수 있다.

KOSPI 수익률을 설명변수로 포함하였으나 통계적으로 유의미하지 않았다.

또한 M2를 대신하여 M1과 M3를 사용하였으나 통화공급에 관한 결과는 크게 다르

지 않았다.

Apartment Price Equations for the Country as a Whole, Seoul as Well as

Three Regional Cities (1999:01～2010:12)

Variable Nationwide Seoul Daegu Gwangju Pusan

real apartment price(t-1)

0.518(11.421)***

0.582(12.668)***

0.543(7.066)***

0.413(5.618)***

0.518(6.177)***


-0.136(-2.604)**

-0.227(-3.939)***

-0.205(-2.591)**

real bank lending(t)0.387

(6.754)***0.251

(5.037)***0.274

(5.549)***0.121

(5.886)***0.273

(6.623)***

real GDP(t)0.089

(2.413)**0.046

(3.112)***

real GDP(t-1)-0.075

(-2.079)**-0.036

(-2.354)**

real GDP(t-3)-0.049

(-2.785)***

real M2(t)-0.105(1.842)**

real M2(t-1)-0.104(2.192)**

real M2(t-2)0.206

(2.479)**0.168

(1.705)*

constructionpermit(t)

-0.001(-3.333)***

constructioncost(t)

-0.095(-2.652)**

constructioncost(t-3)

-0.168(-3.264)***

cointegration vector(t-1)

-0.010(-4.147)***

-0.014(-4.139)***

0.005(2.403)**

constant-0.002

(-3.373)***

adjusted R-squared 0.635 0.562 0.619 0.335 0.517

Note) * denotes significance at the 10% level, ** denotes significance at the 5% level, *** denotes significance

at the 1% level.

t-statistics are shown in parentheses, using Newey-West(1987) heteroskedasticity and autocorrela-

tion consistent standard errors.

128 金融硏究 제26권 제1호 2012

실질은행대출을 종속변수로 한 VECM의 결과는 에 나타나 있다. 와 같이 에도 먼저 모든 독립변수의 t-4기까지의 VECM 분석 후 통계적으

로 유의적이지 않은 변수를 제거하여 통계적으로 유의적인 최적모형의 결과를 제시

하였다. 또한 t시점의 주택가격이 t시점의 은행대출회귀식의 설명변수로 편입되어

동시성 편이(simultaneity bias)가 발생하는지를 확인하기 위하여 1기부터 4기까지

자기시차변수와 t기값의 자승을 도구변수를 사용하여 Hausman test를 실행하였으

나 동시성 편이가 기각되어 t시점의 주택가격을 은행대출회귀식에 사용하였다.

먼저 전국의 VECM 결과를 보면 실질은행대출은 t-2기의 실질은행대출로 부터

통계적으로 유의적인 양(+)의 영향을 받는 것으로 나타났다. 실질아파트가격은 t기

에서 실질은행대출에 통계적으로 유의적인 양(+)의 영향을 주는 것으로 나타났다. t기

실질아파트가격 회기계수가 0.632이므로 t기에 실질아파트가격이 10% 증가하면 실

질은행대출이 t기에 6.32% 증가한다는 의미이다. 즉 아파트가격 변동이 은행대출에

영향을 미친다고 해석할 수 있다. 실질GDP와 실질M2는 t-2기에서 영향을 미치고 또한

이자율도 t-1기와 t-2기에서 통계적으로 유의적인 영향을 주는 것으로 나타난다. 그러

나 t-1기와 t-2기의 부호가 반대이므로 서로 상쇄효과가 있는 것을 확인할 수 있다.

서울의 VECM 결과를 보면 실질은행대출은 t-2기 실질은행대출로부터 통계적

으로 유의적인 양(+)의 영향을 받는 것으로 나타났다. 실질아파트가격은 t기에서

은행대출에 통계적으로 유의적인 양(+)의 영향을 주는 것으로 나타났다. 즉, t기에

실질아파트가격이 10% 증가하면 t기에 실질은행대출이 4.57% 증가한다는 것을 의

미한다. 실질GDP는 t기, 실질M2는 t-2기, 이자율은 t-1기와 t-2기에 통계적으로 유의

한 영향을 미치는 것으로 나타났으나 그 효과는 매우 적은 것을 알 수 있다.

대구의 VECM 결과를 보면 실질은행대출은 t-3기 실질은행대출로부터 통계

적으로 유의적인 양(+)의 영향을 받는 것으로 나타난다. 그리고 실질GDP의 경우

는 t-2기에 통계적으로 유의적인 음(-)의 영향을 주는 것으로 나타난다. 실질아파

트가격은 t기에서 은행대출에 통계적으로 유의적인 양(+)의 영향을 주며 건축허가

호수도 t-2기에 양(+)의 영향을 주는 것으로 나타났다. 이자율은 t기, t-1 그리고

t-4기에서 통계적으로 유의적인 영향을 주는 것으로 나타났는데 t기와 t-1기의

회귀계수 방향이 반대로 나타나 서로 상쇄효과가 있는 것으로 분석되었다.

광주의 VECM 결과를 보면 실질은행대출은 t-3기 실질은행대출로부터 통계

적으로 유의적인 양(+)의 영향을 받는 것으로 나타난다. 실질아파트가격은 t기에


서 실질은행대출에 통계적으로 유의적인 양(+)의 영향을 주는 것으로 나타났다.

그리고 실질GDP는 t-2기에서 통계적으로 유의적인 음(-)의 영향을 주는 것으로

나타난다. 이자율은 t-1기에서 통계적으로 유의적인 음(-)의 영향을 주는 것으로

나타났다. 이러한 결과는 대구와 유사한 결과라고 할 수 있다. 한편, 광주의 오차수

정항은 통계적으로 유의적이고 음(-)의 영향을 주는 것으로 나타난다. 이는 예상한

대로 초과 은행대출이 존재하는 경우 t+1기에 이를 감소시키는 방향으로 조정이

일어난다는 의미이고 또한 실질은행대출과 실질아파트가격사이에 존재하는 장기적

인 균형을 유지하기 위한 조정으로 해석할 수 있다.

부산의 VECM 분석결과를 보면 실질은행대출은 t-1기의 실질은행대출로부

터 통계적으로 유의적인 양(+)의 영향을 받는 것으로 나타났다. 그리고 실질GDP

는 실질은행대출에 통계적으로 유의적인 영향을 미치지 못하는 것으로 나타난다.

실질아파트가격은 t기에서 실질은행대출에 통계적으로 유의적인 양(+)의 영향을

주는 것으로 나타났다. 이자율은 t-1기에 통계적으로 유의적인 음(-)의 영향을

주는 것으로 나타났으며 부산의 오차수정항은 통계적으로 유의적인 음(-)의 영향

을 주는 것으로 나타났다.

지역별 실증분석결과를 종합하면 서울과 지방시장은 그 특성이 다를 것이라

는 가정과는 달리 주택가격이 주택담보대출에 미치는 영향은 유사한 것으로 추정되

었다. 이는 한국주택금융시장이 성숙화 되면서 서울과 지방간의 주택금융 시장의

특성이 수렴하는 것으로 해석할 수 있다.

설명변수로 M2를 대신하여 M1과 M3를 사용하였으나 회귀분석 결과는 크게

다르지 않았다. KOSPI 수익률을 설명변수로 포함하였으나 통계적으로 유의미하지

않았다. 한국의 금융시스템에서 부동산담보대출이 큰 의미를 가지게 된 것은 1999

년부터이므로 1999년 이후의 은행대출 자료를 이용하여 아파트가격과 은행대출간

의 동태적 모형을 추정하였는데 이러한 기간구분이 적절한지를 검정하기 위하여

1999년 이전과 이후의 기간을 나누어서 은행대출금액이 실질아파트가격에 어떠한

영향을 주는 지를 Chow의 breakpoint 테스트를 이용하여 검증하였다. 1998년

12월을 기준으로 Chow의 breakpoint 테스트를 실행 결과 F 통계량은 4.079, p

값은 0.02로 두기간의 회귀계수가 동일하다는 귀무가설이 기각되었다. 결과적으로

1999년을 기점으로 은행대출금액과 실질아파트가격 사이의 관계가 변하였음을 확

인할 수 있었다.

130 金融硏究 제26권 제1호 2012

Bank Lending Equations for the Country as a Whole, Seoul as Well as Three

Regional Cities(1999:01～2010:12)

Variables Nationwide Seoul Daegu Gwangju Pusan

real bank lending(t-1)

0.361(4.483)***


0.203(3.526)***

0.221(3.047)***


0.329(3.579)***

0.350(3.044)***

real apartment price(t)

0.632(5.729)***

0.457(2.940)***

0.543(7.337)***

0.715(3.043)***

0.504(4.248)***

real GDP(t)-0.084

(-1.907)**

real GDP(t-2)-0.082

(-2.231)***-0.161

(-3.079)***-0.224

(-3.937)***

real M2(t)0.254

(2.868)***0.233

(2.025)***

real M2(t-2)-0.157

(-1.805)*-0.309

(-2.071)**

constructionpermit

0.001(3.904)***

constructionpermit(t-2)

0.005(2.445)**

interest rates(t)0.004

(2.453)**

interest rates(t-1)-0.003

(-2.729)***-0.006

(-3.405)***-0.006

(-3.391)***-0.008

(-3.920)***-0.016

(-4.038)***

interest rates(t-2)0.005

(4.581)***0.007

(4.809)***


(4.342)***

cointegrationvector(t-1)

-0.072(-3.632)***

-0.019(-2.528)**

constant-0.032

(-2.579)**0.002

(1.659)*

adjusted R-squared 0.536 0.313 0.464 0.449 0.501


at the 1% level.

t-statistics are shown in parentheses, using Newey-West heteroskedasticity and autocorrelation

consistent standard errors.


주택경기에 대한 VECM 결과의 강건성을 확인하기 위하여 에서 확

인할 수 있는 것처럼 2000년 이후 상승기와 하락기를 구분할 수 있는 분기점인

2006년 12월을 기준으로 두 개의 하위기간으로 나누어서 기간별로 차이가 있는

지를 실증분석하였다.4) 2006년 12월을 기준으로 하위기간 2-1과 2-2를 구분하여

분석한 결과를 과 에 제시하였다. 전체기간을 대상으로 한 경우와

조금의 차이는 있지만 대체로 비슷한 결과를 보이고 있다. 즉 상승기와 하락기에서

모두 주택가격과 은행대출은 상호 인과관계를 가지는 것으로 확인되었다. 반면

GDP, 통화공급, 금리 등의 주택수요 결정요인과 허가호수, 주택건설 공사비 등 주택

공급 결정요인의 주택가격과 은행대출에 미치는 영향은 지역에 따라 일관적이지

않았다. 본 연구에서는 은행대출을 독립변수로 한 VECM의 결과와 비교 분석하기

위하여 은행대출 변수를 대신해서 주택담보대출 변수를 사용한 VECM 결과를 분석

하고 그 결과를 에 제시하였다. 주택담보대출변수는 2003년 12월부터 자료

를 이용할 수 있으므로 2003년 12월∼2010년 12월을 분석대상기간으로 하였다. 추정결과는 전체기간을 대상으로 한 경우와 크게 다르지 않았다.

Ⅵ. 결론

주거용 부동산은 거래 단위가 크기 때문에 대부분의 구입자들이 은행이나 기타

금융기관 대출에 의존하게 됨으로 주택가격과 은행대출 특히, 주택담보대출간에

상관관계가 발생하게 된다. 주택시장과 은행건전성의 밀접한 연관성에도 불구하고

국내에서 주택가격과 은행대출의 상호인과관계에 관한 심도 있는 연구는 찾아보기

힘들다. 국외의 경우 은행대출과 주택가격간의 관계에 대하여 많은 연구가 있었으나

두 변수간의 인과관계에 대하여는 의견의 일치를 보지 못하고 있다. 이론적 관점에서

은행대출과 주택가격은 양방향의 인과관계가 가능하다. 따라서 본 연구는 주택가격

과 은행대출간의 상관관계를 분석하고 주택금융정책에 대한 시사점을 도출하였다.

전체표본기간(1986년 1분기부터 2010년 4분기)에서는 분기별 시계열자료, 순

환주기 1(1986년 1월부터 1998년 12월)과 순환주기 2(1999년 1월부터 2010년 12월)에

4) 상승기와 하락기에 관한 구분 근거는 박연우⋅방두완(2011) 참고.

132 金融硏究 제26권 제1호 2012

는 월별 시계열자료를 이용하여 한국 부동산 시장에서 아파트가격과 은행대출간의

상관관계를 실증분석하였다. 각 하위기간별로 전국뿐만 아니라 아파트 가격의 변동

패턴이 서로 다르다고 생각되는 서울, 대구, 광주, 부산으로 세분하여 지역별로 분석

하였다. 1986년부터 2010년까지의 분기별 자료를 사용하여 전국주택가격과 은행대

출의 공적분 검정결과 장기적 상관관계가 있음을 확인하였다. 전국뿐만 아니라 서

울, 대구, 부산, 광주 아파트가격을 사용하여 은행대출과의 공적분 관계를 검정한

결과 주택가격과 은행대출의 장기적 상관관계를 확인하였다. 또한 이러한 공적분

관계는 모든 하위기간에서 관찰되었다.

전체기간 분기별 자료를 이용하여 분석한 아파트가격과 은행대출의 공적분

관계를 보면 전국의 경우 은행대출 변수의 회귀계수가 -0.41로 나타나서 은행대출

이 1% 증가하면 전국의 아파트가격이 0.41%씩 증가하는 것으로 나타났고 하위기간

2(1999년 1월에서 2010년 12월) 동안 전국의 경우 은행대출 변수의 회귀계수가 -0.86

으로 나타나서 은행대출이 1% 증가하면 아파트가격이 0.86%씩 증가하는 것으로 분

석되었다. 장기균형으로 회귀하려는 조정속도인 계수의 움직임을 보면 대부분

지역에서 아파트가격 속도조정 계수와 은행대출 속도조정 계수가 통계적으로 유의적

인 것으로 나타나 이들 변수의 불균형상태가 시차를 두고 조정되는 것으로 나타났다.

은행대출과 주택가격의 상호인과관계를 분석하기 위하여 VECM을 사용하였

다. t시점의 주택가격이 t시점의 은행대출회귀식의 설명변수로, t시점의 은행대출이

t시점의 주택가격회귀식의 설명변수로 편입되어 동시성 편이(simultaneity bias)

가 발생하는지를 확인하기 위하여 도구변수를 사용하여 Hausman test를 실행하였

다. 두 회귀식에서 동시성 편이가 기각되어 두 변수를 모두 사용하였다. 실질아파트

가격을 종속변수로 한 전국의 동태적 회귀식의 결과를 보면 실질아파트가격은 실질

은행대출과 전기 실질아파트가격으로부터 통계적으로 유의적인 영향을 받는 것으

로 나타났다. 그러나 실질GDP는 통계적으로 유의적인 영향을 주지 못하는 것으로

나타났다. 반면, 실질M2는 통계적으로 유의한 양(+)의 영향을 실질주택가격에

미치는 것으로 분석되었는데 M2가 10% 증가하면 아파트가격이 2.06% 증가하는

것으로 분석되었다. 주택건축 허가호수는 실질아파트가격에 통계적으로 유의적인

음(-)의 영향을 주는 것으로 나타났으며 오차수정항은 통계적으로 유의적이고 음

(-)의 영향을 주는 것으로 나타났다.

실질은행대출을 종속변수로 한 동태적 회귀식의 분석결과에 따른 변수간 단


기적 관계를 보면 전국의 경우 실질은행대출은 전기 실질은행대출로부터 통계적으

로 유의적인 양(+)의 영향을 받는 것으로 나타나고, 실질아파트가격이 실질은행대

출에 통계적으로 유의적인 양(+)의 영향을 주는 것으로 나타났다. 모수추정결과

실질아파트가격이 10% 증가하면 실질은행대출이 6.32% 증가하는 것으로 나타났

다. 이자율변수의 경우 t-1기와 t-2기에서 통계적으로 유의적인 영향을 주는 것으

로 나타났지만 서로 상쇄효과가 있는 것으로 분석되었다.

한국의 금융시스템에서 부동산담보대출이 큰 의미를 가지게 된 것은 1999년

부터이므로 1999년 이후의 은행대출 자료를 이용하여 아파트가격과 은행대출간의

동태적 모형을 추정하였는데 이러한 기간구분이 적절한지를 검정하기 위하여 1999

년 이전과 이후의 기간을 나누어서 Chow 테스트로 검증한 결과 1999년을 기점으

로 은행대출금액과 실질아파트가격 사이의 관계가 변하였음을 확인할 수 있었다.

본 연구의 금융시장과 부동산시장에 관한 공헌은 다음과 같다. 먼저 본 연구는

모든 분석대상기간동안 모든 분석대상지역에서 주택가격과 은행대출은 장기적으로

양(+)의 상관관계를 가지며 양방향의 인과관계를 가진다는 결과를 도출하였다.

반면 GDP, 통화공급, 금리, 허가호수, 주택건설 공사비 등의 변수가 주택가격과

은행대출에 미치는 영향은 지역에 따라 가변적이었다. 주택가격이 은행대출에 양

(+)의 영향을 미치므로 주택가격의 급상승은 은행대출의 급상승을 야기하고 주택

가격의 급락은 은행대출의 급락을 야기해 금융시스템의 불안정성을 유발함을 시사

하고 은행대출은 주택가격에 양(+)의 영향을 미치므로 담보인정 비율(DTI) 등을

통한 은행대출의 억제가 현 주택시장 상황 하에서 강력한 주택시장 안정화 정책수단

임을 시사한다. 마지막으로 주거용 부동산가격, 상업용 부동산가격 및 토지가격은

높은 양(+)의 상관관계를 가지고 은행대출은 금융시스템전체의 유동성을 대표하

므로 본 연구의 결과는 부동산가격과 유동성간의 관계의 조명에도 공헌하였다.

134 金融硏究 제26권 제1호 2012

1. 남명수․여운헌, “부동산가격 변동이 은행대출 및 경영성과에 미치는 영향,” 기업경영연구, 제14권 제2호, 2007, 189-200. (Translated in English) Nam, M. S. and W. H. Yeo, “A Study on the Effect of Real

Estate Price Change on Bank Loan and Performance,” Korean Corporation Management

Review 14(2), 2007, 189-200.

2. 박연우․방두완, “평가기반 아파트가격지수에서의 비대칭 평활화 현상에 관한 연

구,” 주택연구, 제19권 제2호, 2011, 23-46. (Translated in English) Park, Y. W. and D. W. Bang, “Asymmetrical Smoothing in the

Appraisal Based Apartment Price Index,” Housing Studies Review 19(2), 2011, 23-46.

3. 박형근․이상진, “부동산가격 변동과 은행 경영성과 간의 관계분석,” 한국은행 조사통계월보, 2006-02호, 2006, 23-52. (Translated in English) Park, H. K. and S. J. Lee, “An Analysis of the Relation of Real

Estate Price Change and Performance,” The Bank of Korea, Monthly Bulletin, 2006-02,

(2006), 23-52.

4. Allen, F. and D. Gale, “Bubble, Crises, and Policy,” Oxford Review of Economic Policy

15, 1999, 9-18.

5. Bernanke, B., M. Gertler, and S. Gilchrist, “The Financial Accelerator in a Quantitative

Business Cycle Frame Work,” NBER Working Paper, 1998.

6. Cifuentes, R., G. Ferruci, and H. Shin, “Liquidity Risk and Contagion,” Journal of the

European Economic Association 3, 2005, 556-566.

7. Collyns, C. and A. Senhadji, “Lending Booms, Real Estate Bubbles and the Asian Crisis,”

IMF Working Paper 02/20, 2001.

8. Davis, E. and H. Zhu, “Bank Lending and Commercial Property Prices : Some Cross

Country Evidence,” BIS Working Paper 150, 2004.

9. Engle, R. and C. W. J. Granger, “Co-integration and an Error Correction: Representation,

Estimation and Testing,” Econometrica 55, 1987, 251-276.

10. Engle, R. F. and B. S. Yoo, “Forecasting and Testing in Co-integrated Systems,” Journal

of Econometrics 35, 1987, 143-159.


11. Gerlach, S. and W. Peng, “Bank Lending and Property Price in Hong Kong,” Journal

of Banking and Finance 29, 2005, 461-481.

12. Gimeno, R. and C. Martinez-Carrascal, “The Relationship Between House Prices and

House Purchase Loans : the Spanish Case,” Journal of Banking and Finance 34, 2010,

1849-1855.

13. Greef, I. J. M. and R. T. A. Haas, “Housing Prices, Bank Lending, and Monetary Policy,”

De Nederlandsche Bank Research Series Supervision Paper 31, 2001, 1-23.

14. Hofmann, B., “The Determinants of Private Sector Credit in Industrialized Countries :

Do Property Prices Matter?,” BIS Working Papers 108, 2001.

15. Hofmann, B., “Bank Lending and Property Prices : Some International Evidence,” The

Hong Kong Institute for Monetary Research Working Paper 22, 2003.

16. Johansen, S., “Statistical Analysis of Cointegration Vectors,” Journal of Economic Dynamics

and Control 12, 1988, 231-254.

17. Johansen, S., “Estimation and Hypothesis Testing of Cointegration Vectors in Gaussian

Vector Autoregressive Models,” Econometrica 59, 1991, 1551-1581.

18. Johansen, S., Likelihood-based Inference in Cointegrated Vector Autoregressive Models,

Oxford University Press, 1995.

19. Liang, Q. and H. Cao, “Property Prices and Bank Lending in China,” Journal of Asian

Economics 18, 2007, 63-75.

20. Newey, W. and K. West, “A Simple Positive Semi-definite, Heteroskedasticity and Autocor-

relation Consistent Covariance Matrix,” Econometrica 55, 1987, 703-708.

21. Oikarinen, E., “Interaction Between Housing Prices and Household Borrowing : The

Finnish Case,” Journal of Banking and Finance 33, 2009, 747-756.

22. Park, S. W., D. W. Bahng, and Y. W. Park, “Price Run-up in Housing Markets, Access

to Bank Lending and House Prices in Korea,” Journal of Real Estate Finance and

Economics 40, 2010, 332-367.

136 金融硏究 제26권 제1호 2012

Regression Results During the up Market of the Real Estate Cycle 2

(1999:01～2006:12)

Panel A : Apartment price equations



0.449 0.550 0.520 0.368 0.337

(8.742)*** (11.775)*** (5.392)*** (4.298)*** (3.804)***


-0.313 -0.207

(-3.818)*** (-2.244)**

real bank lending(t)0.468 0.286 0.317 0.129 0.456

(10.080)*** (5.485)*** (5.007)*** (5.961)*** (7.394)***

real GDP(t)　　 0.041 　

　　 (1.863)*

real GDP(t-1)-0.046 -0.059

(-2.295)** (-2.452)**

real M2(t)-0.195 -0.209

(-1.699)* (-2.473)**

real M2(t-1)-0.195 -0.154

(-1.699)* (-2.225)**

real M2(t-2)0.249 0.459

(2.278)** (2.948)***


-0.002 　

(-1.763)*


0.006

(4.769)***


0.002

(1.803)*

real constructioncost(t)

-0.113

(-3.052)***

real constructioncost(t-3)

-0.245

(-2.868)***

interest rates(t-3)


-0.015 -0.012 0.004

(-4.189)*** (-3.317)*** (2.207)**

constant-0.059 -0.002

(-5.197)*** (-2.952)**

Adjusted R-squared 0.656 0.555 0.604 0.399 0.597


Panel B : Bank lending equations



0.415

(6.147)***


0.170 0.178

(2.278)** (2.218)**


0.488 0.338

(5.906)*** (2.395)**


0.677 0.513 0.638 0.745 0.626

(5.237)*** (2.848)*** (6.995)*** (2.692)*** (5.617)***

real GDP(t)　 -0.109 　

　 (-1.855)*

real GDP(t-2)　　 -0.104 -0.301

(-2.127)** (-3.625)***

real M2(t)-0.511 0.426

(-2.203)** (3.399)**

real M2(t-2)-0.272

(-1.921)*


0.005

(2.147)**

interest rates(t-1)-0.004 -0.006 -0.004 -0.008 -0.024

(-2.685)*** (-2.595)** (-3.263)*** (-3.421)*** (-5.536)***

interest rates(t-2)0.005 0.007

(4.167)*** (3.653)***


(4.192)***


-0.108 -0.018

(-3.219)*** (-2.242)**



at the 1% level.



138 金融硏究 제26권 제1호 2012

Regression Results During the Down Market of the Real Estate Cycle 2

(2007:01～2010:12)




0.456(4.804)***

0.675(6.223)***

0.736(10.767)***

0.499(5.617)***

0.806(11.458)***


(3.422)***0.189

(2.935)***0.207

(2.717)***0.086

(1.929)*0.266

(2.306)**


-0.171(-2.330)**

real GDP(t)0.116

(5.123)***0.049

(2.755)***

real M2(t)-0.096

(-2.053)**


-0.016(-5.652)***

constant-0.001

(-2.114)**


Panel B : Bank lending equations



0.292(2.078)**


0.228(1.638)*


0.653(4.174)***

0.501(2.335)**

0.663(2.183)**

0.206(2.253)**

real GDP(t)-0.124

(-3.467)***

real M2(t)0.321

(2.870)***0.512

(4.053)***0.475

(4.212)***0.344

(2.687)**


0.025(4.684)***

constant



at the 1% level.




Regression Results of the VECM Using Residential Mortgage Loans Instead

of Bank Lending (2003:10～2010:12)


Variables Nationwide Seoul Daegu Gwangju Pusanreal apartment price(t-1)

0.484(7.473)***

0.679(8.276)***

0.534(7.618)***

0.403(5.051)***

0.817(13.308)***


-0.112(-1.908)*

-0.203(-3.319)***


(3.953)***0.290

(2.384)**0.205

(3.322)***0.152

(4.254)***0.309

(4.999)***

real GDP(t)0.057

(2.306)**0.103

(2.928)***0.071

(3.721)***0.077

(4.264)***　

real GDP(t-1)-0.125

(-3.109)***-0.043

(-2.203)**-0.064

(-3.085)***


-0.001(-3.235)***

　

constructioncost(t)

-0.056(-1.697)*

real constructioncost(t-3)

-0.140(-2.318)***


-0.009(-2.899)***

-0.010(-1.789)*

0.004(2.767)***

constant-0.001

(-1.817)*


Panel B : Mortgage loans equations

Variables Nationwide Seoul Daegu Gwangju Pusanreal mortgage loans (t-1)

0.401(4.574)***

0.294(2.214)**

0.327(3.321)***

real apartment price(t)0.175

(3.029)***0.427

(2.183)**


-1.593(-2.956)***

0.565(2.085)**

real GDP(t)0.042

(1.905)*0.118

(3.089)***

real M2(t)-0.361

(-1.742)*

real M2(t-1)-0.211

(-2.465)**


0.009(2.318)**

constant0.004

(4.982)**-0.002

(-1.897)*adjusted R-squared 0.354 0.223 0.350 0.166 0.050


at the 1% level.



140 金融硏究 제26권 제1호 2012

< Abstract >

An Analysis of the Relationship between House Prices and Bank

Lending in Korea 5)

Yun Woo Park*․Doo Won Bang

**

Most households fund house purchases using mortgage loans from

banks or other financial institutions since residential properties tend to

be costly. This leads to an interaction between bank loans, more specifi-

cally, residential mortgage loans and house prices. While there have been

numerous studies which examine the relationship between bank lending and

house prices, there is no consensus on the direction of causality between

the two variables. In spite of the close relationship between the housing

market and the banking soundness there has been little study on the cau-

sality between bank lending and house prices in Korea. This paper aims

to shed light on the relationship between bank lending and house prices

and derive policy implications on housing finance.

The study periods are 1986Q1～2010Q4, which we break into the real estate cycle 1 (January 1986～December 1998) and the real estate cycle 2 (January 1999～December 2010), the latter of which we break up in turn into up market in cycle 2 (January 1999～December 2006) and down market in cycle 2 (January 2007～December 2010) while the markets examined are Korea as a whole as well as Seoul and three regional markets (Daegu,

Gwangju, and Busan). We examine the long run relationship using the

co-integration tests and the causality using the dynamic response models,

namely, VECM.

We measure house prices using the Kookmim Bank apartment price

index while we measure bank credit using the total bank lending as well

as residential mortgage loans. Since the house price dynamics and the

characteristics of banking tend to be different between Seoul and regional

markets, we divide the Korean residential market into Seoul and three re-

* Corresponding Author, College of Business Administration, Chung-Ang University

(Tel : +82-2-820-5793, E-mail : [email protected])

** Housing Finance Research Institute, Korea Housing Finance Corporation(Tel : +82-2-2014-8157,

E-mail : [email protected])


gional markets. In addition, we also consider other factors that can influence

house prices such as household income, money supply, interest rate, the number

of new housing units permitted and housing construction costs.

The empirical findings are as follows. Cointegration tests show that long

run relationship exists between house prices and bank lending in Korea. As

for the causality between house prices and bank lending based on dynamic re-sponse models we find that for the study periods bank lending causes house

prices and vice versa in all markets. However, housing demand side factors

such as GDP, M2 and interest rates and housing supply side factors such

as housing permits and housing construction costs do not have a consistent

effect on either house prices or bank lending across various markets.

Furthermore, we find that if imbalance occurs between house prices and

bank lending it is reduced over time so as to maintain the long run equili-

brium between house prices and bank lending.

Unlike the hypothesis that the causality relationship between bank

lending and house prices for Seoul would be different from that for regional

markets, we find positive relationship between bank lending and house prices

consistently for Seoul and regional markets. This result suggests that as the

Korean residential mortgage markets mature there is a gradual convergence

of the housing financing markets between Seoul and the regional markets.

Our findings suggest that, since bank lending causes house prices, sudden

rise (fall) causes sudden rise (fall) in bank lending leading to banking

instability. They also suggest that, since house prices cause bank lending, abil-

ity-to-repay tests such as DTI serve as an effective house price stabilizer.

Key words : House Prices, Bank Lending, Housing Finance Policy,

Monetary Policy, Cointegration, VECM

JEL Classification : G10, G20, G21

/ColorImageDict > /JPEG2000ColorACSImageDict > /JPEG2000ColorImageDict > /AntiAliasGrayImages false /CropGrayImages true /GrayImageMinResolution 300 /GrayImageMinResolutionPolicy /OK /DownsampleGrayImages true /GrayImageDownsampleType /Bicubic /GrayImageResolution 300 /GrayImageDepth -1 /GrayImageMinDownsampleDepth 2 /GrayImageDownsampleThreshold 1.50000 /EncodeGrayImages true /GrayImageFilter /DCTEncode /AutoFilterGrayImages true /GrayImageAutoFilterStrategy /JPEG /GrayACSImageDict > /GrayImageDict > /JPEG2000GrayACSImageDict > /JPEG2000GrayImageDict > /AntiAliasMonoImages false /CropMonoImages true /MonoImageMinResolution 1200 /MonoImageMinResolutionPolicy /OK /DownsampleMonoImages true /MonoImageDownsampleType /Bicubic /MonoImageResolution 1200 /MonoImageDepth -1 /MonoImageDownsampleThreshold 1.50000 /EncodeMonoImages true /

주택가격과 은행대출의 상관관계에 관한 연구 - kif주택가격과 은행대출의...

Documents