2016년 6월 8일 수요일
주택공급부족 이제 해소 중
http://runmoneyrun.blogspot.kr/2016/06/house-price-nominal-real.html
이렇게 과거의 숫자와 그림을 들여다 봐서 당연히 과거에 대해 잘 알게 되는 것이 있지만, 더 흥미있는 것은 미래에 대한 힌트를 얻을 수 있다는 것이다.
기껏 그려놓고 헛된 망상을 하지 않으려면 상식이 필요한데, 그 상식은 평균이라고 할 수 있다.
범위가 몇년보다는 몇십년으로 긴 것이 좋고, 작은 숫자보다는 큰 숫자가 좋다.
그러니 많은 지역을 포괄하는 것이 더 좋다.
길고 넓은 것이 좋다는 점에서 한국의 주택 건설호수에 대한 숫자들은 간신히 기준을 넘어서는 정도라고 할 수 있다.
긴 싸이클이 보통 30년, 더 긴 것은 60여년에 이르기 때문에 30년을 겨우 넘는 이 자료는 경우에 따라 한 싸이클에 불과하지만, 아래 그림을 보고 있으면 적어도 두 개의 싸이클을 커버하고 있다는 것을 알 수 있다.
그래서 얻을 수 있는 결론은 한국의 주택공급은 역사적 평균과 비교하면 2015년에 바닥에서 벗어났다는 것이다.
주택 공급은 두 번의 싸이클을 보였고 이제 3번째 싸이클을 시작했다.
공급과잉이라는 얘기를 하는 자들은 주로 과거 공급량의 평균을 가지고 얘기한다.
(수요와 비교하는 것은 품이 많이 드니 기회가 되면)
위에 그은 1989년-2014년 평균 공급량 53만호보다 높으면 과잉, 낮으면 부족.
거기에 2009년 금융위기 이후 공급 부족분에 대한 억압된 수요 충족분까지 고려해도 16년까지 충분하고 17년에 본격적으로 15년 분양물량이 공급되면 공급과잉으로 부동산시장이 어쩌구저쩌구...
대략 이런 시나리오인데 그럴 수도 있다.
그러나 공급량 누적치를 보면 전혀 다른 것이 보인다.
1989년 이후 직선적으로 증가하고 있다.
그래서 누적공급량이 1600만호에 달한다.
2010년 한국 총 가구수 1730만에 육박하는 숫자이다.
한국 주택보급률이 100% 전후라니 기존 주택을 더하고, 멸실 주택을 빼면 얼추 비슷할 것이다.
이 중 아파트는 1100만에 조금 못미친다.
주택 전체보다 98년 이후 더 기울기가 낮아졌다.
직선이지만 자세히 보면 3번정도 꺾이는 지점이 있다.
공급이 빠른 시기와 느린 시기로 나누어진다는 것이고 그것은 연간 공급량에서 짐작할 수 있는 부분이다.
누적치의 저점은 89년, 14년이고 연결하면 위와 같은 직선이 된다.
이 선은 기본 공급량에 해당되고 많이 벌어지면 공급과잉이 발생할 수 있다.
둘 간의 차이를 구하면 97년, 2003년에 고점이 보인다.
전문가들이 언급하는 연간 공급물량을 평균과 비교한 것과는 전혀 다르다.
두 시점에 공급과잉이 있었다면, 공급부족은 위에 화살표로 표시한 시기에 발생했다.
지금은 가장 오래 지속된 공급부족에서 벗어나고 있다.
어디까지 갈지 추정할 수 있을까? 역사적 평균과 비교.
기본공급에서 60만호 이상의 차이가 벌어지면 과거의 고점권에 해당한다.
17년까지 죽어라 지어도 부족하고 18년까지 3년동안 70만호 이상을 지어서 누적으로 200만호를 넘으면 공급과잉의 가능성이 있다.
그런데 그렇게 짓기 위해서는 집값 상승세가 유지되어야 한다.
한국에서 집값이 꺾이면 가계부채증가가 따라서 꺾이고 집값도, 주택공급도 유지될 수 없다.
98년, 2008년에 온 국민이 이미 경험한 일이다.
그러니 주택공급과잉이라는 주장은 앞으로도 상당기간 주택가격이 오를 것이라는 주장과 다름없다.
나같은 무주택자에게는 피곤한 주장이다.
다행히 내가 확인한 바로는 주택공급과잉이라는 주장이 의심스럽다.
공급과 관련해서 아파트/주택 공급비율을 미분양과 비교해보면 지금이 어떤 시기에 해당하는 지 명백하다.
전체 주택 공급, 아파트 공급 비중이 증가하는 시기이다.
그러기 위해서 발생할 상황들이 일부 사람들이 기대하는 것과는 다를 수도 있다.
beveridge curve - long journey

http://runmoneyrun.blogspot.kr/2013/06/us-economic-cycle-beveridge-curve.html
3년 전에 확인해보고 처음이다.
다시 보니 vacancy rate의 분모가 틀렸다. 피고용자수가 아니라 노동가능인구라야 한다.
아래에는 fred가 제공하는 vacancy rate를 쓴다.
위기 이후 시간이 많이 흘러서 실업률은 경기 정점의 자연실업률 수준으로 낮아졌고, 사람을 못찾아서 비어있는 일자리는 이전 호황의 정점보다 높다.
2000년 12월 이전의 자료가 없지만, 적어도 직전 경기 싸이클과의 직접적인 비교는 여전히 가능하다.
베버리지 커브의 outward shift에 대해서는 몇년째 말이 많다.
고용시장의 구조적인 변화가 발생했다는 것인데, 경기가 개선되어도 빈 자리를 채울만한 숙련된 노동자를 구할 수가 없다는 것이다. 은퇴와 이직이 모두 이유가 된다고 한다. 그래서 제조업의 회귀도 쉽지 않다고도 한다.
주요국 노동시장의 미스매치 현황 및 시사점
http://dl.bok.or.kr/search/DetailView.ax?cid=845020
노동 시장의 미스매치때문에 실업률이 과거수준까지 낮아지기 어렵다는 의견이 많았지만, 5월 실업률이 '폭락'했으니 앞으로는 실업률 자체가 아니라 고용의 질을 파고들 사람들이 많이 나올 듯하다.
금융위기 이후 발생한 베버리지 커브의 시프트가 느리지만 원래 곡선과의 차이(1,2번 직선의 거리)를 줄이고 있었다. 거기에 최근의 실업률 하락이 차이를 더 좁혔을 것으로 본다.
베버리지 커브가 실업률과 빈 일자리 비율간의 관계를 잘 파악하기 위해 만들어지 것이지만, 실제로는 직관적이지 않은 면도 있다. (1,2번 직선 간의 거리보다는 3번같은 축방향의 거리가 눈에 잘 보인다)
그래서 베버리지 커브 상의 1번 직선 구간을 이용해서 실업률을 빈일자리비율로 변환하면 금융위기 이후 둘간의 사이가 급격히 벌어진 것을 볼 수 있다.
실업률에 비해 빈자리가 많은 것이 구조적 요인때문이라고 하지만, 최근 몇년 간에 걸쳐서 그 차이가 반 정도로 꾸준히 좁혀지고 있다는 것을 알 수 있다.
그것은 빈 일자리가 줄어서가 아니고, 빠르게 증가하는 빈 일자리를 실업률이 더 빠르게 따라잡고 있기 때문이다.
경기가 꺾이기 전에 두 지표 모두 방향을 바꾼다.
고용자수나 LMCI에서도 그 비슷한 일이 발생했고 많은 사람들이 아전인수격의 설명을 하느라 바쁘다.
그런데 노이즈를 고려해도 실업률과 빈 일자리 비율은 추세에 전혀 변화가 없다.
만약 금융위기 이후에 구조적 변화가 발생한 것이고 두개의 관계가 베버리지 커브에서처럼 직선적으로 유지된다면 동시에 둘 다 꺾이면서 간격(혹은 관계)를 유지해야 한다.
지켜볼만 한 가치가 있고, 베버리지 커브보다는 그냥 두 지표를 따로 보는 것이 파악하기 쉽다.
http://runmoneyrun.blogspot.kr/2016/06/labor-market-conditions-index-inferior.html
http://runmoneyrun.blogspot.kr/2016/06/ism-pmi-cumulative.html
http://ec.europa.eu/eurostat/statistics-explained/index.php/Job_vacancy_and_unemployment_rates_-_Beveridge_curve
"Structural changes in the economy can also generate outward or inward shifts in the Beveridge curve. In the first case, concurrent increases in the vacancy and unemployment rates can be identified at times of uneven growth across regions or industries when the matching efficiency between labour supply and demand decreases. In the case of inward shifts, concurrent decreases in the vacancy and unemployment rates can be observed when the matching efficiency of the labour market improves; this could be, for example, due to a better flow of information on job vacancies thanks to the internet."
유럽은 미국처럼 한번에 회복하지 못하고 더블딥의 형태를 보인다.
2016년 6월 7일 화요일
ism pmi cumulative, lcmi cumulative
1. cumulative sum of labor market conditions index
2. cumulative sum of (ism pmi - 51.89791(mean of the period))
http://runmoneyrun.blogspot.kr/2016/06/labor-market-conditions-index-inferior.html
http://www.advisorperspectives.com/dshort/updates/Labor-Market-Conditions-Index
lmci is not yet useful.
but cumulation of index is a interesting idea.
i applied that idea to ism pmi.
5 recessions/10 peaks
cumulative index of ism pmi shows pre-recession peak sometimes.
still 50% of false positive rate is not negligible.
but term spread does not shows false positive since 1960s.
http://runmoneyrun.blogspot.kr/2016/06/noisy-employment-us-economic-cycle.html
---------------
참고
http://danskeresearch.danskebank.com/abo/FlashCommentLMCIindex071014/$file/FlashComment_LMCIindex_071014.pdf
왜 굳이 더해서 보나 했는데 이 지표가 발표된 시기부터 고용시장이 보기보다 빡빡하다는 것을 보여준다고 믿는 사람들이 많았던 듯하다.
labor market conditions index - inferior version of ism pmi?
no reason to use this index.
1. short history
2. more noise
3. black box-ish model
4. subject to extensive revisions
if you want more noisy employment data, see nonfarm payrolls
http://runmoneyrun.blogspot.kr/2016/06/noisy-employment-us-economic-cycle.html
change in lmci (quarterly, averaging)
unemployment rate (mom, quarterly, averaging)
change in lmci gives no additional information of employment market at all.
https://research.stlouisfed.org/fred2/graph/?graph_id=312211&updated=9553
The LMCI is derived from a dynamic factor model that extracts the primary common variation from 19, seasonally-adjusted, labor market indicators. Users can read about the included indicators at http://www.federalreserve.gov/econresdata/notes/feds-notes/2014/updating-the-labor-market-conditions-index-20141001.html.
Users of the LMCI should take note that the entire history of the LMCI may revise each month. Three sources contribute to such revisions. The first source is new data that were not available at the time of the employment report. In particular, at the time of the Employment Situation report each month, the quit rate and hiring rate will be missing for the last two months of the sample because the Job Openings and Labor Turnover Survey is published with a longer lag than the model's other indicators. In subsequent months, as these data become available, the LMCI will revise.
The second source of revision comes from revisions to existing data. Many labor market indicators are subject to revision as additional source data become available or to incorporate annual benchmark revisions or updated seasonal adjustment factors. Prominent examples in the LMCI include the three payroll employment series from the Current Employment Statistics program.
The third source of revision is inherent to the model. The LMCI is derived from the Kalman smoother, meaning that the estimate of the index in any particular month is the model's best assessment given all past and future observations. Thus, when a new month of data is added to the sample, the model will revise its estimate of history in response to the new information. In practice, these revisions tend to be modest and concentrated in the most-recent six months of the sample.
Users of the LMCI should take note that the entire history of the LMCI may revise each month. Three sources contribute to such revisions. The first source is new data that were not available at the time of the employment report. In particular, at the time of the Employment Situation report each month, the quit rate and hiring rate will be missing for the last two months of the sample because the Job Openings and Labor Turnover Survey is published with a longer lag than the model's other indicators. In subsequent months, as these data become available, the LMCI will revise.
The second source of revision comes from revisions to existing data. Many labor market indicators are subject to revision as additional source data become available or to incorporate annual benchmark revisions or updated seasonal adjustment factors. Prominent examples in the LMCI include the three payroll employment series from the Current Employment Statistics program.
The third source of revision is inherent to the model. The LMCI is derived from the Kalman smoother, meaning that the estimate of the index in any particular month is the model's best assessment given all past and future observations. Thus, when a new month of data is added to the sample, the model will revise its estimate of history in response to the new information. In practice, these revisions tend to be modest and concentrated in the most-recent six months of the sample.
http://www.advisorperspectives.com/dshort/updates/Labor-Market-Conditions-Index
http://runmoneyrun.blogspot.kr/2016/05/ism-customer-inventories-as-fast-as-new.html
http://runmoneyrun.blogspot.kr/2016/04/ism-pmi-rebound-by-dollar-and-oil.html
-------------
추가
http://runmoneyrun.blogspot.kr/2016/06/ism-pmi-cumulative.html
2016년 6월 6일 월요일
house price - nominal, real

한국 집값은 상승중이다.
비교해보면
2008년까지 물가보다 훨씬 크게 요동치던 집값이 금융위기를 거치고 나서는 얌전하게 물가와 나란히 움직이고 있다는 것을 알 수 있다.
만약 둘 간의 비율이 향후에도 일정하게 유지되고 하나를 예측할 수 있다면, 다른 것은 저절로 알 수 있게 된다.
물가, 집값 중에 어떤 것을 예측하는 것이 더 쉬울까? 물가.
1) 물가의 변동성이 여전히 적다.
2) 중국, 미국의 물가 방향이 정해져 있다. (내가 보기에)
3) 원화가 900원에 도달하려면 넘을 산이 많다. (이것도 내 생각일뿐)
4) 물가는 한나라가 비슷하게 움직이지만, 집값은 지역적 차이가 크다.
물가가 상승한다고 치면, 그만큼 집값이 상승할까?
그보다는 조금 더 상승할 것이라고 본다.
왜?
주택공급과잉, 가계부채증가에 대한 두려움이 정부, 개인을 막론하고 매우 커 보이기때문이다.
nh증권 보고서의 그림이다.
최근 몇년간의 물가, 집값이 이상하게 휘어 있다는 점을 제외하면 나처럼 역사를 모르는 사람에게 도움이 되는 설명이 붙어있다.
평균소득 대비 집값이 이렇게 낮다고 하면 흥분할 사람들이 적지 않을 것이나 현실이다.
사상 최고의 전세비율에도 불구하고 월세와 비교하면 글쎄라고 한다.
세상 참.
2016년 6월 4일 토요일
크루즈입국자를 이용한 중국인입국자 추정 20160604
4월 크루즈 입국자가 공개되었다.
중국인 크루즈 입국자는 전년대비 2배 증가했다.
반면 항공이나 기타 항만을 이용한 중국인 입국자는 제자리이다.
크루즈 입국자와 기타 입국자로 나누면 중국인 입국자의 추정을 좀 더 정확하게 할 수 있다.
http://cruise.visitkorea.or.kr/index.do
크루즈 입국자는 15년 하반기 메르스 효과가 사라진 후 급증하고 있다.
중국 크루즈 여행 붐의 수혜를 그대로 받고 있는 중이다.
한국인의 쿠르즈 여행은 초기 단계이지만, 중국을 이어 성장할 가능성은 크다고 볼 수 있다.
5월 이후 입국자 전망치는 입항계획이 공개되어 있기때문에 메르스같은 특별한 변수가 없으면 크게 바뀌기 어렵다.
3,4월은 전망치보다 입국자수가 많은데, 평균 탑승객이 증가했기 때문일 가능성이 높다.
중국인 크루즈 입국자는 전년대비 2배이다.
5월 이후는 예상치.
크루즈 입국자 중 중국인의 비율은 70% 전후이다.
중국인 이외에 필리핀, 인도, 인도네시아 인의 비율이 높다.
많지 않지만 유럽, 미국에서 출발한 크루즈선의 입항도 증가 중이라고 한다.
크루즈 관광객이 증가하면서 15년 이후 성수기와 비수기의 차이가 감소하고 있다.
16년 겨울 시즌에는 차이가 더 감소할 것이다.
중국인 입국자에서 크루즈 입국자를 제외하면 2016년 중국입국자수의 증가는 매우 제한적이다.
중국인 입국자의 증가는 전적으로 크루즈 입국자의 증가에 기인한다고 볼 수 있다.
2015년 하반기 메르스 이후 중국인 입국자는 2014년과 비교해서 크게 증가하지 않았다.
만약 이러한 추세가 지속된다면 기타 입국자는 상수이고, 크루즈 입국자의 변화만을 예측하면 된다.
예측치 두개 중 p1은 크르주입국자+기타입국자로 나누어서 추정하고 합한 것이다.
p2는 14년 입국자에 매년 22만을 더한 것이다.
크루즈 입국자는 예상치보다 지속적으로 높기때문에 중국인 입국자는 p1, p2의 중간에 해당할 것이다.
p1: 799만명
p2: 866만명
http://runmoneyrun.blogspot.kr/2016/03/20160301.html
1월 입국자수만 알고 있던 3개월 전의 추정치 864만명과 비교하면 낮아졌지만 크게 달라졌다고 할 수 없다.
2015년 중국인 입국자 698만명과와 비교하면 여전히 30-40% 이상 성장할 것이다.
크루즈 입국자의 쇼핑금액은 일반 입국자보다 높다.
면세점 매출도 입국자 증가율 이상 성장할 것이다.
년도 | 2017 | 2016 | 2015 | 2014 | 2013 | 2012 | 2011 | 2010 |
크루즈선(입항횟수) | 280 | 223 | 71 | 110 | 109 | 116 | 40 | 71 |
입항승객(명) | 624,400 | 497,290 | 162,967 | 244,935 | 196,890 | 113,534 | 50,429 | 88,351 |
승객/배 | 2,230 | 2,230 | 2,295 | 2,227 | 1,806 | 979 | 1,261 | 1,244 |
16, 17년은 예상치.
2017년 부산 크루즈 입항 신청은 280척으로 16년 223척에 비해 20%이상 증가할 것이라고 한다.
2017년 전체 크루즈 입국자도 비슷한 비율로 성장할 것으로 본다.
----------------------
추가
[Victoria] 롯데관광 크루즈 전세선 코스타 빅토리아호로 떠난 일본 크루즈여행 - Day 1 출항일
http://blog.naver.com/mainsource/220729195881
2016 dogs of the dow - shocking
다우의 개 성과가 거의 쇼킹한 수준.
2016 dogs | Company | YTDchange |
UNH UnitedHealth | 16.32% | |
o | WMT Wal-Mart | 15.61% |
o | XOM Exxon Mobil | 13.37% |
o | CVX Chevron | 11.89% |
MMM 3M | 11.78% | |
JNJ Johnson & Johnson | 11.72% | |
o | IBM IBM | 11.10% |
o | CAT Caterpillar | 10.42% |
o | VZ Verizon | 10.17% |
o | PFE Pfizer | 7.47% |
o | CSCO Cisco | 7.27% |
o | MRK Merck | 7.23% |
KO Coca-Cola | 4.84% | |
UTX United Technologies | 4.54% | |
o | PG Procter & Gamble | 3.85% |
DD E I du Pont de Nemours and Co | 3.27% | |
V Visa | 3.08% | |
MCD McDonald's | 2.72% | |
TRV Travelers Companies Inc | 1.56% | |
HD Home Depot | -0.39% | |
JPM JPMorgan Chase | -2.11% | |
GE General Electric | -3.88% | |
AXP American Express | -5.84% | |
DIS Disney | -6.02% | |
MSFT Microsoft | -6.65% | |
AAPL Apple | -6.97% | |
INTC Intel | -8.21% | |
BA Boeing | -11.90% | |
GS Goldman Sachs | -13.63% | |
NKE Nike | -14.48% |
http://money.cnn.com/data/dow30/
다우 종목 연간 수익률.

http://runmoneyrun.blogspot.kr/2013/12/dogs-of-dow.html
http://runmoneyrun.blogspot.kr/2014/04/dog-dividend-etf.html
dow vs sector dog etf
피드 구독하기:
글 (Atom)