거시건전성 감독 분석 체계(巨視健全性 監督 分析 體系, KOMPAS, Korea Macroprudential Supervision Analysis System)는 금융시스템 전체의 안정성을 확보하기 위해 금융시장의 위험요인을 조기에 파악하고, 금융위기가 발생할 가능성과 그 파급효과를 분석하는 금융감독 분석 체계이다. 금융감독원은 2018년 금융감독연구센터 출범을 계기로 국내 금융환경에 적합한 거시건전성 감독 분석 체계를 구축했으며, 이를 KOMPAS라고 한다. KOMPAS는 개별 금융기관의 건전성뿐 아니라 금융기관 사이의 상호연계성과 금융시스템 전체에 축적되는 위험을 분석한다는 점에서 미시건전성 감독(Microprudential Supervision)과 차이가 있다.

KOMPAS의 핵심은 K-STARS, K-SEEK, K-SuperCast라는 세 가지 분석 모형으로 구성된 이른바 거시건전성 감독 3종 세트이다. 각각 금융시스템의 위기 대응 능력 분석, 금융산업의 부실 가능성 조기 탐지, 국내총생산(GDP) 성장률 예측이라는 서로 다른 역할을 담당한다. 세 모형은 독립적으로 활용될 뿐 아니라 분석 결과를 연계해 금융위험을 보다 종합적으로 파악하는 데 목적이 있다.

첫 번째인 K-STARS(Korean Stress Test for Assessing Resilience and Stability of Financial System)는 거시건전성 감독 스트레스 테스트 모형이다. 스트레스 테스트(Stress Test)는 경제위기나 금융시장 충격이 발생한다는 가정 아래 금융기관과 금융시스템이 얼마나 큰 손실을 입을 수 있는지 분석하는 방법이다. K-STARS는 국내외 경기침체, 금리 상승, 주가 및 부동산 가격 하락 등 다양한 경제적 충격을 시나리오로 설정하고, 이러한 충격이 금융기관의 부실과 자본적정성에 미치는 영향을 평가한다. 특히 금융기관 간 위험 전이와 금융부문에서 실물경제로 이어지는 2차 파급효과까지 분석함으로써 금융시스템의 복원력과 위기 대응 능력을 파악하는 데 활용된다.

두 번째인 K-SEEK(Supervisory Early warning and Evaluation Kits)는 금융산업 조기경보 모형이다. 금융기관의 재무정보와 거시경제·금융시장 지표 등을 분석해 개별 금융회사나 금융업권의 부실 가능성을 사전에 예측하는 역할을 한다. 특히 금융회사와 금융업권의 약 6개월 후 부실확률을 산출해 위험이 높은 기관이나 업권을 조기에 식별하도록 설계되었다. K-SEEK는 로짓 모형(Logit Model), 구조화 모형(Structural Model), 머신러닝 모형(Machine Learning Model) 등을 활용한다. 로짓 모형은 금융회사의 재무지표를 바탕으로 부실확률을 추정하고, 구조화 모형은 향후 자본비율을 예측해 부실 가능성을 평가한다. 머신러닝 모형은 여러 재무정보와 경제변수 사이의 복잡한 관계를 학습해 부실 여부를 예측한다. 이를 통해 금융감독당국은 문제가 발생한 이후 대응하는 데 그치지 않고 부실 징후가 나타나는 단계에서 선제적인 감독 조치를 취할 수 있다.

세 번째인 K-SuperCast(Korea Supervisory Forecast)는 빅데이터 기반의 GDP 성장률 예측 모형이다. GDP는 일반적으로 분기 단위로 발표되기 때문에 현재 경제상황을 신속하게 파악하는 데 시차가 발생할 수 있다. K-SuperCast는 이러한 한계를 보완하기 위해 산업생산, 소비, 고용, 기업심리 등 다양한 경제변수를 활용해 GDP 성장률을 예측한다. 여러 경제지표의 발표 주기가 서로 다른 문제를 보완하고 새로운 통계가 발표될 때마다 예측치를 갱신해 현재의 경기 흐름을 보다 신속하게 파악하는 것이 특징이다. 이렇게 산출된 GDP 성장률 전망은 K-STARS의 스트레스 테스트 시나리오를 구성하거나 K-SEEK의 금융산업 위험 분석에 참고자료로 활용될 수 있다.

세 가지 모형의 관계를 살펴보면 K-SuperCast가 경제의 현재 상황과 향후 성장 흐름을 예측하고, K-SEEK가 금융회사와 금융산업의 부실 가능성을 조기에 탐지하며, K-STARS가 실제 경제·금융 충격이 발생했을 때 금융시스템 전체에 미치는 손실과 파급효과를 분석하는 구조이다. 예를 들어 국내 경제성장률이 급격히 하락하고 부동산 가격이 크게 떨어질 것으로 예상되는 경우, K-SuperCast를 통해 경기 상황을 파악하고 K-SEEK로 금융기관의 부실 위험을 점검할 수 있다. 이후 K-STARS를 활용해 이러한 충격이 현실화되었을 때 금융기관의 손실과 금융시스템 전체의 안정성에 어떤 영향을 미치는지 분석할 수 있다.

KOMPAS가 중요한 이유는 금융위기가 발생한 이후 대응하는 것보다 위험이 축적되는 초기 단계에서 이를 발견하고 예방하는 것이 경제적 손실을 줄이는 데 효과적이기 때문이다. 특히 금융기관 사이의 상호연계성이 높아진 현대 금융시장에서는 개별 금융회사가 건전하더라도 여러 기관이 동일한 위험에 노출되면 금융시스템 전체가 위기에 빠질 수 있다. 따라서 금융감독당국은 KOMPAS와 같은 분석 체계를 활용해 금융시장의 위험을 지속적으로 점검하고, 필요에 따라 자본규제와 유동성 규제, 대출 관련 규제 등을 조정할 수 있다.

결국 거시건전성 감독 분석 체계인 KOMPAS는 K-STARS, K-SEEK, K-SuperCast를 통해 금융위험의 예측부터 조기경보, 위기 발생 시 파급효과 분석까지 수행하는 종합적인 금융감독 분석 체계이다. 이를 통해 금융감독당국은 금융시스템의 취약성을 사전에 파악하고 위기 대응 능력을 강화할 수 있으며, 금융시장의 안정과 지속 가능한 경제성장을 뒷받침할 수 있다.