시나리오 영향을 예상 신용 손실로 측정하는 방법론

초록

본 논문은 기존 IFRS 9·CECL 기반의 대손충당 인프라를 활용해, 시나리오가 노출의 기대 손실(ECL)에 미치는 영향을 확률‑디폴트(PD) 변화를 통해 정량화하는 절차를 제시한다. 표준화된 노출 그룹(산업·지역·신용 등급 등)별 위험 요인 조정계수를 도출하고, 이를 기후 전환·물리적 위험 시나리오에 적용한 2024년 캐나다·퀘벡 기후 시나리오 연습 사례를 통해 방법론의 실효성을 검증한다.

상세 분석

이 논문은 두 가지 핵심 아이디어에 기반한다. 첫째, IFRS 9·CECL의 기대 신용 손실(ECL) 모델은 이미 PD·LGD·EAD의 시계열 예측을 수행하고 있으므로, 시나리오에 따른 PD 변화를 “연산자” 형태로 삽입하면 별도의 스트레스‑테스트 모델을 구축할 필요 없이 기존 시스템에서 바로 시나리오‑조건 ECL을 산출할 수 있다. 저자는 이를 위해 베이스라인 연간 PD를 조건부 PD(cPD)로 분해하고, 시나리오 조정 연산자 (P_{t,sc})를 로그형 가산식으로 정의한다. 이 방식은 연도별 생존 확률을 유지하면서도 시나리오에 따른 위험 증가를 직관적으로 반영한다.

둘째, LGD는 직접적인 시나리오 데이터가 부족한 경우가 많아, Frye‑Jacobs 관계를 이용해 PD 변동을 LGD 변동의 프록시로 전환한다. 이 관계는 Vasicek‑형 정규분포 가정 하에 PD와 LGD 사이의 상관구조를 수식화하며, 시나리오‑조정 PD와 베이스라인 PD·LGD를 입력으로 시나리오‑조정 LGD를 추정한다. 물론 이는 근사치이며, 실제 LGD 변동이 존재할 경우 직접 추정이 바람직하다는 점을 명시한다.

논문은 또한 “섹터별 조정”이라는 실무적 접근을 제시한다. 노출을 산업·지역·신용 등 공통 특성에 따라 그룹화하고, 각 그룹에 대해 샘플 노출의 PD 변화를 관측·통계화한 뒤, 그룹‑레벨 조정계수(예: 산업별 시나리오 가중치)를 도출한다. 이렇게 하면 포트폴리오 전체에 대해 수천 개의 개별 노출을 일일이 조정할 필요 없이, 수십 개의 그룹계수만으로 시나리오 영향을 반영할 수 있다.

제한점으로는 (1) 조기 상환·재융자 등 비디폴트 종료를 무시함으로써 실제 포트폴리오에서 과소평가 위험이 존재하고, (2) EAD는 시나리오에 따라 변동할 수 있음에도 고정으로 가정함으로써 활용 범위가 제한된다는 점을 인정한다. 또한 Frye‑Jacobs 근사는 PD와 LGD의 상관을 0으로 가정해 공동 스트레스 효과를 포착하지 못한다는 한계도 있다.

전반적으로 이 방법론은 기존 대손충당 시스템을 그대로 활용하면서 시나리오 분석을 수행할 수 있게 해, 데이터·모델링 비용을 크게 절감하고 규제·경영진에게 직관적인 시나리오‑조건 손실 추정치를 제공한다는 점에서 실무적 가치를 높인다.