bond, term premium, tips spread

1일짜리 채권을 10년동안 매일 매수.

1년짜리 채권을 10년동안 10번 매수.

10년짜리 채권을 한번 사서 만기 보유.

미래의 단기금리변화에 대한 기대 vs 기대를 둘러싼 불확실성에 대한 보상.

둘 다 측정할 수 없고, 모델, 가정에 기반한 추정만 가능.

연준에서 제공하는 두 가지 term premium - kw, acm

현재 둘 다 마이너스.

1960년대 acm의 텀 프리미엄이 마이너스에서 플러스로 전환.

이후 장기간에 걸친 인플레이션의 시대.

kw - a simple three-factor arbitrage-free term structure model

https://www.federalreserve.gov/pubs/feds/2005/200533/200533abs.html

Term Premium on a 10 Year Zero Coupon Bond
https://fred.stlouisfed.org/series/THREEFYTP10

acm - a five-factor, no-arbitrage term structure model

https://www.newyorkfed.org/medialibrary/media/research/staff_reports/sr340.pdf

https://www.newyorkfed.org/research/data_indicators/term_premia.html

그림의 자료 출처 

http://libertystreeteconomics.newyorkfed.org/2014/05/treasury-term-premia-1961-present.html

Treasury yields can be decomposed into two components: expectations of the future path of short-term Treasury yields and the Treasury term premium. The term premium is the compensation that investors require for bearing the risk that short-term Treasury yields do not evolve as they expected.

term premium vs tips spread

https://www.brookings.edu/blog/ben-bernanke/2015/04/13/why-are-interest-rates-so-low-part-4-term-premiums/

So what moves term premiums? The key factors are (1) changes in the perceived riskiness of longer-term securities and (2) changes in the demand for specific securities (or classes of securities) relative to their supply.

버냉키.
위험, 수급이 텀 프리미엄을 움직인다.
인플레이션은 채권시장의 가장 큰 위험. 채권시장의 변동성(move)도 위험.

https://ftalphaville.ft.com/2017/03/23/2186301/what-if-breakeven-inflation-and-the-term-premium-are-measuring-the-same-thing/

term premium과 tips spread (breakeven inflation)의 높은 관련성
물가가 텀 프리미엄 결정에 가장 중요.
장기간에 걸쳐 기대인플레이션은 변치 않는다는 가정 혹은 통념은 사실?

텀 프리미엄의 위험에 물가가 반영된다면, 단기금리에 대한 기대에는 물가가 얼마나 반영될까?

연준의 입이나, 텀프리미엄보다는 물가와 기대인플레이션(tips spread)의 장기 추이를 보는 것이 더 중요할 듯.
텀 프리미엄은 사후 설명에는 괜찮을 듯하나, 실제적으로는 크게 쓸모 없을 수도.
kw는 업데이트되지 않고 있고, acm의 일간자료는 느리게 나온다.
시장의 위험이나 물가를 평가할 때 사용할 더 유용한 proxy는 매우 많다.

10년 국채와 텀 프리미엄의 차이는 단기금리의 향후 10년간의 변화에 대한 기대만 반영한다고.
이것을 기준금리와 비교하면 kw모델은 기준금리의 변화를 약 반 정도 반영.
acm모델은 단기금리변화에 대한 기대를 압도적으로 더 높은 비율로 반영.

correlation - usdkrw, kospi, ktb

상관관계 계산 전 필요한 작업 - usdkrw vs kospi
http://runmoneyrun.blogspot.kr/2018/03/usdkrw-vs-kospi.html

이 자료에서 빤히 보이는 채권과 환율의 높은 관련성을 상관관계라는 것을 계산해서 확인하려고 한다.

연결선물은 그야말로 인위적으로 연결해놓은 자료라서 실제로는 연결성이 떨어진다.
그냥 kospi지수, 채권금리, 달러원환율을 비교하는 것이 좋을 수도 있다.

그런데 앞에서 언급한 것처럼 국채금리는 가격이 아니다.
해보면 알게 되지만, 금리를 가격으로 변환하는 것은 단순 노가다를 벗어나는 험한 작업이고, 실수할 가능성이 높다.
그러니 가격과 가격을 비교하는 하는 목적을 위해서는 그냥 위의 데이타를 쓰는 것도 나쁜 선택이 아니다.


위의 일별 자료를 이전에 주로 보던 월별 자료로 바꾸면 숫자 8개가 남는다.
그런데 위에서 보이는 채권과 환율의 관련성은 2달 정도의 일정한 주기를 보이면서 두 지표가 같은 방향으로 움직이기 때문에 눈에 명확히 보이는 것이다.
또한 위 기간 주가에 나타나는 추세가 채권, 환율에는 보이지 않는다.
그러니 일견해서 월별 자료는 채권과 환율의 관련성을 포착하지 못할 가능성이 있다.
이러한 예측이 맞을까?

위는 일별 자료를 이용해서 50일간의 상관관계를 표시한 것이고, 아래는 200일간의 상관관계를 표시한 것이다.
환율 선물은 축을 뒤집은 것이라 동행하는 경우 상관관계가 마이너스로 나오게 된다.
당연하지만 환율과 주가지수의 관련성은 언제나 어떻게 보거나 높게 나온다.



2017년의 8개월간이 특별한 시기에 해당하는가?
결론은 특별하지만, 엄청나게 특별한 것은 아니라는 것이다.

50일간의 상관관계는 채권과 환율간에 존재하는 관련성을 놓치지 않기 위해 가장 짧은 기간을 선택한 것이다. 40일까지는 낮출 수 있을 것으로 보이나 노이즈만 올라갈 가능성이 높다.

실제로 17년 3월부터 10월까지 R값이 -0.8 전후로  높은 상관관계를 보인다.
13년 하반기처럼 더 짧지만 비슷한 정도로 높은 상관관계를 보이는 시기가 존재한다.
다만 이 시기는 모든 지표간의 관련성이 터무니 없이 높다.
taper tantrum의 여파였을 것이다.

50일 정도의 짧은 기간 동안의 상관관계를 봐도 건질 것이 없는 것이 아니지만, 조금 더 길게 주식쟁이들이 선호하는 200일을 이용해서 상관관계를 보면 어떤가?

일견 노이즈가 줄어서 전체 그림이 눈에 잘 들어오니 시원하다.

환율과 주가의 높은 관련성은 말할 필요조차 없지만, 여전히 스파이크처럼 관련성이 감소하는 시기가 나타난다. 이유는?

17년에 나타났던 채권과 환율의 동기화를 확인할 수 있나?
있다.

그런데 50일 상관관계에서 봤던 것과는 달라도 많이 다르다.
그래서 원자료를 길게 다시 본다.

여기서는 달러선물을 뒤집지 않고 원래대로 놓은 것이다.
크게 봐서 채권값과 달러값은 14년부터 동행한 것이다.
16년의 중반을 제외하면 14년 하반기부터 최근까지 채권과 환율의 방향이 같다.
그래서 16년 하반기부터 17년초까지 역의 상관관계를 보이다가 다시 원래대로 회복되고 있는 것이다.

50일간의 상관관계는 2개월 전후의 주기를 갖는 지표들간의 관련성을 포착했다.
200일은 2년의 전후의 추세를 갖고, 4년 이상의 주기를 갖는 순환을 포착했다.
만약 500일을 쓴다면 그에 해당하는 긴 추세와 긴 순환의 관련성을 포착할 것이다.

짧은 추세, 짧은 순환은 짧은 자를 가지고 측정하고 비교한다.
긴 추세, 긴 순환은 긴 자를 가지고 측정하고 비교한다.
당연한 일이다.

그래서 환율, 채권, 주식간의 상관관계가 이해가 되었나?
아직 아니다.
원자료의 상관관계와 변화율의 상관관계는 전혀 다른 문제이다.

일간 변화율간의 상관관계를 확인한 것이다.
당연하기도 하고 신기하기도 하다.

며칠, 몇주, 몇개월 단위의 단기 투자자라면 위 그림들은 추세, 순환, 분산, 집중과 관련한 힌트를 충분히 주고 있다고 볼 수 있다.



예를 들어 12년 중반부터 15년중반까지 3년 동안 환율과 주가의 일별 변화율 간의 R값은 -0.8에서 0으로 감소했다.
그러나 환율과 주가 자체의 R값은 같은 기간 변동은 있었으나 -0.5전후에서 유지되었다.

풀어보면
추세적으로 환율이 오르면 주가가 내리고, 환율이 내리면 주가가 오른다는 사실은 변함이 없다.
그러나 12년에는 일간 변동으로도 그러한 현상을 관찰할 수 있었지만, 15년의 일간 변동은 서로 아무 상관이 없거나 노이즈가 풍성해서 관련성을 확인할 수 없다.

그럼 환율과 주가가 12년에는 서로 헤지가 되었는데, 15년에는 헤지가 되지 않는 것인가?
혹은 12년에는 단기적으로도 장기적으로 헤지가 되었지만, 15년에는 장기적으로는 헤지가 되고, 단기적으로는 헤지가 되지 않는 것인가?




일반적으로 자산간의 상관관계가 높으면 분산의 효과가 감소한다.
그러나 어떤 상관관계를 볼 것인가?
누가, 무슨 목적으로 만든 상관관계를 볼 것인가?

일별자료, 일별 변화율은 단기변화, 단기순환, 단기추세, 단기 헤지, 단기 분산, 단기 집중에 필요한 자료를 제공할 수 있다.
2월 초의 급등락같은 상황에서 월별 자료는 아무런 도움이 되지 않을 수 있다.
그러나 일별자료를 가지고 장기 추이를 판단하는 용도로 쓰는 것은 쓸데 없이 에너지를 낭비하는 것이다.
또한 쓸데없는 노이즈로 현혹해서 장기간 유지되는 관련성을 놓치게 만들수 있다.



이전에 대부분 월별 자료를 중심으로 비교했기 때문에 일별자료로 확인한 관련성이 월별자료에서는 어떻게 보이는지 확인해 볼 필요가 있다고 본다.


이어서.

semi export 20180315 반도체 수출

http://runmoneyrun.blogspot.kr/2018/02/semi-export-and-memory-sales-20180202.html

http://runmoneyrun.blogspot.kr/2018/02/mu-guidance-update.html

http://www.motie.go.kr/motie/ne/presse/press2/bbs/bbsView.do?bbs_seq_n=160257&bbs_cd_n=81&currentPage=1&search_key_n=&cate_n=&dept_v=&search_val_v=

반도체 수출 추세 유지.
전년동월비 하락반전.

수출금액을 수출금액지수와 비교시 2000년대 초반 몇년을 제외하면 대개 일치.

수출금액지수와 함께 제공되는 수출물량지수를 이용하면 수출단가 계산 가능.

실제로 수출물가지수는 별도로 제공되지만, 두가지 주의 사항.
하나는 수출물가지수는 훨씬 더 길게 85년부터 제공된다는 것과 2013년 이후 알 수 없는 이유로 오차가 발생되어 유지되고 있다는 점.

파란색 보조선은 무어의 법칙에 따른 (1.5-2년에 집적도 2배 증가, 15-20년에 1000배) 단가 하락 발생시의 기울기 표시.
실제의 가격하락은 무어의 법칙보다 완만.

크게 두가지 이유.
1) 디램 이외의 반도체는 무어의 법칙보다 완만하게 하락.
2) 디램 가격도 2010년 이후 무어의 법칙보다 완만하게 하락.

http://www.electronicdesign.com/memory/memory-market-holds-key-semiconductor-forecast

90년대 이후 디램 단가 추이

https://jcmit.net/memoryprice.htmhttps://jcmit.net/mem2015.htm

50년대 이후 컴퓨터의 메모리와 저장장치 단가 추이

무어의 법칙이 유지될 가능성은 감소.
집적도 증가 속도에 비례한 단가하락은 불가피.

물량 변동은 단가 변동보다 낮은 순환성 보이고 14년 이후 약 20% 전후의 증가율 유지.

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

지금 95년과 비슷한 메모리 슈퍼싸이클이 진행중인가? 글쎄.
올 것인가? 글쎄.

상관관계 계산 전 필요한 작업 - usdkrw vs kospi

자료간의 상관관계를 확인하기 전에 해야 하는 일.
(출처 - 내 머리)


1) 자료의 빈도를 확인한다.

- 일별, 주별, 월별, 분기별, 연도별
- 빈도별 자료가 모두 존재하는 경우 고빈도 자료는 노이즈가 크게 반영되고, 저빈도 자료는 신호가 사라진다.
- 미국에는 중요한 주간 자료가 존재하지만 한국에 그런 경우는 기억이 나지 않는다.



2) 자료의 계절 조정 여부를 확인한다.

- 주별, 월별, 분기별 자료의 경우 계절조정자료(sa)가 아니면 직전 주, 월, 분기 대비 증감율을 계산하는 경우 삽질이 될 수 있다. 계산하기 전에 다시 생각해 볼 필요가 있다.

- 전년비를 계산하는 경우에는 계절비조정자료(nsa)를 쓴다. 그러나 계절조정자료를 써도 차이가 크지 않다. (만약 비교해서 많이 다르면 그 자료는 중앙은행, 통계청 자료라고 해도 전부 버리는 것이 좋다. 특히 중국)

- 일별 자료가 발생하는 경우에는 계절 조정 데이타가 없는 경우가 많다. 또한 계절 조정이 필요없는 경우가 많다. ex) 주가, 금리, 원자재 가격 등.



3) 말일 자료인지, 평균 자료인지, 분기합산 자료, 연률화 자료인지 확인한다.

- 노이즈가 큰 자료의 경우에 평균자료가 유리하다.
- 분기합산 대신 3개월 이동평균을 쓸지 고려한다.
- 월별, 분기별 자료의 경우 계절조정 혹은 계절조정연율화자료(saar)가 존재하는지, 이 중 어떤 것을 쓸지 결정한다.

- 관행적으로 원자료보다 saar를 더 중요하게 보는 경우 - 미국 gdp, 고용, 자동차, 주택 등 - 계절성이 매우 큰 경우가 많고, saar변환으로 치명적인 artifact가 발생할 수 있고, 사후에 계절조정방식의 변화에 따라 수십년치 자료 전체가 변동되는 경우가 생기니 조심한다.
- fred에는 이 경우 수정전 과거자료를 따로 보여준다. alfred.



4) 자료의 주기, 선행성, 후행성을 확인한다. 

- 주기성을 갖는 자료들은 최소 주기의 2배 이상의 기간을 갖는 자료가 필요하다.
- 충격의 확산이 반영되는 자료들은 충격이 완전히 사라지는 시기까지 비교해야 한다.
- 이런 경우 길면 수십년치가 필요하다.  ex) 대공황 이후 모든 자료, 원자재 순환, 금리 순환 등.

- 예를 들어 2년 주기를 갖는 순환이 존재하는 경우 자료의 최소빈도는 연도별(2개 이상)이지만 적어도 반기(4개 이상), 혹은 분기(8개 이상) 이상의 빈도를 갖는 자료가 필요.
- 자료의 기간은 적어도 4년 이상이 필요.
- 이보다 짧다면 해석시 조심하거나 결론을 유보해야.

- 이처럼 자료간, 자료내 순환, 선행성, 후행성이 존재하는 경우 밀고 당긴 자료(leading, lagging)와 비교할 필요가 있다. 혹은 auto-correlation, cross-correlation을 확인해 본다.




5) 원자료를 비교할지, 전년비, 전분기비, 전월비, 전주비, 전일비와 비교할지를 선택한다.

- 월별 자료의 경우 흔히 원자료, 전년비, 전월비를 사용한다.
- 그러나 6개월 전과 비교하거나 2년 전과 비교하는 경우는 종종 볼 수 있다.
- 추세(저주파)가 사라지면서 원자료에 보이지 않던 순환(고주파)이 드러날 수 있다.

- 메르스, 사드같은 특별한 일회성 사건의 발생시는 2년 전과 비교할 수 있다.

- 추세와 계절성을 갖는 자료의 경우에 2년 전과 비교하면 노이즈가 감소할 수 있다.

- 분기별 주기성(분기 결산 등)을 갖는 자료의 경우에 3개월전(qoq), 분기합산(quarterly sum), 3개월 이동평균(3ma)을 구해서 비교할 수도 있다. 이 때 6개월 전(6-month change)과 비교할 수도 있다.

- 연평균 10%의 증가를 보이는 경우 월별 변동이 +/-10%라면 1년 전은 노이즈의 범위에 포함되지만, 2년 전은 노이즈를 벗어났을 가능성이 높다.
- 이 경우 기준시점의 노이즈를 줄이기 위해, 1년 전 자료를 중심으로 몇개월 평균값을 구해 사용할 수 있다. (개편전 통계청의 경기선행지수전년동월비가 이런 방식을 적용. 지금은 순환변동치)




6) 상관관계를 확인하기 위해 비교할 기간을 선택한다.

- 보유 자료의 전체기간을 대상으로 보는 것이 첫번째이지만 그런 경우에 실제로 존재하는 관계를 놓칠 수 있다.

- 주기가 존재한다면 적어도 주기의 반 이상을 대상으로 비교하는 것이 좋다.

미국 금리, 원자재는 30년 이상의 주기.
미국 경기는 10년 혹은 4-5년의 주기.
투자 순환은 4-5년 이상.
한국의 재고 순환은 2년 이상.
2000년대 한국의 주가도 2년. 홀짝.

- 존재하는 주기의 반보다 짧은 기간을 대상으로 상관관계를 보면 없는 상관관계를 만들어낼 수 있다.
- 많은 경우 5년, 10년이면 충분.



case 1. 주식과 채권

초단위 이하의 초고빈도 데이타.
최근 20여년간 주가전년동월비와 미국채 10년물의 관련성이 높다.
상관관계를 보는 것은 어떻게 하는 것이 좋은가?

많이들 주가 전일대비 변동률(dod %)과 금리 전일차(d-d %p)에 대한 1년 동안의 상관관계를 본다.
그러나 이렇게 일별 자료를 보는 것과 주별, 월별, 연별 자료를 보는 것은 다르다.
그러니 백명이 모이면 백가지 숫자를 가지고 상관관계에 대해 얘기를 한다.
또한 대부분 어떤 자료를 어떻게 분석해서 상관관계를 구했는지 명확하게 밝히지 않는다.

만약 분석/학술 목적이 아니라 투자 목적으로 자산간의 상관관계를 확인하려면 어떻게 하는 것이 좋을 까?

주식의 가격와 채권의 가격을 비교해야 한다.
주식의 가격은 명확하다.
채권의 금리는 가격이 아니다.
쉬운 것은 채권etf의 가격을 이용하는 것이다. ief 등.

그러나 20년 이하에 불과한 자료만을 알 수 있을 뿐이다.
지난 백년동안의 채권 자료는?
현실적으로 shiller교수가 제공하는 10년물 채권금리에서 월별 복리 재투자를 가정하고 직접 구하는 방법밖에 없다.

http://runmoneyrun.blogspot.kr/2016/02/once-in-lifetime-opportunity-2016.html쉴러 교수의 자료를 바탕으로 채권 가격지수 계산

http://www.econ.yale.edu/~shiller/data.htm쉴러 교수의 자료

동등하게 비교하기 위해서는 주식에 대한 배당 재투자도 마찬가지로 계산해야 한다.

이렇게 계산한 자료를 가지고 수익률 간의 상관관계를 구하면 당연히 금리와 주가를 대상으로 계산한 것과는 차이가 난다.



case 2. correlation matrix

많은 외국 증권사들이 오랫동안 만들어왔고, 최근 국내 증권사도 많이들 만들고 있다.
한 눈에 자산 간의 관계를 파악하는 데 도움이 된다.
그러나 대부분 필요한 정보를 누락하고 있다.
그들 간에 컨센서스가 별로 없다는 것은 내가 안다.
더구나 내 상식과 그들의 상식이 같은지 확인할 방법이 없다.

그러니 수십개의 자산간에 존재하는 수백개의 상관관계를 나타내는 숫자와 색깔이 무엇을 의미하는지 파악한다고 생각하는 것도 제작자를 제외하면 착각일 수 있다.



case 3. usdkrw vs kospi

나는 원달러와 코스피는 실시간으로 확인할 수 있는 자료 중 서로 다른 자산 군에 속하면서 가장 높은(?) 상관관계를 보인다고 믿고 있다.

그런데 2017년 2월부터 9월까지 한국의 채권3년물, 달러, kospi200 선물의 가격에서 전혀 다른 모습을 확인할 수 있다.


- 이어서



--------------
추가


http://runmoneyrun.blogspot.kr/2018/03/correlation-usdkrw-kosp-ktb.html

interest rate vs NGDP/MB - 대공황 시기와 비교한다면

http://runmoneyrun.blogspot.kr/2017/09/elongated-interest-rates-vs-ngdpmb.html

http://runmoneyrun.blogspot.kr/2017/09/interest-rate-money-velocity.html

log r = w + log (NGDP/MB)^(1/c)

http://informationtransfereconomics.blogspot.kr/2013/08/the-interest-rate-in-information.htm

지금은 단기금리, 장기금리의 상승이 통화유통속도(NGDP/MB)의 상승을 선도한 50년대와 비슷한 상황이다.

상대적으로 단기금리의 상승이 가파른 것은 2차 대공황 가능성(뉴노멀...)이 낮아지고 있음을 반영하는 것이다.
트럼프의 보호무역 정책이 금융위기로부터의 회복속도를 느리게 만들 수 있으나, 회복 과정 자체를 뒤집을 것으로 보지는 않는다.

지금이 1929년 대공황 전후와 유사하다는 것은 논외이지만, 30년대 후반에서 40년대까지의 시기와 비교하면서 경계하는 것은 이해할 수 있다.

명목 gdp의 상승(물가상승+경제성장)과 통화량의 감소(양적긴축)가 동반되고 있으니 유통속도의 상승은 피할 수 없는 일이다.
물론 단기적으로 그렇다는 것이지만, 장기적으로는 더 큰 그림이 가능하다.

위의 유통속도는 v0이지만,  아래 링크의 그림처럼 v1, v2도 방향이 다를 것이라고 볼 이유는 없을 듯.

http://runmoneyrun.blogspot.kr/2017/09/140-years-of-money-velocity-v0-v1-v2.html



http://runmoneyrun.blogspot.kr/2018/01/m2.html
물가와 m2 - 한국과 미국

http://runmoneyrun.blogspot.kr/2018/02/average-hourly-earnings-revisited.html
시간당 평균 임금 다시보기 average hourly earnings - revisited

http://runmoneyrun.blogspot.kr/2018/02/20180205.html
장단기 금리차 역전의 순서 20180205

http://runmoneyrun.blogspot.kr/2018/02/credit-spread-vs-stock-market-20180215.html
credit spread vs stock market 20180215

layered latte 이중 확산 대류

http://dongascience.donga.com/news/view/20977

전에 기사를 보고 레이어드 라떼를 만들어보려고 했으나, 한번 실패했었다.
실패의 이유는 우유의 온도를 정확히 측정하지 않았고, 커피는 묽은 드립커피였기 때문.


오늘은 마눌님께서 에스프레소를 만들고 있는 틈을 이용해 우유를 데우고, 온도계를 이용해서 68도로 맞추었다.
커피온도는 90도 이상이었을 것이다.
논문에 있는 것처럼 많이 섞이도록 젓가락을 꽂고 들이부었다.

1분 후
아래에 한개의 층과 중간의 희미한 층들이 구분되기 시작한다.

7분 후
시간이 지나면서 최소 7개 층이 구분된다.

25분 후

한모금 마신 후 조금 섞인 뒤, 다시 방치했으나 오랫동안 층이 유지된다.





교훈

커피를 천천히 살살 부어야 과하게 섞이지 않는다.
라테전문가들의 요령과 과학자들의 실험 조건이 정확히 일치하지는 않는다.


https://www.nature.com/articles/s41467-017-01852-2
논문

https://www.nytimes.com/2017/12/12/science/lattes-layers-coffee-milk.html
기사

http://www.ciderwithrosie.com/2014/07/how-to-make-a-layered-latte/
레이어드 라떼 만드는 법

금리차 vs 환율 20180227

한은 기준금리 연 1.50%로 동결…한미금리 역전 임박(종합)
http://www.yonhapnews.co.kr/bulletin/2018/02/26/0200000000AKR20180226157900002.HTML?input=1195m

한국의 기준금리가 동결되고, 미국의 기준금리가 상승해서 한미의 금리가 역전되면 어떤 일이 생길까?

한국은행 기준금리 변동추이
http://www.bok.or.kr/baserate/baserateList.action?menuNaviId=33

한국 기준금리는 99년 이후 존재.
fred에서 비슷하지만 더 긴 한국의 할인율을 제공한다.
아래 그림은 이것을 미국의 기준금리와 비교한 것이다.

금리차가 줄고, 역전되면 한국에서 달러가 빠져나가고, 원화약세가 시작될까?
아니면 그 반대일까?

왜 그럴까?
앞으로는?

usdkrw 환율, 한미 기준금리차, 한미 장기금리차



역사가 반복된다면 답은 정해져 있다.

자본유출? 그건 나중에.
한국이 미국보다 금리를 빨리 올릴 때 걱정할 일.

언제 자본유출이 발생하나?

usdkrw 환율, 한미 기준금리차, 미국 장단기금리차



미국의 장단기 금리차가 역전된 이후.
미국이 침체를 눈앞에 두고 있을 때이다.

연준에서 기준금리를 올릴 때 한국경제를 고려할까? 글쎄.
미국 장기채 금리에 한국의 영향력이 얼마나 될까? 글쎄.


결국 한미 기준금리 차이는 따로 볼 필요조차 없는 지엽적인 지표에 불과하다.

한국의 기준금리 결정을 보면서 자본유출을 걱정하는 것은 망상에 가깝다.

과대망상 조금 + 피해망상 많이.

만약 미래에 금리차와 환율의 관계가 달라진다면 그것은 한국의 경제력이 중국, 일본, eu급에 도달했다는 뜻일 것.