통화량, 외환보유액, 가계부채 Korea Foreign Reserve, MB, M1, M2 20171007

exchange rate model - euro
http://runmoneyrun.blogspot.kr/2017/10/exchange-rate-model.html

http://informationtransfereconomics.blogspot.kr/2014/09/what-do-exchange-rates-measure.html

USD/KRW = a * Reserve^(Kre-1) / M1kr^(Kkr-1)

korea won (M1kr) <--> korea dollar (Korea Foreign Reserve)

위 식을 퉁치면 M1/reserve ~ usdkrw.
외환보유액이 통화량대비 충분하지 않으면 환율이 올라간다는 뜻.
또 통화량이 외환보유액 대비 너무 많으면 환율이 올라간다는 뜻.
돈이 많으면 돈의 가치가 떨어지는 것은 당연.

--------

위 그림에서 한국의 통화량(M1)이 14년부터 외환보유액대비 급증한 것이 환율이 높게 유지되는 이유일 것으로 추측했었다.

식에 피팅은  안해도 한국은행에서 M0, M1, M2를 외환보유액과 비교해볼 수는 있다.

합계(노란선)가 외환보유액 증가율.
나머지는 각각 MB, M1, M2 증가율.


2014년 7월 외환보유액 증가율이 최대일 때가 환율이 1010원으로 가장 낮을 때.
이후 외환보유액 증가율은 급감후 지속적으로 낮게 유지.

반면 통화량 증가율은 2015년 9월까지 높게 유지.
특히 M1의 증가율은 15년만에 최고.

fred에서 M0를 제공하지 않아서 M1을 사용했지만, 우연히 최근 몇년 동안 벌어진 한국의 통화정책과 관련된 가장 중요한 변화를 확인하게 된 셈이다.

MB와 외환보유액(합계, 보라색).

외환보유액의 가파른 기울기가 14년 중반 꺾인것이 보인다.
그러나 MB는 98년 이후 지수함수로 깔끔하게 증가.

M1과 외환보유액.
환율 모델과 비교할 수 있는 그림.
MB의 모양과 다르다.

2014년 외환보유액증가가 둔화된 시점에 M1은 급증하기 시작.

MB와 외환보유액은 서로 독립적으로 움직인다고 볼 수도 있지만, M1과 외환보유액은 그렇다고 보기 어렵다.

외환보유액이 증가할 때(환율을 방어용이든 스무딩이든) 늘어난 통화량은 통화안정증권, 외평채 등을 통해 흡수된다고 일반적으로 얘기한다.
정상적으로는 외환보유액 증감이 국내 통화량에 미치는 영향을 차단한다는 것이다.

그러나 위의 그림이 보여주는 것은 2014년 중반 환율이 저점을 만들때까지 M1의 증가를 억제하던 정부/한국은행이 이후 그 역할을 포기한 것이다.

다시 말하면 14년 중반까지는 채권(통안채 또는 외평채)을 발행해 통화량증가를 억제하다가 이후 외환보유액 늘리기를 포기하면서 통화량이 증가되도록 내버려 둔 것이다.

현실성은 낮지만 환율방어를 위해 통화량을 증가시켰을 수도 있다.
그러면 육참골단의 선택이라고 할 수도 있다.
그러나 정책집행자의 의도에 따라서는 일석이조를 노린 것일 수도 있다.



M1의 급증을 양적완화로 볼 수 있는가?
난 모른다.
그러나 그렇다면 미국 연준이 양적 완화, 양적 긴축을 발표하고 실행할 때마다 시장이 난리를 친 것과 비교하면 한국은행/정부는 매우 은밀하게 움직인 것이다.

가계부채증가, 안심전환대출때문이다?
http://runmoneyrun.blogspot.kr/2015/05/blog-post_15.html

"그림자 QE가 진행 중이다."

2년 전에 했던 농담이 농담이 아니었던 것같다.

한국 금리와 통화유통속도의 관계 korea interest rates vs money velocity
http://runmoneyrun.blogspot.kr/2017/09/korea-interest-rates-vs-money-velocity.html

전에 봤던 M1과 금리와의 관계이다.
만약 M1을 현재보다 낮게 유지했다면 금리는 더 높은 것이 균형상태가 된다.


요약

1) 14년 중반 (환율방어용) 외환보유액 쌓기를 중단했다.
2) 이때부터 M1이 급증하기 시작했다.
3) 급증하는 M1 덕분에 금리를 낮게 유지할 수 있었다.
4) 안심전환대출을 통한 가계부채 증가도 M1 증가에 기여했다.

M2와 외환보유액.

M1보다 덜하지만 외환보유액이 정체되는 시점에 속도가 증가한다.

14년 7월부터 M1(초록)이260조 증가할 때 M2(파랑)는 470조 정도 증가한다.

M2/M1이 평균 3배인 것과 비교하면 동 기간의 M2 증가는 낮다고 볼 수 있다.
미국, 유럽, 일본에서 양적완화를 진행할 때 MB와 M2와의 관계와 비슷.



--------------
숙제

0) 한국의 M1이 미국, 유럽의 MB에 equivalent하게 나오는 금리, 환율 모델링 결과가 의미하는 바는?

1) 외평채, 통안채 발행액은 M0, M1 어디까지 포함되나? 영향을 주나?

2) 2015년 상반기 주택금융공사를 통한 안심전환대출 증가분은 M1에 포함되나?
한국은행이 이 돈 때문에 주택금융공사 증자에 참여했으면 M0도 증가하나?

3) 정부가 퍼줄 때 집을 샀어야. 다음 생에는 잊지 말자.

가계부채증가, 안심전환대출때문이다?
http://runmoneyrun.blogspot.kr/2015/05/blog-post_15.html

아파트가격과 가계부채 2 - 2015년 주택금융공사의 주택담보대출 영향
http://runmoneyrun.blogspot.kr/2016/08/2-2015.html

서울 아파트의 가격 탄력성
http://runmoneyrun.blogspot.kr/2017/07/blog-post_19.html

exchange rate model - usdkrw, M1, reserve

exchange rate model - euro
http://runmoneyrun.blogspot.kr/2017/10/exchange-rate-model.html

http://informationtransfereconomics.blogspot.kr/2014/09/what-do-exchange-rates-measure.html

Pkr = Kkr * Dkr/M1kr = Kkr * M1kr^(Kkr-1)* Ckr

Pus = Kre * Dre/Reserve = Kre * Reserve^(Kre-1)* Cre

USD/KRW = a * Reserve^(Kre-1) / M1kr^(Kkr-1)

Kre = 0.3
Kkr = 0.01


-----------------------------------------------

korea won (M0kr) <--> us dollar (M0us)

이런 모델이 아니라

korea won (M1kr) <--> korea dollar (Korea Foreign Reserve)

이런 모델에 해당.


위 식을 퉁치면 M1/reserve ~ usdkrw.
외환보유액이 통화량대비 충분하지 않으면 환율이 올라간다는 뜻.
또 통화량이 외환보유액 대비 너무 많으면 환율이 올라간다는 뜻.
돈이 많으면 돈의 가치가 떨어지는 것은 당연.


미국 통화량은 한국환율모델에 무의미하다는 것은 확인.

한국통화량(M0)과 미국의 통화량(M0)이 아니라, 한국의 통화량(M1)과 한국의 외환보유액(Reserve)로 피팅하면 아래처럼 그럴 듯.
M2는 M1보다 모양이 덜 예쁘고, M0는 fred에 없음.

환율 yoy가 아니라 환율과 매칭시켰을 때 잘 맞는다.
물론 yoy도 그럴 듯하다.

그러나 외환위기 이전 80년대까지 포함해서 원화 자체의 장기추세와 마크로 지표가 잘 맞는 경우는 많지 않다는 점에서 위 식은 매우 훌륭.

원글에서 eurusd에 적용했을 때 실제로 잘 안맞았던 것도 M0보다 각 통화의 외환보유액이 환율결정에 더 중요하기 때문일 수도.

몇년동안 노래를 부르던 원화강세가 잘 안오는 이유를 알게 된 것 같기도.
한국에 원화가 너무 많다. 나한테만 없다.

외환위기 이전만 확대하면 단절없이 세부까지 잘 맞는 듯.

exchange rate model - euro

http://informationtransfereconomics.blogspot.kr/2014/09/what-do-exchange-rates-measure.html

dD/dM = P = K* D/M

dD/D = K* dM/M

lnD + C1 = K * lnM + C2

lnD/(M^K) = C3

D/(M^K) = e^C3

D = M^K * C

--------

Deu = Meu^Keu* Ceu

Dus = Mus^Kus* Cus

Peu = Keu * Deu/Meu = Keu *Meu^(Keu-1)* Ceu

Pus = Kus * Dus/Mus = Kus * Mus^(Kus-1)* Cus

Xeurusd = EUR/USD = Peu/Pus = Keu/Kus * Ceu/Cus * Meu^(Keu-1) / Mus^(Kus-1)

EUR/USD = a *  Meu^(Keu-1) / Mus^(Kus-1)

-------

Euro, Dollar, Foreign reserves, CPI, MB - 20171005

http://runmoneyrun.blogspot.kr/2017/10/euro-dollar-foreign-reserves-cpi-mb.html

좌크선생님의 말씀을 이해하는데 넘나 시간이 많이 걸린 듯.

공부는 젊어서 해야.

이 식에는 a라는 fitting으로 구할 변수, Keu, Kus라는 미지의 상수가 존재한다.

P는 돈의 가치라고 표현할 수 있지만 환율에서는 명목실효환율이라고 볼수 있고, dollar index가 딱 그런 개념. euro index, yen index가 필요하면 bis의 값을 이용할 수 있다.


(Keu-1) 과 (Kus - 1)이 결국 이 모델의 핵심.

Keu, Kus 둘 다 0이면 Mus/Meu로 분자, 분모가 바뀌면서 미국과 유럽의 중앙은행자산비율이 됨.
Keu가 1에 수렴하면 Mus만 남고, Kus가 1에 수렴하면  Meu만 남음.
K가 1보다 큰 값을 갖는 뭔지 모를 상황이 아니면 분자, 분모는 뒤바뀐다고 봐야 함.

결과적으로 두 개의 K는 미국, 유럽의 중앙은행이 유로달러 환율에 기여하는 비중을 결정한다고 볼 수 있음.





그런데 위 식에 근본적으로 두 가지 문제가 있음.

09년 미국의 양적완화 이전과 이후 동시에 맞는 fitting은 불가능함.
억지로 맞추면 2000년대 초반의 우상향하는 유로환율에 금융위기 이후를 맞추는 꼴.
원문의 그림도 그렇게 억지로 맞춘 무의미한 그림.

또 하나는 금융위기 이후 10년을 fitting하는 경우 환율이 위의 비율에 비례하는 경우는 없음.
전년동월비 혹은 전년차에만 비례함.
아래는 그런 점을 고려한 후 적당한 fitting을 눈으로 고른 것.


한 마디로 돈을 많이 푼 통화의 가치가 떨어진다로 요약가능.

Keu=0.3,  Kus = 0.3

교훈.

1
환율은 저 이론에 따르면 화폐가치의 비율이지만, 실제로는 화폐가치비율(상대화폐가치)의 변화율이라는 것.
환율이 외환보유액 변화율과 비례하는 것도 같은 이유일 듯.
또 환율 변화율이 물가변화율(혹은 차이)과 비례하는 것도 납득이 됨.

M0 변화율 ~ 환율  ~ 외환보유액 변화율
CPI 변화율 ~ 환율 변화율


2
환율과 관련이 있는 변수들이 경우에 따라 분자, 분모의 위치가 바뀐 것처럼(환율에 대한 영향력의 방향이 반대로) 보이는 이유를 지수의 (-1)이 설명할 수도 있을 듯.

삼성전자 내부거래 internal transactions of samsung electronics

memory supercycle - boom, bubble and burrrrrrrrrrr
http://runmoneyrun.blogspot.kr/2017/09/memory-supercycle-boom-bubble-and.html

삼성전자의 반도체가 지금 한창 때인 것은 명백한 사실이다.

현금왕 삼성전자의 현재
http://runmoneyrun.blogspot.kr/2017/08/blog-post_20.html

그러나 삼성전자가 현금왕이 된 것은 전적으로 휴대폰때문이다.
반도체가 cashcow인지 밑빠진 독인지는 아직 판단하기 이르다.


삼성전자 휴대폰부문과 부품부문의 관계는?

부품부문(반도체+디스플레이)매출에서 내부거래가 차지하는 비중이 녹색이다.
이것을 휴대폰 매출(파랑)과 비교한 것이다.

놀라운 수준으로 동행한다.
또 놀라운 수준으로 내부거래 비중이 높다.
특히 2013년에는 45%에 육박했다.

현재 30% 수준으로 감소했고, 2분기 휴대폰의 매출 증가에도 불구하고 크게 증가하지 않았다.

무슨 의미일까?

아래 부문별 매출 자료와 링크의 수출자료를 보면서 상상의 나래를 펼 수 있다.

삼성전자의 매출을 부문별로 본 것이다.
맨 아래 밤색이 부문별 매출 합계에서 전체 매출을 뺀 것이다.
주로 반도체, 디스플레이에서 휴대폰, 가전으로 발생한 내부거래에 해당한다.



내가 상상한 것은 이런 것들.

삼성전자의 13년 휴대폰 전성기는 정말 어마어마했고 부품부문 매출의 반 가까이를 흡수했다는 것.
현재 반도체의 외부 수요는 과거와 차원이 다른 수준이라는 것.
과거 애플은 삼성이 이익을 내기 만만치 않은 고객이었을 것이라는 것.
삼성전자가 내부거래를 통해 매출뿐 아니라 이익을 주고 받을 수 있다는 것.

만약 휴대폰 매출에 맞추어 내부거래가 증가한다면 13년의 재림이 된다는 것.
만약 휴대폰 매출이 증가하면서 내부거래가 늘지 않는다면 그것은 본격적인 휴대폰, 반도체의 쌍두마차 시대를 알리는 신호가 될 수 있다는 것.
만약 휴대폰 매출이 늘지 않는다면 반도체매출과 상관없이 먹구름이 낀 것이라는 것.

Euro, Dollar, Foreign reserves, CPI, MB - 20171005

http://runmoneyrun.blogspot.kr/2017/06/euro-dollar-germany.html

4개월정도 지났다.

유로, 달러, 외환보유액, 물가, MB의 관계는 이제 확실히 자리를 잡았다.
달러 약세, 유로 강세 추세는 당분간 변하기 어렵다.
과거의 추세전환 이후와 비교하면 향후 4년에서 10년까지 지속되는 것이 정상이다.

EURUSD  vs  yoy of Sum of foreign reserves
from China, Japan, Saudi, India, Korea and Mexico

http://runmoneyrun.blogspot.kr/2017/09/dollar-vs-foreign-reserves-20170908.html

외환보유액 중에 euro를 파악하는 것은 어렵지만 외환보유액은 파악할 수 있다.
달러인덱스 60%이상이 유로이기 때문에 dollar index와 외환보유액간의 관계가 성립하면 urusd와 외환보유액 간의 관계가 성립하는 것이 당연하다.

eurusd yoy vs cpi yoy

물가비율은 시간이 지나면 동조화될 듯.

(ecb MB/ fed MB) vs eurusd

유럽경기확장은 긴축을 부른다. 여기도 방향이 정해진 듯.
로그를 취하면 잘 보일 수도.

(ecb MB yoy - fed MB) yoy vs eurusd

비율이 아니라 전년동월비로 보면 더 명확.

seasonality factor for light vehicle sales 20171005

https://www.census.gov/srd/www/x13as/

미국 정부에서 사용하는 계절조정방법의 표준이 종종 듣던 x-13 arima 혹은 이전버전인 x-12이다.
대부분의 통계패키지에는 포함되어 있고, 미국정부에서 엑셀에서 사용할 수 있는 모듈도 제공하는 모양이다.
한국은행도 같은 것 혹은 비슷한 것을 쓴다.

http://runmoneyrun.blogspot.kr/2017/10/interpretation-of-spike-in-light.html

직접 계산하고 싶은 생각은 없지만, 무슨 일이 벌어졌는지 알고 싶으면 조정 전후의 비율을 확인하는 것으로 대신할 수 있다.
이렇게 직접 확인해 볼 수 있다는 것을 생각하는데 하루가 걸린다. ㅉㅉ

빨간선이 saar를 12로 나누고 월별 nsa로 다시 나누어서 월별 환산 계수를 구한 것이다.
이동평균을 이용한다니 변하는 것이 당연한데, 결국 과거의 수치를 이용하는 것이라서 이동평균방법과 기간에 따라 현재의 변화를 천천히 반영하게 된다.

반은 1 아래, 반은 1 위에 있다.
숫자가 큰 것은 그 달에 덜 팔려서 그렇고, 작은 것은 많이 팔려서 그렇다.
적게 팔리는 달의 조그마한 변동은 saar값에 크게 영향을 준다.

그냥 연환산계수를 확인하려면 saar를 nsa로 나누면 끝이다.
8월은 11보다 작고 9월은 평균 13 전후이다.

일견해서 계절성에 큰 변화가 있는지 알기 어렵다.

그래서 9월 추이를 보기 위해 동그라미로 표시했다.

전체 계절성에는 큰 변화가 보이지 않아도 월별로는 상당한 변동이 있다는 것을 알 수 있다.

13년, 14년 9월에 적게 팔려서 높아졌다가, 15년, 16년 많이 팔려서 내려왔다.

13년, 14년에 계절성이 커졌고, 15년, 16년에 계절성이 감소했다.

이유는? 미국사람이 알겠지.

17년 9월에 기록적으로 높은 수치가 발표되었으니 내려왔을 것이다.
기사의 숫자로 추정한 9월 조정계수는 12.2(=18.5/1.52)정도이다.

2010년 수준의 저점이다.
위기 직후라 전체 판매실적은 낮았지만, 추세적으로 자동차판매가 증가하고 있었고, 9월 판매실적도 전달보다 많이 낮아지지 않았다.
과거를 기준으로 9월에 많이 팔렸다는 뜻이다.

9월, 10월의 noise가 fred에 반영되는 순간 무슨 일이 벌어졌는지, 혹은 벌어질지 상상할 준비는 끝났다.

interpretation of a spike in light vehicle sales, SAAR 9월 미국 자동차 판매수치의 해석 20171004

2017년 9월의 미국 자동차 판매 수치는 향후 자동차업황의 전망에서 분수령이 될 위치에 있다.

fred에 공식적인 자료가 올라오지 않았지만, 완성차 업체들의 9월 판매 자료를 취합해서 자동차정보업체들이 계산한 SAAR 값은 18.4-18.6 million units의 범위에 있다.
월별 판매 대수는 약 1,520,000 units에 해당한다.

이 수치는 2009년 이후의 경기 싸이클 고점을 뛰어넘는 놀라운 수준이다.
그래서 8월까지의 그래프에 위치를 미래 표시해봤다.

자동차 판매 월별 NSA(계절조정전)와 SAAR(계절조정연율)을 표시했다.
- Seasonally Adjusted Annual Rate, SAAR. 계절조정연율.
- Not Seasonally Adjusted, NSA. 계절조정하지 않은. 계절조정전.

연장한 갈색선이 9월의 light vehicle sales SAAR 값에 해당한다.
연장한 파란색선이 9월의 light vehicle sales NSA 값에 해당한다.
하늘색 음영은 비교를 위해 16년 이전의 9월을 표시한 것이다.
만약 자동차 판매 상승 추세가 이후에도 이어진다면 어마어마한 일이 발생한 것이다.

그러나 그전에 이 값의 정체를 알 필요가 있다.
그런 다음에 saar값에 발생한 noise가 무엇인지, 지속될 것인지를 판단할 수 있다.

계절별, 월별 변동이 크고 규칙적인 자료에서 월별 수치에 12를 곱해서 연도별 수치를 추정하면 오차가 크게 발생한다.
이런 경우 과거 몇년간의 자료에서 월별변동의 평균에 해당하는 값을 이용해서 월별 수치를 연도별 수치로 바꾸는 환산계수를 결정해놓으면 이를 이용해서 연환산 수치를 구할 수 있다.
자동차 판매대수가 적은 9,10,11, 1, 2월은 크게 판매대수가 많은 3,4,5,6,7,8,12월은 적게 정해 놓으면 월별, 계절별 변동의 영향을 줄인 값을 얻을 수 있다.

saar값이 완벽하다면 월별, 계절별 영향이 배제된다.
그럼 남는 것은 무엇인가?
의미없는 노이즈, 경기순환, 장기추세이다.

이론적으로는 그렇지만, 현실은 조금 다르다.
월별 순환이 시간이 지나면서 바뀌는 경우 saar의 오차가 커지게 된다.
16년까지 4개년의 9월값을 8월과 비교하면 13년, 14년에 15만대씩 감소하지만 15년, 16년에는 5-6만대씩 감소한다.
이러면 계절조정시 과거의 높은 변동이 반영되어서 계절조정수치는 과장된다.
15년, 16년 9월의 nsa와 saar수치를 비교해보면 nsa는 감소하고 saar는 증가한다.
17년 9월 nsa가 조금 증가하면 saar는 크게 증가할 수밖에 없는 조건이 이미 갖추어져 있었다.

구체적으로 자동차 관련 saar를 어떻게 구하는지는 통계를 작성하는 자들의 소관이고, 만약 saar가 현실을 반영하지 못하는 일이 지속되면 사후에 바뀌게 된다.
대부분의 통계에서는 바뀌면 소급적용을 한다.
gdp부터 모든 통계가 그렇다.
그러니 언제 작성된 통계인지도 중요하다.
fred에서는 현재기준으로 보여주고, alfred에서 과거 바뀌기 전의 수치까지 보여준다.


이제 light vehicle sales를 길게 다시 보자.

위에 표시한 9월 수치를 수평선으로 표시해서 이전값과 비교가능하도록 했다.

충격적으로 높은 SAAR값과 계절변동에 파묻힌 월별NSA값을 동시에 볼 수 있다.

saar값이 높은 것은 9월에 정말 차가 기록적으로 많이 팔렸기 때문이 아니다.
원래 8월보다 차가 8-9만대 가까이 덜 팔리는 9월에 판매가 4-5만대 가까이 증가했기 때문이다.
이전 몇년간의 판매와 비교해서 약 13만대 더 팔린 것이 연간 250만대가 더 팔린 것처럼 보이는 효과를 만들어 낸 것이다.
9월이 비수기이고, 최근 몇년간 계절성이 변하고 있다는 사실이 영향을 준 것이다.

그것이 saar통계의 가치를 낮춘다는 것은 아니고, 그냥 이런 종류의 통계가 가진 한계이다.
분석할 것은 연간 250만대를 더 판 이유가 아니라 9월에 평년보다 약 13만대가 더 팔린 이유라는 것이다.

saar값에서 큰 spike가 5개 보인다.
1985년, 1986년, 2001년, 2005년, 2009년.
이것이 아무리 커도 전부 노이즈이다.
추세에도 싸이클에도 아무런 영향을 주지 못했다.

saar값과 nsa월별 값의 전년동월비를 구하면 차이가 매우 적다.
nsa월별값의 yoy값이 주는 정보를 잃지 않도록 saar가 조정되었다는 것이다.
(쉽게 하려면 nsa의 월별 계열을 독립적으로 유지하면서, 계열간의 상대적인 비율만 조절하면 된다)


일반적으로는 yoy값을 비교하는 경우에 saar값 혹은 sa(계절조정)값보다는 nsa값을 이용하는 것이 인공적인 조작이 덜 들어간 것이라 사실에 가깝다.

yoy로 보면 86년의 spike는 두드러지지 않고, 오히려 spike직후의 급락으로 인해 1년 후 기저효과가 나타난다. 87년의 yoy spike가 이것이다.
또 2009년의 spike도 두드러지지 않는다. 이번에는 1년 후 하락spike를 만들어 낸다.

sales로 보나, sales yoy로 보나 공통적인 것은 spike가 자체로는 아무 의미가 없다는 것이다.
당시의 특별한 사건과 관련이 있을 수 있지만, 추세를 바꾸는 것도 강화하는 것도 아니다.
yoy의 spike해석은 더 조심해야 한다.
장기 고점권 혹은 장기 저점권에서 나온다고 할 수도 없지만 굳이 확률을 따져보면 고점권에서 4개, 저점권에서 1개이다.

9월 sales는 yoy로 약 4-5%에 해당한다.
수평선으로 표시했지만, 장기적으로 구분할 수 없는 수준이다.

경기싸이클 끝까지 진행하는 내리막에서 한치도 벗어난 것이 아니다.

위의 그림과 설명을 이해했으면, 쏟아져 나온 기사들을 해석할 준비가 된 것이다.

https://www.cnbc.com/2017/10/03/auto-sales-spike-is-the-start-of-a-big-cycle-turn-strategist-says.html

https://www.benzinga.com/analyst-ratings/analyst-color/17/10/10132036/auto-sales-ramp-up-in-september-buoyed-by-labor-day-boo

9월 판매에 영향을 준 요소로, hurricane, labor day, incentive 등을 들고 있다.
자동차 재고는 금융위기를 제외하면 사상 최대이고, 인센티브도 사상 최대이다.
두 개의 허리케인으로 각각 500,000만대, 200,000만대의 차들이 손상을 입은 것으로 보고 있다.
추정컨대 보험회사들의 클레임을 합한 숫자일 것이다.

9월에 더 팔린 자동차는 13만대 정도이다.
내가 보기에는 13만대가 아니라 30-50만대 정도는 더 팔렸어야 한다.
그래서 과거와 같은 높은 spike가 나타났어야 한다.

미국에 사는 미국 자동차 전문가들의 의견이 엇갈리고 있는 모양이다.
그러나 나는 9월의 노이즈가 지나치게 작다고 본다.
10월 수치에도 여전히 허리케인에 의한 노이즈가 남아있을 수 있다.



그래도 10월 수치는 주목해야 한다.
왜?

2004년 이후 최고의 ism pmi - 20171003
http://runmoneyrun.blogspot.kr/2017/10/2004-ism-pmi-20171003.html

불길한 미국 주택 자동차 doomed us house and auto 20170922
http://runmoneyrun.blogspot.kr/2017/09/doomed-us-house-and-auto-20170922.html

미국 휘발유차 황혼기 us auto
http://runmoneyrun.blogspot.kr/2017/08/us-auto.html

미국 제조업은 십수년만의 호황이고, 미국 주택, 주식 시장은 지속해서 고점을 바꾸고 있다.
10월 미국 자동차 판매가 이전수준으로 돌아가는 것이 아니라 지속적인 상승추세를 보인다면 허리케인이 아니라 다른 이유가 있다고 볼 수 있다.
자동차 산업이 홀로 약세를 보이는 것이 구조적인 문제라고 해도, 홍수가 나면 바위도 둥둥 뜰 수 있다.

미국 경제에 홍수가 났는지, 그래서 지금이라도 배를 띄우고 노를 저어야 하는지 판단하는데 중요한 역할을 할 것이다.

---------

추가

U.S. sales rise for first gain of year; SAAR soars to 18.58 million
http://www.autonews.com/article/20171003/RETAIL01/171009931/u-s-sales-rise-for-first-gain-of-year-saar-soars-to-18-58-million

브랜드별 판매대수 표. 기아차는 선방.



https://www.benzinga.com/analyst-ratings/analyst-color/17/10/10140722/a-look-at-septembers-strong-auto-sales

"including Hurricane Harvey and Irma, which contributed at least 300,000 units to the SAAR reading."

saar값으로 300,000만대라면 9월에 태풍때문에 더 팔린 것은 1-2만대라는 것으로 헛소리.
saar값으로 1,500,000만대는 기여했을 듯.
차라리 8월말에 태풍 하비가 올 것 같아서 사람들이 덜 샀다고 하면 말이 될 듯.



---------
추가 20171026

https://mediaroom.kbb.com/2017-10-25-New-Car-Sales-To-Fall-2-Percent-Year-Over-Year-Despite-Decline-October-Results-Strong-On-Replacement-Demand-Increased-Incentive-Spend-According-To-Kelley-Blue-Book

10월 예상치 1.34  million, 17.9 m SAAR 비슷한 상황.


----------
추가 20171102

http://www.latimes.com/business/autos/la-fi-hy-october-car-sales-20171101-story.html

10월 예상치 1.37 million
17년 예상치 16.9-17.2 million,  16년 17.6

http://www.businessinsider.com/october-auto-sales-expected-to-be-strong-2017-10

10월 saar 17.6 million

http://www.businessinsider.com/auto-sales-october-2017-11

10월 saar 18.1 million

http://wardsauto.com/datasheet/us-light-vehicle-sales-summary-october-2017

10월 sales 1.35 million
10월 saar 18.0 million