금리에 기반한 은행업: 변동성의 새로운 시대를 위한 플레이북

[힘힘]

금리에 기반한 은행업: 변동성의 새로운 시대를 위한 플레이북

2024년 6월 4일| 기사

에 의해안드레아스 본그리고 Sebastian Schneider
와 Enrique Briega 및 Mario Nargi

공유하다

인쇄

다운로드

구하다

은행이 보다 적극적이고 효과적으로 이자율 위험을 관리하는 데 도움이 되는 5가지 방안은 다음과 같습니다.

다운로드

기사(10페이지)

최근 수십 년 만에 가장 빠르게 상승한 세계 금리는 장기간의 저렴한 자금에 대한 막을 내렸지만 장기 전망에 대한 명확성은 거의 제공하지 못했습니다. 2024년에는 미미한 성장, 지정학적 긴장, 지역 갈등이라는 경쟁 세력이 더 높은 장기 기준 금리와 빠른 인하의 거의 동일한 가능성을 만들어내고 있습니다. 은행 업계에서 이러한 불확실성은 위험과 기회를 모두 제공합니다. 하지만 최근의 선례가 없는 상황에서 많은 기관은 이 과제를 해결하는 데 필요한 플레이북이 부족합니다.

금리가 역대 최저에서 상승함에 따라 은행은 일반적으로 순이자마진(NIM) 상승으로 이익을 얻었습니다. 그러나 정책 입안자가 신속히 인하 모드로 전환하면 은행은 반대 효과를 볼 수 있습니다. 현재 선물 시장은 2024년 말에 그 과정이 시작될 것으로 예측합니다. 그러한 맥락에서 위험 관리자들이 직면한 문제는 인하에 대비하고 거시경제적 놀라움의 가능성을 관리하는 동안 더 높은 금리의 이점을 어떻게 유지할 수 있는가입니다.

위험 관리자들이 직면한 문제는 금리 인하에 대비하고 거시경제적 예상치 못한 사건의 가능성을 관리하면서도 어떻게 더 높은 금리의 이점을 유지할 수 있는가이다.

금리 시장에서 나타나는 변동성은 은행 예금 추세에 반영되어, 고객들은 변화하는 통화 상황을 최대한 활용하기 위해 현금을 보다 적극적으로 관리합니다. 유럽에서 예금은 2021년 57%에 비해 2023년 가용 안정 자금(ASF)의 63%에 도달했습니다.1반면 미국에서는 비슷한 기간 동안 자금이 금융시장 펀드와 같은 투자로 이동하면서 예금이 총 부채에 대한 비중이 감소했습니다.

예금 흐름이 가속화되는 상황에서 맥킨지 조사에 따르면 은행 위험 관리와 자금 조달 성과는 매우 가변적이었습니다. 2021년과 2023년 사이에 가장 실적이 좋은 미국과 EU 은행은 이자율 비용이 가장 실적이 나쁜 은행보다 70% 적게 상승했습니다(표 1). 그 원동력 중에는 더 나은 예금 및 이자율 관리가 있었습니다.

증거물 1

저희는 장애인이 저희 웹사이트에 동등하게 접근할 수 있도록 노력합니다. 이 콘텐츠에 대한 정보가 필요하시면 기꺼이 도와드리겠습니다. 다음 주소로 이메일을 보내주세요: McKinsey_Website_Accessibility@mckinsey.com

예금 흐름의 영향과 함께 자금 조달은 팬데믹 관련 중앙은행 유동성 시설의 꾸준한 인출을 포함한 다른 요인으로 인해 압박을 받고 있습니다. 한편, 즉시 지불과 같은 혁신은 고객이 더 빠르고 더 큰 이체를 하도록 동기를 부여했습니다. 이러한 인출은 빠르게 발생할 수 있으며 소셜 미디어에 의해 촉진되어 강력한 새로운 종류의 위험을 만들어냅니다.

가장 인기 있는 통찰력

1. '내면으로부터 밖으로' 리더십 여정: 개인적 성장이 성공으로 가는 길을 만드는 방법
2. 승리하는 변화를 만드는 데 필요한 것
3. 초강대국 건설: 위대한 7인으로부터 무엇을 배울 수 있을까?
4. 2024년 초 AI의 현황: Gen AI 도입이 급증하고 가치 창출 시작
5. 생성 AI의 경제적 잠재력: 차세대 생산성 프런티어

더욱 불확실한 환경의 맥락에서 규제 당국은 금리 변동성의 잠재적 영향에 대한 감독을 두 배로 강화하고 있습니다. 예를 들어, 은행에 금리 정상화의 잠재적 영향을 완화하도록 요청하고, 전반적인 감사를 강화하고, 방법론 업그레이드에 대한 증거를 요구합니다. 2024~26년 유럽 감독 우선순위 중 은행은 자산 및 부채 관리(ALM)를 강화하고 단기 유동성 쇼크에 대한 새로운 자금 조달 계획과 우발 대책을 개발하기 위해 거버넌스와 전략적 프레임워크를 강화하도록 권고받습니다. 여기에는 일부 행동 모델을 뒷받침하는 가정의 적절성을 평가하는 것도 포함됩니다.2같은 맥락에서, 2023년 은행감독위원회는 은행장부에서 이자율 위험에 대한 쇼크의 재조정을 제안했습니다. 은행은 모델 보정에 사용된 시계열을 현재 2015년 12월 기준에서 2022년 12월로 확장하여 더 변동성이 큰 금리 분포를 방정식에 포함함으로써 이를 달성할 수 있습니다.

최근 맥킨지 원탁회의에서 유럽, 중동, 아프리카 은행 재무 담당자의 40%가 향후 규제 기관의 주목을 가장 많이 받을 주제는 유동성 위험이며, 그 다음으로는 은행 계정(IRRBB)의 자본 위험과 이자율 위험이라고 답했습니다. 이러한 위험을 염두에 두고 재무 담당자의 34%는 이자율 위험과 관련하여 최우선 순위로 모델과 분석을 개선하고, 대출과 예금에 대한 가격 책정 전략을 개정하고, ALM 거버넌스와 모니터링 기능을 강화하는 것이라고 답했습니다.

대부분의 참가자는 재무팀이 전략적 계획과 이사회 참여에 더 많이 참여하고, 사업부와 더 긴밀하게 협력하여 가격 책정 전략과 제품 혁신을 정의하기를 기대했습니다(표 2).

증거물 2

저희는 장애인이 저희 웹사이트에 동등하게 접근할 수 있도록 노력합니다. 이 콘텐츠에 대한 정보가 필요하시면 기꺼이 도와드리겠습니다. 다음 주소로 이메일을 보내주세요: McKinsey_Website_Accessibility@mckinsey.com

이러한 역학에 대응하여, 우리는 앞으로 몇 달 동안 많은 은행이 재무 기능의 역할을 재검토할 것으로 예상합니다. 많은 은행에게 이는 저금리 시대를 위해 설계된 접근 방식에서 벗어나 불확실성을 전제로 하는 접근 방식으로 이동하는 것을 의미합니다. 이 글에서는 미래지향적인 은행이 재무 기능을 재설계하여 이자율과 가격, 고객 행동, 예금 및 유동성에 미치는 영향에 대한 더 깊은 통찰력을 얻는 방법에 대해 논의합니다.

재무 기능 강화를 위한 5단계

변동성이 큰 금리를 보다 효과적으로 관리하기 위해 주요 은행들은 저금리 기간 동안 진화하여 더 이상 목적에 적합하지 않거나 적어도 새로운 환경에 맞게 업데이트되어야 할 재무 기능의 관행을 재검토하고 있습니다. 선구자들은 조종 및 모니터링, 위험 측정 및 역량, 스트레스 테스트, 은행 자금 조달, 헤지라는 다섯 가지 광범위한 초점 분야에서 조치를 취했습니다.

효율성과 정교함을 구축하세요

금리 사업에 대한 효과적인 감독의 전제 조건은 의사 결정권자가 현재 상황을 명확하게 볼 수 있도록 하는 것입니다. 현재 업계 전반의 표준적인 접근 방식은 다소 수동적입니다. 즉, 관계 관리자가 종종 내리는 정적 또는 거의 검토되지 않는 가격 책정 및 위험 관리 결정에 기반을 둡니다. 모델에는 저주파 데이터가 제공되고 은행은 정적 자금 이전 가격 책정(FTP)을 사용하여 순이자 마진을 계산합니다. 모니터링은 종종 의사 결정을 최적화하려는 욕구보다는 규제 일정을 반영합니다.

미래지향적인 은행들은 다음과 같은 조치를 포함하여 조종 및 모니터링에 대한 보다 실질적인 접근 방식을 통해 이러한 과제를 해결하고 있습니다.

• 고객 생애 가치와 유동성의 기회 비용에 연계된 마이크로세그먼트 행동과 가격 책정 전략을 반영하는 FTP의 동적 검토
• 기업 및 소매 고객 모두의 자금 조달을 늘리기 위해 제품 혁신을 확대
• 특히 유동성 변화의 조기 징후를 포착하기 위해 고객 행동의 잠재적 변화에 대한 조기 경고 신호를 보낼 수 있는 시스템을 갖추고 고품질, 빈번하고 세부적인 데이터에 대한 액세스를 보장합니다.
• 인센티브와의 연계로 강화된 적극적 조정 메커니즘으로서 위험 한도 및 목표 사용
• 보고 및 모니터링을 자동화하여 유동성 및 기타 이벤트를 가능한 한 실시간 데이터로 뒷받침하여 내부적으로 훨씬 더 빠르게 확장할 수 있습니다.

IRRBB 측정 및 기능 업그레이드

주요 은행들은 대차대조표 관리, 가격 책정, 담보와 같은 분야에서 IRRBB 위험을 통제하고 있습니다. 많은 은행들이 더 효과적인 결정을 내릴 수 있도록 전담 팀을 구성했습니다. 예금에 대한 위협을 감안하여 일부는 시나리오 기반 프레임워크를 더 많이 활용하여 유동성과 이자율 위험 관리를 통합하고 있습니다. 그들은 실시간 데이터를 사용하여 자금 조달 및 가격 책정 결정을 알리고 있습니다.

주요 은행은 금리 위험의 모든 측면을 고려하기 위해 일련의 모델을 사용하여 결과를 조종 및 스트레스 테스트 프레임워크에 입력하고 대차대조표 계획 및 헤지 활동을 알릴 수 있는 행동 지표를 포착합니다. 일부 은행은 행동 모델을 사용하여 대출 승인율과 신용 한도 인출을 예측합니다. 모범 사례에는 고객 유형, 제품 및 프로세스 단계에 따라 구분된 통계적 그리드를 사용하는 것이 포함됩니다.

대출과 관련하여 일부 은행은 AI를 활용하여 선불금과 대차대조표 및 헤지 요건에 미치는 영향을 예측하고 있습니다. 선불금 모델링의 모범 사례는 선형 모델에서 벗어나 랜덤 포레스트와 같은 머신 러닝 알고리즘으로 이동하여 비선형 관계(예: 선불금과 이자율 변동 간)와 대출 기능(예: 임베디드 옵션) 및 행동 요인을 고려하는 것입니다. 우리는 5가지 핵심 단계를 살펴봅니다.

• 고객 세분화 . 은행은 AI를 사용하여 세분화된 세분화를 달성할 수 있습니다. 예를 들어, 행동 요인을 통합합니다.
• 선불 행동 . 은행은 이자율 수준, 선불 벌금, 모기지 연령, 차용인 특성을 포함한 기준에 따라 일정한 선불과 선불을 정량화할 수 있습니다. 주요 은행은 모회사 모델을 수립하고 고객 세분화를 활용하여 법정 지불 휴가와 같은 고객 보호를 고려하여 전담 선불 기능을 도출합니다.
• 이자율 시나리오 . 은행은 몬테카를로 시뮬레이션 및 기타 모델을 사용하여 극단적인 시나리오와 규제 시나리오를 포함한 다양한 시나리오를 분석하고 각 시나리오에 대한 잠재적 선불 행동을 시뮬레이션할 수 있습니다.
• 헤지 비율 및 전략 . 의사결정권자는 다양한 이자 시나리오에서 모기지의 가치를 평가하고 경제적 가치와 손익에 대한 민감도를 도출해야 합니다. 그런 다음 시나리오 영향을 중립화하는 것을 목표로 헤지 도구를 선택할 수 있습니다.
• 가격 책정 . 모기지 가격은 만기일과 잠재적 선불 행동에 따라 조정될 수 있습니다. 은행은 자금 이체 가격을 사용할 수 있으며, 재무 기능의 전담 팀이 위험을 처리합니다.

또 다른 중요한 초점 영역은 예금 감소입니다. 많은 은행은 여전히 ​​만기별로 세분화되고 전문가의 판단에 의해 뒷받침되는 이동 평균 접근 방식을 우선시합니다. 모범 사례는 고객 세분화, 핵심 잔액 모델링, 예금 규모 모델링, 예금 베타 및 패스스루 비율에 대한 추세를 살펴보고 포트폴리오/헤지 전략을 복제하여 결합된 전문가 및 통계적 접근 방식을 통해 핵심 잔액을 식별하는 것입니다. 이는 AI와 거래와 관련된 고빈도 데이터를 활용하여 각 계좌의 비운영 유동성을 추정하는 것을 의미하며, 이는 고객이 다른 곳으로 옮길 가능성이 더 높을 수 있습니다(사이드바 "사례 연구: 예금 감소를 제한하기 위한 예금 모델링" 참조). 일부 은행은 또한 생존 모델을 사용하여 예금 행동의 비선형성을 측정합니다.

공유하다

사이드바

사례 연구: 예금 침식을 제한하기 위한 예금 모델링

IRRBB 전략의 맥락에서 주요 은행은 예금 베타와 패스스루 금리(기준 금리의 변화 중 예금 금리에 전가되는 부분)를 면밀히 주시하고 있습니다. 그들은 고객 충성도에 대한 견해로 판단을 뒷받침하는데, 이는 전통적으로 전문가의 판단과 시장 조사를 통해 도출합니다. 더 진보된 접근 방식은 체제 기반 탄력성을 도출하여 과거 경제 주기의 데이터를 포착하는 것입니다.

공유하다

사이드바

더 나은 모델링으로 더 큰 회복력 가능: 한 은행의 사례

마지막으로, 위험은 헤지와 최적으로 매치되어야 합니다. 최근의 추세는 확률적 모델을 사용하여 헤지 결정을 지원하고, 은행이 비선형성을 측정할 수 있도록 하는 것입니다. 미래지향적인 은행은 점점 더 예금, 선불 및 파이프라인 모델링을 헤지 전략에 직접 통합합니다. 또한 전문가의 의견에 대한 의존도를 줄이기 위해 모델을 자주 재보정하여 모델 위험을 면밀히 모니터링합니다(사이드바 "더 나은 모델링으로 더 많은 회복력 실현: 한 은행의 사례" 참조).

스트레스 테스트 개선

여러 플레이어가 규제 및 내부 스트레스 테스트에서 이자율 위험, 신용 스프레드 위험, 유동성 위험 및 자금 집중 위험을 통합하고 있습니다. 실제로 IRRBB, 유동성 위험 및 시장 위험(은행 계정의 신용 스프레드 위험 또는 CSRBB)은 자본과 유동성 규정 간의 상충 관계를 강조합니다. 간단히 말해, 더 높은 자본 요건은 과도한 유동성의 필요성을 줄일 수 있으며, 그 반대의 경우도 안정적인 자금이 있는 은행의 경우 이는 현재 규제 프레임워크에 대한 과제로 남아 있습니다.

이자율 위험을 측정하기 위한 스트레스 테스트도 발전하고 있으며, 일부 은행은 역방향 스트레스 테스트를 채택하고 있습니다(사이드바 "바젤의 이자율 위험 측정 강화: 역방향 스트레스 테스트와 VAR의 효과성 살펴보기" 참조).

공유하다

사이드바

바젤의 금리 위험 측정 강화: 역방향 스트레스 테스트와 VAR의 효능 살펴보기

은행은 스트레스 테스트 프레임워크와 이자율 전략을 업그레이드하면서 순이자수입(NII)과 금리 변동성의 함수로 실현될 수 있는 자본의 경제적 가치(EVE) 위험을 균형 있게 조정해야 합니다. NII에서 은행은 규제, 시장 및 은행별 변수에 걸쳐 시나리오 기반 수익률 곡선 분석을 생산적으로 적용하고 이를 전체 대차대조표 노출, 헤지 및 예금, 선불 및 약정 신용 한도를 포함한 요인의 맥락에서 평가할 수 있습니다. 추가적인 경제적 위험에는 기준 위험, 옵션 위험 및 신용 스프레드 위험이 포함되며, 이 역시 측정해야 합니다.

맞춤형 계획

은행 자금 조달 계획은 종종 일반적이고 주기적이며 자금 조달 계획, 자본 계획, 내부 자본 적정성 평가 프로세스(ICAAP), 내부 유동성 적정성 평가 프로세스(ILAAP)를 포함한 다양한 프레임워크와 방법론에 걸쳐 분산됩니다. 이러한 계획은 종종 다양한 목적과 대상을 위해 설계되고 규제 요구 사항에 따라 업데이트됩니다. 앞으로 은행은 제품과 지역에 맞게 조정된 역동적이고 다양하며 세부적인 자금 조달 계획이 필요할 것입니다. 이러한 계획은 유연하고 우발적인 자금 조달원, 중앙은행 정책, 위험과 비용 간의 균형을 반영해야 합니다.

동적 헤지 전략 도입

저금리 시대에는 이자율 위험 헤지가 덜 두드러진 활동이었습니다. 은행은 종종 단순하고, 정적이고, 단기적이거나, 고립된 전략을 사용했는데, 주로 손익을 보호하는 것을 목표로 했습니다. 담보 관리에 많은 주의를 기울인 은행은 거의 없었습니다.

이제 변동성이 더 큰 금리 환경에서 손실 가능성이 훨씬 더 높아져 은행이 금리, 신용 스프레드, 고객 예금 행동의 변화에 ​​대응하기 위해 더 정교하고 민첩하며 빈번한 헤지가 필요하다는 것을 시사합니다(표 3). 실제로 International Swaps and Derivatives Association에 따르면 2023년 유로화 표시 금리 파생상품의 거래량은 2020년 대비 3.4배 증가했습니다.삼

증거물 3

저희는 장애인이 저희 웹사이트에 동등하게 접근할 수 있도록 노력합니다. 이 콘텐츠에 대한 정보가 필요하시면 기꺼이 도와드리겠습니다. 다음 주소로 이메일을 보내주세요: McKinsey_Website_Accessibility@mckinsey.com

헤지 전략은 조직 전체에 걸쳐 동적으로, 수평적으로 통합되고 위험 감수 프레임워크와 결합되도록 진화하고 있으므로 은행은 손익 우선순위와 꼬리 위험 감소를 균형 있게 조절할 수 있습니다. 현장에서 은행은 전략을 자주 재조정해야 할 가능성이 높으며, 이상적으로는 외부 환경의 변화를 반영하기 위해 포괄적인 시나리오 기반 접근 방식을 활용해야 합니다. 예를 들어 많은 은행은 이미 더 높은 금리를 반영하기 위해 헤지를 재검토했지만 금리가 하락함에 따라 볼록성이 단기 포지션에 미치는 영향과 같은 요소를 평가해야 할 것입니다. 이러한 연습의 목적은 이상적으로는 위험 완화를 넘어 NII 최적화로 확장될 것입니다(사이드바 "복제 및 헤지: NIM 최적화의 이점" 참조).

공유하다

사이드바

복제 및 헤지: NIM 최적화의 이점

최고 수준의 헤지 전략의 핵심 원칙은 선제적이고 미래 지향적인 접근 방식이 가장 효과적이며 은행이 수익률 곡선에서 더 많은 포인트를 헤지할 수 있다는 것입니다. 그리고 미래 지향적 시나리오 분석을 통해 은행은 위험을 더 효과적으로 예상할 수 있어야 합니다. 금리 하락에 노출되어 NII 변경에 대한 새로운 IRRBB 규칙에 따라 이상치에 대한 규제 임계값을 충족하지 못한 은행의 사례를 생각해 보세요. 다른 상품으로의 잠재적 고객 이전을 분석하고 고객이 이전하도록 돕기 위한 노력과 수십억 달러 규모의 새로운 파생상품 헤지 전략을 결합하여 은행은 임계값에 도달했습니다.

은행은 헤지를 단독 활동으로 보지 말고, 인재와 교육에 투자하여 팀이 적절한 상황에 적합한 헤지를 선택하도록 보장하는 위험 관리와 통합된 것으로 보아야 합니다. 이는 전통적인 금리 파생상품일 수 있지만, 헤지 전략에 더 많은 유연성을 제공하기 위한 옵션이나 스왑션일 수도 있습니다. AI는 의사 결정을 지원하고 위험이 실현되기 전에 식별하는 데 필요한 요소가 될 것입니다. 데이터 분석에 대한 보다 자동화된 접근 방식이 필요할 가능성이 큽니다. 그리고 담보 관리가 헤지 프레임워크의 핵심 요소여야 하며, 분석을 사용하여 담보 가치 평가와 필요성을 예측하고, 유동성 준비금을 최적화하고, 증거금 콜 위험을 완화해야 합니다.

다음 단계: 변화를 실현하다

여기에서 강조된 활동 전반에 걸쳐 변화를 효과적으로 구현하기 위한 모범 사례는 전담 데이터 전략에 따라 모델링 역량을 통합하는 것입니다. 목표 상태는 포괄적 역량, 통합되고 실행 가능한 시나리오 기반 프레임워크, 가격 책정 및 담보에 대한 의사 결정을 위한 AI 기술과 행동 데이터의 일상적인 사용이어야 합니다. 아마도 분석, 거래, 금융, 가격 책정 및 위험 관리 전반에 걸쳐 역량 구축을 지원하기 위한 인재 전략도 필요할 것입니다.

은행은 효과적인 모델링을 지원하기 위해 광범위한 시장 데이터를 수집해야 합니다. 데이터에는 대차대조표 내 및 대차대조표 외 항목, 예금 한도, 고정 수입 자산 및 부채, 자본 항목 및 은행 장부의 기타 항목을 포함한 모든 신용 한도가 포함됩니다. 이상적으로 은행은 2004년에서 2007년까지의 이전 금리 상승 기간을 포함하는 15~20년 분의 데이터를 수집해야 합니다. 이러한 기본 리소스와 함께 은행은 과거 잔여 잔액, 상환 계획, 옵션, 통화, 인덱싱, 상대방 정보, 행동 통찰력 및 전체 거시 데이터 세트에 대한 정보가 필요합니다. 일부 최첨단 모델은 약 150개의 다양한 기능을 통합합니다.

포괄적인 데이터로 무장한 은행은 행동 모델(예: 선불, 예금)을 구축하여 매개변수를 추정하고 다양한 시나리오에서 행동 효과를 추론할 수 있습니다. 그런 다음 전문가 기반 통찰력과 함께 행동 출력을 스트레스 테스트 시뮬레이션에 통합할 수 있습니다. 거시경제 데이터가 입력되면 은행은 3년 동안 델타 NII 및 EVE를 계산할 수 있어야 합니다. 시각화 도구와 헤지 복제본 분석은 팀이 통찰력을 명확히 하고 위험 요인 전반에 걸쳐 헤지 전략을 테스트하는 데 도움이 될 수 있습니다.

---

여기에서 논의된 레버를 수용한 은행은 보다 적극적이고 효과적인 금리 위험 관리로 나아가고 있습니다. 고품질 데이터에 더욱 집중하고 AI와 시나리오 기반 프레임워크를 사용함으로써 은행은 더 나은 결정을 내리고, 헤지 역량을 업그레이드하고, 자금 조달 비용을 최적화하고, 규제 임계값 내에 머물 수 있음을 보여주었습니다. 간단히 말해, 금리가 새로운 변동성 시대로 접어들면서 더 빠르고 유연하게 대응할 수 있게 될 것입니다.

저자에 관하여

안드레아스 본은 맥킨지 프랑크푸르트 사무소의 파트너이고, 세바스찬 슈나이더 는 뮌헨 사무소의 수석 파트너이며, 엔리케 브리에가는 마드리드 사무소의 지식 전문가이고, 마리오 나르기 는 밀라노 사무소의 준파트너입니다.

저자는 이 논문에 기여한 Gonzalo Oliveira와 Stefano Terra에게 감사를 표하고 있습니다.

우리에게 말해주세요