위험요인을 고려한 농지연금 월지급금의 적정성에 관한 연구

노진수; 장운욱

추천

검색

자료유형: 학술저널

저자정보: 노진수 (신한금융투자 채권운용부) 장운욱 (연세대학교)

저널정보: 아시아.유럽미래학회 유라시아연구 유라시아연구 제13권 제1호

발행연도: 2016.3

수록면: 191 - 212 (22page)

이용수

📌

연구주제

📖

연구배경

🔬

연구방법

🏆

연구결과

이 논문의 연구 히스토리 (2)

2016

위험요인을 고려한 농지연금 월지급금의 적정성에 관한 연구

노진수 , 장운욱 유라시아연구 2016.03 학술저널

2015

농지연금의 월지급금 산정에 관한 연구

노진수 경영 2015.01 학위논문

이 논문의 후속연구가 궁금하신가요?
연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
이 논문의 연구 히스토리 확인하기

초록· 키워드

오류제보하기

우리나라는 2000년 고령화사회에 진입한 이후에도 고령인구의 비중이 급속도로 증가하여 2018년에는 고령사회, 2026년에는 초고령사회를 맞이할 것으로 전망되고 있다. 농촌의 경우 고령화 문제는 더욱 심각한 상황으로, 2013년 통계청 농업조사에 따르면 전체인구 고령화율은 12.2%인데 반해 농가인구의 고령화율은 37.3%로 이미 초고령사회에 진입할 만큼 빠른 속도로 진행되고 있다. 정부에서는 이와 같은 농촌 고령인구의 노후 문제에 대한 대책의 하나로 농지를 담보로 하는 농지연금제도를 2011년 1월부터 시행하였다. 농지연금제도의 운영에서는 농지가격 위험, 이자율 위험, 장수 위험 등이 주요 위험요인이며 월지급금 역시 가입자의 담보 농지가격 및 연령, 그리고 연금산정 이자율을 주요변수로 하여 결정되고 있다. 본고에서는 현 농지연금 제도에서 적용되고 있는 확정적(deterministic)인 농지가격 모형, 상수의 연금산정이자율, 그리고 통계청 사망률 가정을 대신하여 보다 현실적인 확률적 농지가격 모형 및 확률적 이자율 기간구조 모형, 그리고 보험개발원의 경험생명표를 적용하여 적정 월지급금을 산출하여 현행 농지연금의 월지급금과 비교하였다. 우선 2.85%의 농지가격 상승률을 적용하는 현행 농지연금 모형의 확정적인 농지가격 동학 대신에 확률적으로 변동하는 농지가격 모형으로 기하브라운 운동(geometric Brow- nian motion)을 적용하였다. 농지가격 확률과정의 확산항(diffusion term) 모수는 현재 농지연금의 농지가격상승률 산출에 사용되었던 1994년부터 2009년까지 시?군지역 농지가격 변화율의 표준편차 5.37%를 적용하였으며, 추세항(drift term)에는 현 농지가격상승률과 동일하게 2.85%를 적용하였다. 농지연금 월지급금 산출 결과, 농지가격 변화율의 변동성위험이 반영되어 현행보다 적은 월지급금이 산출됨을 확인할 수 있었다. 다음으로 4%의 상수의 이자율을 가정하는 농지연금과 달리 3요인 선형 이자율 모형을 적용하여 경제상황에 따라 유연하게 변화하는 이자율 가정을 농지연금 산출에 적용하였다. 이자율 모형은 최우추정법을 이용하 추정하였으며 이자율 자료는 2002년 1월부터 2014년 7월까지 국고채와 은행채AAA 각각 7개의 만기(1, 2, 3, 4, 5, 7, 10년)의 매주 금요일 종가를 사용하였다. 그 결과 2008년 금융위기 이후의 저금리기조가 반영되어 현 수준보다 상향조정된 월지급금이 산출되는 것을 확인하였다. 마지막으로 현행 농지연금에서 적용하는 2011년 통계청의 국민생명표 대신 보험개발원의 경험생명표를 적용하여 농지연금 월지급금을 산출하였다. 그 결과 상대적으로 장수위험이 더 고려되어 현행보다 감소한 월지급금을 산출되는 것을 알 수 있었다. 세 가지의 모형상의 가정을 동시에 적용하였을 경우, 기하브라운 운동의 농지가격 동학 및 경험생명표에서의 월지급금 하락요인과 3요인 선형 이자율 모형의 월지급금 상승요인이 서로 상쇄되어 현 농지연금과 크게 차이가 나지 않는 월지급금이 산출되는 것을 확인할 수 있었다. 본고의 분석결과는 현재의 농지연금 월지급금 수준이, 연금모형의 각 요인에 대한 현실적인 가정을 적용하는 경우에서도 적정한 수준임을 보여주고 있다. 하지만 이는 현재의 농지연금 모형 및 적용 변수 값이 적절하다는 것까지 보여주는 결과로 해석할 수는 없다. 단지, 현실적인 모형상의 가정을 하는 경우 월지급금 상승요인과 하락요인의 상쇄로 현재 시점에서는 월지급금 수준이 적정 수준과 크게 차이나지 않는다는 것을 보여주는 것뿐이다. 따라서 향후 농지가격 및 이자율의 변화, 그리고 사망률 추이 등의 주요변수를 관찰하며 지속적인 월지급금 적정성 분석이 필요할 것으로 판단한다.

South Korea’s population is aging rapidly. Since becoming categorized as an ‘aging society’ in 2000, the elderly population in South Korea has increased at a dramatic pace, so much so that the country is expected to be categorized as an ‘aged society’ by 2018, and as a ‘super-aged society’ by 2026. The aging problem is particularly more serious in the rural areas. According to a 2013 study published by Statistics Korea, while the rate of aging for the entire population is 12.2%, the rate of aging for the farmer population is 37.3%, a rate that is high enough to speed up the move to a ‘super-aged society.’ In order to alleviate the aging problem and the related welfare problem of the elderly in the rural areas, the Korea government launched the Farmland Reverse Mortgage System (FRMS) in January 2011, a pension plan secured by farmland and is guaranteed by a federal agency, the Korea Rural Community Corporation (KRCC). The major risk factors for consideration in the management of the FRMS are farmland price risk, interest rate risk, and longevity risk. These risk factors are taken into consideration when the monthly payments are determined using the farmland collateral price, age of the pension holder, and the interest rate as the main variables. In the current FRMS model, farmland prices are assumed to increase deterministically with a 2.85% rate of farmland price increase. In addition, the model applies a constant interest rate of 4% for the calculation of monthly payments, and uses the national mortality rate in the life table (women) published by the Statistics Korea in 2011. In this paper, we apply a more realistic model assumptions for each risk factor and study the appropriateness of the current FRMS monthly payments. Firstly, we applied a stochastically varying farmland price dynamics instead of the deterministic one used in the current FRMS model. Specifically, we model farmland price using geometric Brownian motion. Numerical analysis shows that, after reflecting for volatility risk in the farmland price dynamics, lower monthly price levels are calculated. Secondly, instead of the constant 4% interest rate used in the current FRMS model, we apply a 3-factor dynamic term structure model (DTSM) for the calculation of the monthly payments. We estimate the DTSM model parameters using the maximum likelyhood estimation (MLE) method. In the MLE we use weekly Korean Treasury Bonds and AAA bank bonds data (1, 2, 3,4, 5, 7, and 10 years maturity). Data periods cover the period from January 2002 to July 2014. In the application of the DTSM for the monthly payment calculations, we obtain higher monthly payment levels, which is a reflection of the low interest rate environment after the global financial crisis in 2008. Lastly, instead of using the national life table, we use the experience life table published by the Korea Insurance Development Institute, where longevity risk taken more into consideration. Application of the mortality rates given by the experience life table gives monthly payment levels that are comparatively lower than the current levels. When we apply all three assumptions into the model at the same time, we obtain monthly payment levels that are rather similar to the current levels. This result is driven by the existence of an offsetting effect between the decreasing factors (stochastic farmland price dynamics and the experience life table) and the increasing factor (stochastic interest rate model). Empirical results of this paper show that the current level of FRMS monthly payments is within a reasonable range even after applying the more realistic assumptions for each of the risk factors within the reverse mortgage model. However, this should not be interpreted as evidence that the current FRMS model is sound as the result observed is driven by the offsetting effect between the risk factors. Hence, going forward, the KRCC should closely monitor and assess any changes in the major variables, such as farmland prices, term structure of interest rates, and the mortality rate, when evaluating the appropriateness of the monthly payment levels.

#농지연금 #확률적 농지가격 모형 #확률적 이자율 모형 #경험생명표 #장수 위험 #Farmland Reverse Mortgage Loans #Geometric Brownian Stochastic Process #3-factor Affine Term Structure Model #Experience Life Table

참고문헌 (10)

참고문헌 신청

김갑태 / 2006 / 주택가격과 금리 시계열의 순환주기와 역모기지 리스크 / 보험금융연구 17(2):61~97

류근옥 / 2012 / 주택연금과 농지연금의 총대출비용률(TLCR) 평가 연구 / 주택연구 20(3):77~102

마승렬 / 2006 / 역모기지의 보험료구조와 비용효율성에 관한 연구 / 리스크관리연구 17(1):29~77

마승렬 / 2008 / 역모기지 보증리스크의 증권화 방안 / 보험학회지 (80):63~90

마승렬 / 2011 / 즉시연금과 역모기지(주택연금, 농지연금)의 수익비 비교 / 리스크관리연구 22(2):3~39

이 논문의 저자 정보

노진수

소속기관 신한금융투자 채권운용부

주요연구분야 사회과학 > 지리학 > 지역학

논문수 1 이용수 4

장운욱

소속기관 연세대학교

주요연구분야 사회과학 > 지리학 > 지역학

논문수 3 이용수 7

최근 본 자료

전체보기

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

이 논문의 연구 히스토리 (2)

초록· 키워드

AI 요약

연구주제

연구배경

연구방법

연구결과

주요내용

목차

참고문헌 (10)

이 논문의 저자 정보

최근 본 자료

댓글(0)