DOI QR코드

DOI QR Code

An Analysis of the Effects of Fintech on the Banking and Savings Banking Industries in Korea

핀테크 등장이 은행 및 저축은행 산업에 미치는 영향 분석

  • 이준희 (영남대학교 무역학부) ;
  • 송준혁 (한국외국어대학교 경제학부)
  • Received : 2022.06.09
  • Accepted : 2022.08.17
  • Published : 2022.09.28

Abstract

The paper analyzes the effects of the emergence of Fintech on the banking and savings banking industries in Korea. From the analysis, we find that net interest margin decreases and credit supply increases with the advent of Fintech in the banking industry. Similarly, in the savings banking industry, a profitability index decreases. This is interpreted as the result of reduced monopoly power and increased efficiency in the industries, inducing an increase in overall consumer benefits. Individual financial institutions may, however, experience difficulties such as reduced profitability and increased Fintech investment costs.

글로벌 금융위기 이후 전 세계적인 금융 혁신의 흐름에 따라 핀테크가 등장하면서 금융 산업에 큰 변화가 예상된다. 본 연구에서는 우리나라 핀테크 현황을 살펴보고 핀테크의 도입과 성장이 은행 및 저축은행의 수익성과 신용 공급에 미치는 영향을 패널 자료를 이용하여 분석하였다. 분석 결과, 핀테크 등장에 따라 은행업의 경우 기존 은행에서 수익성 지표인 NIM이 감소하고 여신이 증가하는 것으로 나타났다. 저축은행의 경우에도 핀테크 등장에 따라 수익성 지표가 은행과 유사하게 감소하는 것으로 나타났다. 이는 핀테크 등장에 따른 경쟁촉진으로 인하여 은행 및 저축은행 산업에서 독점력이 감소하고 혁신 및 효율성이 증가한 결과로 해석되며 금융 소비자에게 바람직한 결과로 보인다. 다만 핀테크가 이처럼 금융 소비자들에게 전반적인 편익을 가져오더라도 개별 금융 기관의 입장에서는 경쟁 격화에 따른 수익성 감소, 핀테크 투자비용 증가 등의 어려움을 겪을 가능성이 크므로 효과적인 대응 전략을 모색할 필요가 있다.

Keywords

I. 서론

2007-2008년 미국에서 시작된 글로벌 금융위기 이후 전 세계 금융 산업의 혁신과 구조 개혁에 대한 필요성이 꾸준히 제기되어 왔다. 이러한 상황에서 핀테크(fintech)의 등장은 금융 산업의 새로운 성장 동력 및 혁신 수단으로 주목 받고 있다. 핀테크는 블록체인, 빅데이터 처리 기술, 클라우드 컴퓨팅 등 새로운 정보통신 기반기술을 금융에 접목한 것으로 금융 거래 비용 절감을 통한 효율성 달성, 새로운 틈새시장 발굴 및 고객 맞춤형 서비스 제공 등에 효과적으로 활용될 것으로 기대된다. 우리나라에서도 전 세계적인 금융 산업 발전 상황에 맞추어 핀테크가 금융에 도입되고 있으며 최근 오픈뱅킹을 이용한 소액 결제 서비스 제공, 빅테크 (bigtech) 기업의 은행 및 금융업 진출, P2P 대출 (peer-to-peer lending) 등 다양한 형태로 진행되고 있다.

핀테크의 도입으로 금융 산업이 큰 변화를 맞이하는 상황에서 핀테크가 금융 산업에 미치는 영향을 분석하는 것은 금융 산업의 발전 방향 및 개별 금융기관의 대응 방안을 모색한다는 측면에서 의미가 있다. 핀테크가 금융 산업 발전에 주는 영향은 크게 세 가지 측면으로 나누어 생각해 볼 수 있다. 첫째, 핀테크의 등장은 금융 산업이 고비용 저효율의 관행에서 벗어나 혁신적으로 거래 비용을 절감할 수 있는 계기가 될 수 있다. 핀테크의 등장으로 진입 규제 등에 의존하는 비효율적인 금융 체질을 개선함으로써 금융소비자의 편익을 증진시키고 금융 산업 전체의 효율성을 높일 수 있다. 둘째, 핀테크의 등장은 전통적인 금융에서 소외받는 사람들의 접근성을 높여 금융의 포용성을 향상시킬 수 있다. 셋째, 핀테크의 등장은 개인, 기업 등의 신용 관련 정보를 빅데이터 처리 기술을 이용하여 보다 효율적으로 활용함으로써 양질의 금융서비스를 제공하는 계기가 될 수 있다. 한편 핀테크 도입으로 기대되는 이러한 긍정적인 효과에도 불구하고 핀테크 기업이 새롭고 차별화된 금융 상품이나 서비스를 발굴하기보다는 기존 금융 상품의 소개, 추천 및 광고 등의 사업영역에 집중하거나 기존 금융회사의 서비스를 모방하는데 치중할 경우에는 핀테크 도입에 따른 경제적 성과가 크지 않을 가능성이 높다.

본 연구에서는 핀테크가 우리나라 금융 산업에 미치는 영향을 살펴보고자 개별 금융회사 패널 자료를 활용하여 실증분석을 실시한다. 이러한 분석을 통하여 전 세계적인 추세인 핀테크의 발전이 우리나라 금융 산업에 미치는 영향을 정량적으로 살펴보고 이에 따른 시사점을 논의한다. 구체적으로 본 연구에서는 우리나라 신용 공급에 있어서 중추적인 역할을 하는 은행 및 저축은행 개별 패널 자료를 이용하여 빅테크 기업의 은행업 진출 및 P2P 대출 증가 등 핀테크의 발전이 이들 은행 및 저축은행 산업의 수익성과 여신 규모 측면에 어떠한 영향을 주는지 실증분석을 실시하고 시사점을 도출한다.

이전의 연구를 살펴보면 [1]은 핀테크가 남미 국가 은행 산업의 경쟁 촉진에 미치는 영향을 분석한 결과 핀테크 등장으로 은행의 순 이자 마진(NIM: net interest margin)이 감소하고 은행 산업의 경쟁이 촉진된다고 분석하고 있다. [2]는 전 세계적으로 구축된 핀테크와 빅테크 신용 패널 자료를 이용하여 국가별 핀테크와 빅테크 신용의 결정 요인을 분석한 결과 1인당 GDP가 높을수록, 은행의 독점력이 높을수록, 은행에 대한 규제가 강하지 않을수록 핀테크와 빅테크 여신이 증가하는 것으로 분석하였다. [3]은 Global Findex 설문 자료를 이용하여 분석한 결과 핀테크가 금융으로부터 소외된 사람들에게 금융을 제공함으로써 소득 불평등을 감소시킨다고 분석한다. [4]는 1995-2015년 세 계개발지수(World Development Indicators) 자료를 이용하여 모바일, 인터넷, 정보통신기술 확산이 은행 산업에 미치는 영향을 분석한 결과 은행의 수익성과 안정성이 정보통신기술의 발달로 향상된다고 분석한다. 다만, 이들의 분석은 핀테크가 본격적으로 도입되기 이전 ATM 도입 등을 포함한 전반적인 정보통신기술 확산이 은행 산업에 미치는 영향을 분석하고 있다. [5]는 비금융기관 스타트업에서 핀테크 혁신이 일어날 경우 기존 금융기관에 부정적으로 영향을 미칠 수 있는데 기존의 금융기관 중 핀테크 혁신에 많은 투자를 하고 있는 선도 기관들은 이러한 부정적인 영향을 회피할 수 있다고 분석한다. [6]은 미국 핀테크 특허 자료와 구인 자료를 이용하여 분석한 결과 핀테크 혁신이 나타날 경우 해당 핀테크 기업에서의 인력 수요는 증가하나 기존 금융 분야에서의 구인은 감소한다는 결과를 제시하였다. 아울러 핀테크 기술 발전에 따라 금융 산업에서 기술, 경험, 교육 수준이 높은 고급 인력에 대한 수요가 증가한다고 분석하였다.

본 연구에서는 우리나라 은행 및 저축은행 패널 자료를 활용하여 실증분석을 실시하였는데 그 결과 은행 산업의 경우 핀테크의 발전에 따라 기존 은행에서 NIM이 감소하고 대출이 증가하는 것으로 나타났다. 이러한 결과는 핀테크 등장에 따른 경쟁 촉진으로 은행 산업에서의 혁신 및 효율성이 증가한 결과로 해석되며 금융 소비자에게 바람직한 결과로 보인다. 유사한 분석을 저축은행에 대하여 실시한 결과 저축은행 산업의 경우에도 핀테크의 발전에 따라 수익성이 감소하며 대출이 증가할 가능성이 있는 것으로 나타났다. 결국 핀테크의 등장은 전반적으로 금융 산업이 발전하고 혁신하는 계기가 되어 긍정적인 것으로 평가되지만, 기존 금융 기관에게 있어서는 수익성 감소에서 볼 수 있듯이 운영상 새로운 어려움을 제기할 가능성이 존재하는 것으로 분석된다.

한편 본 연구는 핀테크가 금융 산업에 미치는 영향을 분석하되 우리나라 개별 은행 및 저축은행의 패널 자료를 이용하여 실증적으로 분석한다는 측면에서 기존의 연구와 차별화된다. 본 연구에서 핀테크가 은행 및 저축은행 산업의 수익성에 미치는 영향을 분석한 시도는 [1]이 핀테크가 남미 국가 은행 산업의 NIM에 미치는 영향을 분석하는 부분과 유사하나 [1]은 남미 국가를 대상으로 국가별 패널 자료를 이용하여 분석한 반면 본 연구에서는 우리나라 개별 은행 및 개별 저축은행 자료를 이용하여 분석하고 있다는 점에서 차이가 있다. 본 연구에서 우리나라 개별 은행 자료를 이용하여 은행의 수익성을 분석하는 것은 [7]과 다소 유사하나, 일반적인 은행의 수익성 결정 요인 보다는 핀테크가 은행 산업의 수익성 및 여신 공급에 미치는 영향에 초점을 두고 분석하였다는 점에서 차이가 있다. 아울러 본 연구에서 핀테크가 은행 및 저축은행 산업의 여신에 미치는 영향을 분석한 부분은 [2]가 전 세계적으로 구축된 핀테크와 빅테크 신용 패널 자료를 이용하여 국가별 핀테크와 빅테크 신용의 결정 요인을 분석하는 것과 유사하나, 본 연구에서는 국가별 자료가 아니라 우리나라 개별 은행 및 저축은행 자료를 이용하였으며 핀테크와 빅테크 신용이 결정되는 요인을 설명하고 분석한 것이 아니라 반대로 핀테크의 발전이 기존 은행 및 저축은행의 신용에 미치는 영향을 분석하였다.

이하 구성은 다음과 같다. 제 Ⅱ장에서는 우리나라 핀테크 현황을 빅테크 기업의 은행업 진출 및 P2P 대출시장의 규모 변화를 중심으로 살펴본다. 제 Ⅲ장에서는 핀테크가 우리나라 은행 및 저축은행 산업에 미치는 영향을 패널 회귀분석을 통하여 살펴본다. 제 Ⅳ장에서는결론을 도출하고 시사점을 모색하고자 한다.

Ⅱ. 우리나라 핀테크 현황

본 절에서는 우리나라 핀테크 현황을 빅테크 및 핀테크 기업의 은행업 진출 및 P2P 대출 시장의 규모 변화를 중심으로 살펴본다. 우리나라의 경우에도 다양한 빅테크 및 핀테크 활동이 전개되고 있으나 은행, 저축은행 등 기존 금융 산업과 가장 관련이 깊으며 정량적인 통계 자료가 어느 정도 공개적으로 제공되는 이들 분야를 중심으로 현황을 살펴보고자 한다. 빅테크 및 핀테크 기업의 은행업 진출은 기존 은행 및 저축은행 산업에 직접적인 경쟁 효과를 가져와 기존 금융 산업의 경쟁력 및 수익성에 영향을 줄 수 있으며 P2P 대출은 금융 및 경제 성장에서 핵심적인 역할을 하는 자금 공급에 있어서 새로운 변화를 가져올 가능성이 있다. 한편 [2]의 경우에도 핀테크와 빅테크 여신을 중심으로 전 세계적인 핀테크 현황을 분석하고 있다.

1. 빅테크 및 핀테크 기업의 은행업 진출

빅테크 및 핀테크 기업의 은행업 진출을 살펴보면 케이뱅크가 2017년 4월 3일부터, 카카오뱅크가 2017년 7월 27일부터, 토스뱅크가 2021년 10월 5일부터 영업을 시작하고 있다. 케이뱅크는 ICT기업인 KT가, 카카오뱅크는 플랫폼 기업인 카카오 그룹이 은행업에 진출한 경우로 이들은 빅테크 기업이 은행업에 진출한 사례에 해당한다. 토스뱅크의 경우 핀테크 기업인 비바리버블리카가 은행업에 진출한 사례이다.

금융감독원의 금융통계정보시스템에 따르면 2020년 12월말 현재 케이뱅크의 은행계정 기준 자산은 4조 3,311억 원, 카카오뱅크는 26조 6,490억 원 가량이다. 케이뱅크와 카카오뱅크를 제외한 17개 국내은행의 평균 자산은 2020년 12월말 현재 173조 3,290억 원 가량이다. 케이뱅크와 카카오뱅크 자산 합계는 이들을 제외한 은행 자산 합계의 1.1%가량에 해당한다.

[표 1]은 2020년 12월말 은행계정 기준 은행의 자산 및 부채항목 비율을 나타낸다. 자산항목에서 가장 큰 비율을 차지하는 항목은 대출채권이며 자산항목 비율은 케이뱅크, 카카오뱅크, 국내은행 사이에 큰 차이를 보이지 않는다. 부채항목의 경우 케이뱅크, 카카오뱅크에서 예수부채의 비율이 국내은행에 비하여 높으며 2020년 12월말 현재 케이뱅크, 카카오뱅크의 차입부채는 존재하지 않는다.

표 1. 은행 자산 및 부채항목 비율(%)

(자료: 금융감독원 금융통계정보시스템)

다음으로 영업수익 측면에서 살펴보면 케이뱅크의 2020년 연간 영업수익은 802억 원, 카카오뱅크는 8,041억 원 가량이다. 케이뱅크와 카카오뱅크를 제외한 국내은행의 2020년 연간 평균 영업수익은 13조 3,936억 원 가량이다. 케이뱅크와 카카오뱅크 영업수익은 이들을 제외한 은행 영업수익 합계의 0.4%가량이다. 영업이익 측면에서는 케이뱅크는 1,054억 원 가량의 영업 손실을 보고 있는 반면 카카오뱅크는 1,226억 원 가량 영업이익을 보고 있다. 케이뱅크와 카카오뱅크를 제외한 국내은행의 2020년 연간 평균 영업이익은 1 조 119억 원 가량이다. 케이뱅크와 카카오뱅크 영업이익 합계는 이들을 제외한 은행 영업이익 합계의 0.1% 가량이다.

2020년 12월말 은행계정 기준으로 나타낸 은행의 영업수익 및 비용항목 비율을 살펴보면 [표 2]와 같다. 영업수익 항목에서 가장 큰 비율을 차지하는 항목은 이자수익 항목인데 케이뱅크의 경우 그 비율이 89.5%, 카카오뱅크의 경우 75.4%로 국내은행의 평균인 41.7%보다 높다. 케이뱅크나 카카오뱅크의 경우 기존 은행에 비하여 기타영업수익의 비율이 낮게 나타난다. 영업비용 항목에서 기존 국내은행의 경우 기타영업비용의 비율이 높게 나타난 반면 케이뱅크의 경우 판매비와 관리비, 카카오뱅크의 경우 이자비용, 수수료비용의 비율이 상대적으로 높게 나타났다.

표 2. 빅테크 은행 영업수익 및 비용 비율(%)

(자료: 금융감독원 금융통계정보시스템)

2. P2P 대출

P2P 대출은 온라인플랫폼을 통하여 투자자가 차입자에게 대출하고 그에 따른 원리금을 투자자가 수취하는 것으로 투자자와 차입자를 온라인으로 연결해주는 대출 서비스이다. P2P 대출은 은행이나 저축은행 등 기존의 금융 중개 기관을 거치지 않고 대출이 온라인을 통하여 직접적으로 진행된다는 점에서 거래비용과 수수료를 절감하여 투자자와 차입자 모두에게 이익을 주는 것을 목적으로 한다.

P2P 대출은 2006년 8월 설립된 머니옥션으로 시작으로 하였으며 P2P 대출 통계를 제공하고 있는 미드레이트에 따르면 2021년 말 현재 누적대출액 합계는 12 조 5,484억 원이며 대상 업체 수는 82개사, 상환률 평균은 84.9%, 연체율 평균은 18.8%, 수익률 평균은 12.3%이다. 이를 살펴보면 P2P 대출은 은행이나 저축은행에 비하여 수익률은 높지만 연체율이 높고 상환률이 낮은 것으로 보인다. 한편 국내은행의 2020년 12월말 현재 은행계정 기준 대출채권은 2,181조 원 가량으로 2020년 12월말 현재 P2P 대출 누적대출액 합계 11 조 7,348억 원은 은행계정 기준 대출채권 합계의 0.5% 규모이다. [표 3]은 2017년 이후 연도별 P2P 업체 현황을 나타낸다[8].

표 3. P2P 업체 현황(연말 기준)

(자료: www.midrate.co.kr)

Ⅲ. 패널 자료를 이용한 실증분석

본 장에서는 빅테크 및 핀테크 기업의 은행업 진출 및 P2P 대출의 등장이 은행 및 저축은행의 수익성과 신용 공급에 미치는 영향을 패널 자료를 이용하여 실증 분석을 실시하고자 한다. 이를 위하여 기존의 연구를 바탕으로 은행 및 저축은행의 수익성과 신용 공급 요인 을 파악하되 빅테크 및 핀테크 기업의 은행업 진출 및 P2P 대출의 등장을 새로운 요인으로 추가하여 분석한다.

1. 핀테크와 은행의 수익성

은행의 수익성과 관련하여 기존의 연구들은 은행의 순 이자 마진 즉 NIM을 주목하여 살펴보고 있다. [그림 1]은 국내은행의 NIM 추이를 분기별로 나타내고 있다. 이를 살펴보면 국내은행의 NIM이 대체로 시간이 지남에 따라 하락하고 있음을 알 수 있다. 아울러 지방은행의 NIM이 국내은행 평균 보다 다소 높게 나타난다.

그림 1. 은행의 순 이자 마진 추이

(자료: 금융감독원 금융통계정보시스템)

은행의 NIM 결정 요인과 관련한 기존의 연구를 살펴보면 [9]는 [10]의 모형을 확장한 모형을 구축하고 이로부터 NIM 결정 요인을 이론적으로 도출한 후 유럽 은행들에 대한 패널 자료를 이용하여 실증분석을 실시하였다. 이들이 NIM 결정요인으로 고려한 것은 시장지배력을 나타내는 Lerner Index, 영업비용, 위험기피, 시장금리의 변동성, 신용위험, 시장금리의 변동성과 신용위험의 교차항, 신용규모, 암묵적 비용, 준비금 비율, 수익 대비 비용 등이다. 분석 결과 시장지배력과 은행 경영과 관련한 운영비용, 수익 대비 비용, 암묵적 비용 등이 신용위험이나 시장금리 변동성에 비하여 경제적으로 중요한 것으로 나타났다. [7]은 우리나라 은행 자료를 이용하여 [9]와 유사한 실증분석을 실시한 결과 위험기피, 영업비용 등은 우리나라 은행들의 NIM 결정요인에서 중요한 것으로 나타나나 시장지배력이나 신용위험 등은 그 중요성이 낮은 것으로 분석하였다.

본 절에서는 [9]와 [7] 등의 선행 연구를 고려하여 우리나라 은행들의 NIM 결정 요인을 분석하되 빅테크 및 핀테크 기업의 은행업 진출 및 P2P 대출의 등장을 새로이 추가하여 다음과 같이 회귀 분석을 설정하였다. 회귀분석을 통하여 빅테크 및 핀테크의 발전이 기존 은행의 수익성에 영향을 준다는 가설을 살펴보았다.

\(N I M_{i, t}=\beta^{\prime} x_{i, t}+\gamma^{\prime} z_{i, t}+\mu_i+\mu_t+\epsilon_{i, t}\)       (1)

xi,t: [9]와 [7] 등에서 고려한 은행의 NIM 결정 요인

zi,t: 빅테크 및 핀테크 기업의 은행업 진출 또는 P2P
μi: 개별 은행 더미

μt: 시간 더미

εi,t: 교란항

[표 4]는 식 (1)에 따라 회귀 분석을 실시한 결과를 나타낸다. 피설명변수는 각 은행의 NIM이다. 단, 빅테크 기업의 은행업 진출이 기존 은행의 NIM에 미치는 영향을 분석하기 위하여 케이뱅크와 카카오뱅크는 제외하였다.

표 4. NIM 결정요인 회귀분석

설명변수 중 시장지배력, 영업비용, 위험기피, 신용위험, 대출규모, 암묵적 비용, 경영 비효율성, 유동성 비율, 부실채권 비율, 시장금리 변동성 등은 기존의 [9]와 [7]이 은행의 NIM 결정 요인으로 고려한 변수들이다. 본 연구에서는 여기에 빅테크 대출 비중(빅테크 대출 (케이뱅크, 카카오뱅크 대출 합계)/국내 은행 대출 합계 (케이뱅크, 카카오뱅크 제외)), 빅테크 대출 비중에 대한 지방은행 더미, P2P 대출 비중(P2P 누적대출액/국내 은행 대출 합계(케이뱅크, 카카오뱅크 제외)), P2P 대출 비중에 대한 지방은행 더미를 설명변수로 추가하여 분석하였다. 빅테크 및 P2P 대출 비중은 빅테크 기업의 은행업 진출 및 P2P 대출 등장이 기존 금융기관의 NIM에 미치는 효과를 분석하기 위한 변수로 추가하였으며 빅테크 대출 비중 및 P2P 대출 비중에 대한 지방은행 더미는 [5]가 핀테크가 선도 기관과 선도 기관이 아닌 기관에 차별화된 영향을 줄 수 있다고 한 분석을 참조하여 핀테크가 영업 권역이 제한적인 지방은행에 차별화된 효과를 주는지 살펴보고자 설명변수로 추가 하였다.

각 설명 변수의 구축에 대하여 보다 자세히 살펴보면 시장지배력은 각 기간별 전체은행(케이뱅크, 카카오뱅크 제외)의 자산 합계에서 개별 은행의 자산이 차지하는 비중을 나타낸다. 영업비용은 자산에서 영업비용이 차지하는 비율을 나타난다. 위험기피는 BIS자기자본 비율을 나타낸다. 신용위험은 자산에서 대출채권이 차지하는 비율을 나타낸다. 대출규모는 대출채권을 임직원 수로 나눈 1인당 대출 규모이다. 암묵적 비용은 영업이익(영업이익-영업비용)에서 이자이익(이자수익-이자비용)을 차감한 부분을 자산으로 나눈 비율을 나타낸다. 경영 비효율성은 영업수익 대비 영업비용의 비율을 나 타낸다. 유동성 비율은 현금 및 예치금이 자산에서 차지하는 비율을 나타낸다. 부실채권 비율은 고정이하 여신 비율을 나타낸다. 시장금리 변동성은 KORIBO 일별 금리의 분기별 변동성을 나타낸다. 회귀분석을 위한 자료는 금융감독원의 금융통계정보시스템을 이용하여 구축하였다. 구축된 자료는 케이뱅크와 카카오뱅크를 제외한 17개 국내은행 자료로서 기간은 빅테크 대출 비중 및 P2P 대출 비중이 존재하는 2017Q4∼ 2021Q1의 14개 분기이다.

회귀분석 결과는 [표 4]와 같다. 표에서 괄호 안은 t 값, *는 10%, **는 5%, ***는 1% 수준에서 유의함을 의미한다. 회귀분석은 개별 은행 더미, 시간 더미의 포함 여부에 따라 4개의 모형으로 설정하여 추정하였다. 회귀모형 (1)은 개별 은행 더미와 시간 더미를 모두 포함하지 않는 모형으로 개별 은행의 차이와 시간 변화에 따른 차이를 고려하지 않는 모형이다. 회귀모형 (2)는 개별 은행 더미는 포함하지 않되 시간 더미를 포함하는 모형으로 개별 은행의 차이는 고려하지 않지만 시간 변화에 따른 차이는 더미변수를 통해 고려하는 모형이다. 회귀모형 (3)은 시간 더미는 포함하지 않되 개별 은행 더미를 포함하는 모형으로 시간 변화에 따른 차이는 고려하지 않지만 개별 은행의 차이는 더미변수를 통해 고려하는 모형이다. 회귀모형 (4)는 개별 은행 더미와 시간 더미를 모두 포함하는 모형으로 개별 은행이 차이와 시간 변화에 따른 차이를 더미변수를 통해 모두 고려하는 모형이다.

모형의 적합도를 나타내는 수정된 결정계수(\(\bar{R}^2\))는 개별 은행 더미와 시간 더미를 모두 포함하는 회귀모형(4)가 가장 높게 나타났다. 아울러 일반적으로 패널 회귀분석에서는 개별 은행 더미를 포함하는 고정효과 (fixed effect) 모형이 사용되므로 회귀모형 (1), (2) 보다는 회귀모형 (3), (4)를 중심으로 살펴보고자 한다.

결과를 살펴보면 xi,t 변수 중에서는 암묵적 비용, 경영 비효율성, 부실채권 비율 등이 모든 모형에서 통계적으로 유의미하게 나타났다. 기존의 [9]는 NIM 결정 요인을 분석한 결과 시장지배력과 은행 경영과 관련한 운영비용, 수익 대비 비용, 암묵적 비용 등이 신용위험이나 시장금리 변동성에 비하여 경제적으로 중요하다고 분석하였는데 본 연구에서도 수익 대비 비용을 나타내는 경영 비효율성이나 암묵적 비용이 NIM 결정 요인에서 중요한 것으로 나타나 어느 정도 유사한 측면이 있 다.

본 연구에서 관심을 두고 설정한 zi,t 변수 중 P2P 대출 비중 변수의 경우 회귀모형 (1)을 제외하고는 모두 통계적으로 유의미하게 음으로 나타났다. 이는 P2P 대출 비중이 증가함에 따라 기존 은행의 NIM이 평균적으로 감소하는 것을 의미한다. 추정계수와 아울러 P2P 대출 비중 변수의 값이 2017Q4에 0.01%에서 2021년Q1에 0.52%로 증가한 점을 고려할 때, P2P 대출 비중 변수가 은행의 NIM에 미치는 영향이 경제적으로도 점차 어느 정도 의미를 가지는 것으로 보인다. 한편 zi,t 변수 중 P2P 대출 비중 변수 이외 빅테크 대출 비중, 빅테크 대출 비중 지방은행 더미, P2P 대출 비중 지방은행 더미 등의 변수에 대한 회귀계수 값은 통계적으로 유의미하게 나타나지 않았다.

회귀분석을 다양한 측면에서 살펴보고자 [표 4]에 제시된 회귀분석 이외에도 식 (1)에서 zi,t 변수 중 P2P 대출 비중 및 P2P 대출 비중 지방은행 더미를 제외하고 빅테크 대출 비중, 빅테크 대출 비중 지방은행 더미만을 사용하여 분석하여 보았다. 이 경우에는 빅테크 대출 비중 계수가 통계적으로 유의미하게 음으로 나타 났다.

결국 종합하면 빅테크 및 핀테크 기업의 은행업 진출 및 P2P 대출의 등장 등 핀테크의 발전은 대체로 기존 은행의 NIM을 감소시키는 것으로 나타난다. 이는 핀테크가 기존 은행 산업에 경쟁을 도입하여 은행 산업이 그 간에 누려오던 초과 이윤이 감소하고 소비자 후생이 증가하는 긍정적 효과가 있는 것으로 보인다. [1]의 경우에도 남미 국가를 대상으로 회귀 분석한 결과 이와 같이 핀테크가 은행의 NIM에 음의 효과를 가진다고 분석하고 있다. 한편 [5]에서 핀테크가 선도 기관과 선도 기관이 아닌 기관에 차별화된 영향을 줄 수 있다고 한 분석을 참조하여 지방은행 더미 변수를 도입하였으나 더미 변수에 대한 회귀계수 값들이 통계적으로 유의미하게 나타나지 않았다. 이에 따라 핀테크가 은행의 NIM에 미치는 효과는 영업 지역이 제한적인 지방은행의 경우에 특별히 차별화된 효과를 나타내지는 않는 것으로 보인다. 아울러 이는 단순히 전국을 영업 대상으로 하는 은행인지 아니면 특정 지역 중심으로 영업하는 은행인지에 따라 선도 기관과 선도 기관이 아닌 기관으로 구분하는 것은 어렵다는 것을 시사한다.

2. 핀테크와 은행의 신용

[2]는 전 세계적으로 구축된 핀테크와 빅테크 신용 패널 자료를 이용하여 국가별 핀테크와 빅테크 신용의 결정 요인을 분석한 결과 1인당 GDP가 높을수록, 은행의 독점력이 높을수록, 은행에 대한 규제가 강하지 않을수록 핀테크와 빅테크 신용이 증가한다고 분석하였다.

본 절에서는 이러한 연구를 원용하되, 국가별 경제 환경 차이에 따라 핀테크와 빅테크 신용이 결정되는 요인이 아니라 핀테크와 빅테크 신용이 기존 은행의 신용에 미치는 영향을 분석한다. 이를 통하여 핀테크가 기존 은행의 신용을 단순히 대체하여 구축하는 효과가 있는지 아니면 틈새시장의 발굴을 돕거나 은행 여신의 효율성을 높여 기존 은행의 신용을 촉진하는 효과가 있는지 살펴보고자 한다. 만약 핀테크가 기존 은행의 신용을 구축한다면 경제 전체적으로 핀테크에 따른 신용 증가 및 이에 따른 핀테크의 효용성이 크지 않은 반면, 반대의 경우 핀테크가 경제 전체의 신용 증가 및 금융 중개 효율화에 직간접적으로도 기여한다고 볼 수 있다.

회귀식은 [2] 및 [11] 등을 참고하여 다음과 같이 설정하였다. 회귀분석을 통하여 빅테크 및 핀테크의 발전이 기존 은행의 대출 규모에 영향을 준다는 가설을 살펴보았다.

\(\operatorname { ln } \operatorname { loan } _ { i , t } = \beta ^ { \prime } x _ { i , t - 1 } + \gamma ^ { \prime } z _ { i , t - 1 } + \mu _ { i } + \mu _ { t } + \epsilon _ { i , t }\)       (2)

lnloani,t: 로그 신용(대출채권)

xi,t-1: [2] 및 [11] 등에서 고려한 은행 신용의 결정 요인

zi,t-1: 빅테크 및 핀테크 기업의 은행업 진출 또는 P2P 대출의 등장 등에 따른 결정 요인

μi: 개별 은행 더미

μt: 시간 더미

εi,t: 교란항

여기에서 xi,t-1에는 로그 실질GDP, 인플레이션율(GDP디플레이터 기준), 이자율(국고채 3년 만기 수익률), 주택가격지수(KB주택매매가격 종합지수) 등 기본적인 거시경제 변수와 시장지배력, 부실채권 비율 등 개별 은행에 해당하는 변수들로 구성되어 있다. zi,t-1 는 로그 빅테크 대출(케이뱅크와 카카오뱅크 대출채권 합계), 로그 빅테크 대출 지방은행 더미, 로그 P2P 대출, 로그 P2P 대출 지방은행 더미로 구성되어 있다. 아울러 식 (2)에서는 내생성 문제가 나타날 수 있음을 감안하여 [2] 및 [11]에서와 같이 설명 변수의 경우 1분기 전의 값을 사용하였다.

[표 5]는 식 (2)에 따라 회귀 분석한 결과를 나타낸다. 앞서 [표 4]에서와 마찬가지로 패널 회귀분석에서는 개별 은행 더미를 포함하는 고정효과(fixed effect) 모형을 사용하는 것이 일반적이므로 회귀모형 (1), (2) 보다는 회귀모형 (3), (4)를 중심으로 설명하고자 한다.

표 5. 신용 결정요인 회귀분석

xi,t-1 변수 중에서는 시장지배력 변수가 회귀모형 (3), (4)에서 통계적으로 유의미한 양의 값을 갖는 것으로 나타났다. 이는 자산 규모가 큰 대형 은행일수록 대출 규모가 증가한다는 것을 의미한다. 이외 기존의 [2] 및 [11] 등에서 여신 결정요인으로 고려한 변수들의 경우 회귀모형 (3), (4)에서 모두 유의미하게 나타나지는 않았으며 이자율의 경우 회귀모형 (3)에서 유의미하게 음의 값을 나타내었다.

zi,t-1 변수 중에서는 로그 P2P 대출이 회귀모형 (3), (4)에서 모두 유의미하게 양의 값을 갖는 것으로 나타났다. 이에 따르면 핀테크가 기존 은행의 신용을 단순히 대체하여 구축하는 효과 보다는 은행 여신의 효율성을 직간접적으로 높여 기존 은행의 신용을 촉진하는 효과가 있는 것으로 보인다. 한편 회귀모형 (4)에서는 로그 빅테크 대출이 음의 유의미한 값을 가지는데 이는 로그 빅테크 대출이 카카오 뱅크 여신, 케이 뱅크 여신 등으로 구축되어 P2P 대출 보다는 기존 은행 여신과 보다 직접적인 경쟁관계로 인하여 일종의 구축효과가 존재할 수 있는 것으로 해석된다. 지방은행 더미변수의 경우 빅테크 대출과 P2P 대출에서 모두 유의미하게 나타나지 않았다.

회귀분석 결과의 강건성을 살펴보고자 [표 5]에 제시된 회귀분석 이외에 식 (2)에서 zi,t-1 변수 중 로그 빅테크 대출, 로그 빅테크 대출 지방은행 더미만을 사용하여 분석하여 보았다. 이 경우 로그 빅테크 대출 변수의 회귀계수가 회귀모형 (3), (4)에서 모두 통계적으로 유의미하게 양으로 나타났다. 이에 따르면 핀테크와 빅테크의 은행업 진출에 따른 대출로만 측정하더라도 핀테크의 등장은 기존 은행 신용에 대하여 구축효과 보다는 신용을 증가시키는 효과가 있는 것으로 나타난다.

결국 종합하면 핀테크는 평균적으로 기존 은행의 신용을 구축하기 보다는 금융 중개 효율화에 직간접적으로 기여함으로써 은행 신용이 증가하는 방향으로 영향을 미치는 것으로 보인다. 예컨대 기존 은행에서도 핀테크 기술을 도입하거나 핀테크 등장에 따라 보다 경쟁적으로 신용을 제공할 경우 핀테크 기술 등장에 따라 은행의 신용이 증가할 수 있다.

3. 핀테크와 저축은행의 수익성 및 신용

저축은행의 수익성과 여신 결정 요인에 대하여 유사한 분석을 실시하였다. 구축된 자료는 우리나라 79개 저축은행 자료로서 기간은 은행과 마찬가지로 빅테크 대출이 존재하는 2017Q4∼2021Q1의 14개 분기를 대상으로 한다. 한편 저축은행은 은행에 비하여 그 수가 많아 회귀분석에 있어서 다수의 자료를 이용할 수 있다는 장점이 있다.

저축은행의 수익성 결정 요인과 관련하여 은행과 마찬가지로 식 (1)에 따라 회귀 분석하였다. 단, 저축은행의 경우 금융감독원의 금융통계정보시스템에서 NIM이 제공되지 않아 ‘유사 NIM’을 ‘(이자수익-이자비용)/자산’으로 정의하고 이를 저축은행의 수익성을 나타내는 종속변수로 두었다. 다른 설명 변수는 은행의 경우와 동일한 방식으로 구축하였다.

[표 6]은 식 (1)에 따라 저축은행의 수익성 결정요인을 회귀 분석한 결과를 나타낸다. 결과를 살펴보면 xi,t 변수 중에서는 은행의 경우와 마찬가지로 암묵적 비용과 경영 비효율성이 저축은행의 유사 NIM 결정 요인으로 통계적으로 유의하게 나타났다. 아울러 영업비용, 위험기피, 신용위험 등의 설명 변수도 모든 회귀모형에서 통계적으로 유의미하게 나타났다. 고정효과(fixed effect)를 포함하고 있는 회귀모형 (3), (4)만을 보면 유동성 비율, 부실채권 비율에 대한 회귀계수도 통계적으로 유의미하게 나타났다. 이는 저축은행이 은행 보다 자료의 수가 많아 회귀분석에서 정확도가 높아진 결과로 보인다.

표 6. 저축은행 유사 NIM 결정요인 회귀분석

zi,t 변수 중에서는 은행의 경우와 마찬가지로 P2P 대출 비중 변수의 회귀계수가 회귀모형 (3), (4)에서 모두 통계적으로 유의미하게 음으로 나타났다. 이에 따라 저축은행에서도 핀테크의 발전에 따라 기존 저축은행의 수익성이 감소하는 경쟁 효과가 존재하는 것으로 보인다. 추정계수와 아울러 P2P 대출 비중 변수의 값이 2017Q4에 3.4%에서 2021년Q1에 14.7%로 증가한 점을 고려할 때, P2P 대출 비중 변수가 저축은행의 수익성에 미치는 영향은 통계적으로 뿐만 아니라 경제적으로도 의미가 있는 것으로 보인다. 회귀분석의 강건성을 살펴보기 위하여 식 (1)의 회귀분석에서 zi,t 즉, 빅테크 및 핀테크 기업의 은행업 진출 또는 P2P 대출의 등장 등에 따른 결정요인으로 빅테크 대출 비중만을 사용할 경우도 분석하여 보았는데 이 경우 빅테크 대출 비중에 대한 회귀계수 값이 통계적으로 유의미하게 음으로 나타난다. 이에 따라 핀테크의 등장으로 기존 저축은행의 수익성이 감소한다는 분석 결과는 zi,t 변수를 달리하더라도 유사하게 나타난다고 볼 수 있다.

저축은행의 신용 결정 요인과 관련하여 은행의 경우와 마찬가지로 식 (2)에 따라 회귀 분석을 실시하였다. [표 7]은 회귀분석에 따른 결과를 나타낸다. 이를 살펴보면 xi,t-1 변수 중에서는 시장지배력이 은행의 경우와 유사하게 모든 회귀모형에서 통계적으로 유의미하게 양으로 나타났다. 아울러 저축은행의 신용 결정 요인 중에서 추가적으로 로그 임직원 수에 대한 회귀계수가 통계적으로 유의미하게 양으로 나타났다.

zi,t-1 변수 중에서는 로그 빅테크 대출, 로그 P2P 대출 모두 그 추정계수 값이 통계적으로 유의미하게 나타나지는 않았다. 결과의 강건성을 살펴보고자 zi,t-1 변수 중 로그 빅테크 대출만을 사용하여 회귀분석을 실시하여 보았다. 이 경우 로그 빅테크 대출 변수의 회귀계수가 회귀모형 (3)에서 통계적으로 유의미하게 양으로 나타났다. 종합하면 핀테크의 등장이 적어도 기존 저축은행의 신용을 구축하지는 않으며 나아가서 경우에 따라서는 기존 저축은행의 신용을 증가시키는 효과가 있을 가능성을 시사한다.

표 7. 저축은행 신용 결정요인 회귀분석

Ⅳ. 맺음말

글로벌 금융위기 이후 전 세계적인 금융 혁신과 개혁의 흐름에 따라 핀테크가 등장하면서 금융 산업에 커다란 변화가 예상된다. 핀테크는 새로운 컴퓨터 정보통신 기술과 금융이 결합됨으로써 금융 산업에 있어서 비용 절감, 틈새시장 개발, 맞춤형 서비스 제공 등에 효과적으로 활용될 것으로 기대된다.

본 연구에서는 이러한 핀테크의 등장이 우리나라 금융 산업에 미치는 영향을 자료와 실증분석을 통하여 살펴보았다. 이를 위해 먼저 빅테크와 핀테크 기업의 은행업 진출 현황, P2P 대출 현황을 중심으로 핀테크의 등장 추이를 살펴보았다. 아울러 신용 공급에서 중추적인 역할을 하는 은행과 저축은행을 대상으로 핀테크가 이들 금융 산업에 미치는 영향을 패널자료를 이용한 실증분석을 통하여 파악하였다. 핀테크가 원칙적으로 금융 산업의 효율성 및 생산성에 긍정적인 영향을 미칠 것으로 예상되지만 실제로 기대되는 긍정적 효과가 존재하는지 여부 및 그 크기는 실증분석을 통하여 정량적으로 파악할 수 있다.

핀테크가 은행의 수익성과 신용 공급에 미치는 영향을 분석한 결과, 은행 산업의 경우 핀테크 등장에 따라 기존 은행에서 수익성 지표인 NIM이 감소하고 여신이 증가하는 것으로 나타났다. 이러한 결과는 핀테크의 등장에 따른 경쟁 촉진으로 인하여 은행 산업에서 독점력이 감소하고 혁신 및 효율성이 증가한 결과로 해석되며 금융 소비자에게 바람직한 결과로 보인다. 저축은행에 대해서도 유사한 분석을 실시한 결과 수익성 지표인 유사 NIM이 감소하는 것으로 나타났다. 저축은행 여신의 경우에는 핀테크가 여신을 변화시킨다는 뚜렷한 분석 결과가 나타나지 않았다. 저축은행의 경우 은행 보다 좀 더 관계형 금융(relationship banking)의 형태를 가지고 있어 핀테크의 발전이 저축은행 여신 변화에 미치는 영향이 아직 크지 않은 것으로 해석된다. 종합하면 우리나라의 경우 핀테크의 등장이 은행 및 저축은행 산업의 경쟁 촉진 및 혁신에 긍정적인 역할을 하는 것으로 보인다.

한편 핀테크가 이처럼 금융 소비자들에게 전체적으로 편익을 가져오더라도 기존 금융 기관의 입장에서는 경쟁 심화에 따른 수익성 감소 등의 어려움을 겪을 가능성이 높으므로 이에 대하여 효과적인 대비가 필요할 것으로 보인다. 자본이 충분하지 않은 핀테크 기업의 경우에는 기존 금융회사와 경쟁하기보다는 협력을 통해 상호 보완적인 기능을 수행할 가능성이 있지만, 빅테크 기업의 경우에는 플랫폼을 기반으로 하는 서비스 경험과 우수한 기술력, 두터운 고객층을 활용하여 기존의 금융회사와 경쟁할 가능성이 있다.

예컨대 케이뱅크, 카카오뱅크, 토스뱅크 등 인터넷전문은행 설립은 고신용자에 대한 은행 중심의 저금리 대출과 중신용·저신용자들에 대한 저축은행, 대부업계 중심의 고금리 대출로 양극화된 대출 시장에서 중신용자에 대한 중금리 대출을 활성화하겠다는 목표를 가지고 있다. 인터넷전문은행이 이러한 목표에 부합하고자 현재는 신용대출을 주로 하고 있으나 점차 주택담보대출 등 기존 은행의 핵심 대출 영역으로 사업 범위를 확장할 경우 인터넷전문은행과 기존 은행 사이에 경쟁이 보다 심화될 가능성이 존재한다. 또한 핀테크 도입에 있어서도 기존의 금융기관은 상대적으로 속도가 느린 의사결정 구조, 경직된 내부 통제, SNS 등으로부터 얻는 연성정보(soft information) 활용에 있어서 적극성 결여 등으로 핀테크 기술을 내부적으로 발전시키는 데 많은 비용이 소요되거나 어려움을 겪을 가능성이 있으며, 핀테크 기술을 외부로부터 도입할 경우에도 이에 따른 핀테크 투자비용 부담이 커질 가능성이 있다. 결국 기존 금융기관은 핀테크 등장에 따른 이와 같은 다양한 어려움을 인지하고 금융권역별 공동 대응 및 핀테크 기업과의 제휴 등 다각도의 노력을 기울여 적극적 생존 전략을 모색할 것을 기대한다.

본 연구는 최근 핀테크 자료를 얻을 수 있는 다소 짧은 기간을 대상으로 분석하였는데 향후 시간의 흐름에 따라 많은 자료가 축적되면 이를 활용하여 한층 깊이 있는 연구를 진행할 필요가 있다.

References

  1. S. Tambunlertchai, P. Bejar, K. Ishi, T. Komatsuzaki, I. Shibata, and J. Sin, "Can Fintech Foster Competition in the Banking System in Latin America and the Caribbean?," IMF Working Paper, No.21-114, 2021.
  2. G. Cornelli, J. Frost, L. Gambacorta, R. Rau, R. Wardrop, and T. Ziegler, "Fintech and big tech credit: a new database," BIS working paper, No.887, 2020.
  3. A. Demir, V. Pesque-cela, Y. Altunbas, and V. Murinde, "Fintech, Financial Inclusion and Income Inequality: A Quantile Regression Approach," The European Journal of Finance, Vol.28, No.1, pp.86-107, 2022. https://doi.org/10.1080/1351847X.2020.1772335
  4. B. L. Del Gaudio, C. Porzio, G. Sampagnaro, and V. Verdoliva, "How Do Mobile, Internet and ICT Diffusion Affect the Banking Industry?," An Empirical Analysis, European Management Journal, Vol.39, No.3, pp.327-332, 2021.
  5. M. A. Chen, Q. Wu, and B. Yang, "How Valuable Is Fintech Innovation?," The Review of Financial Studies, Vol.32, No.5, pp.2062-2106, 2019. https://doi.org/10.1093/rfs/hhy130
  6. W. Jiang, Y. Tang, R. Xiao, and V. Yao, "Surviving the Fintech Disruption," NBER Working Paper, No.28668, 2021.
  7. 박창균, 연태훈, "은행의 순이자마진 결정요인에 관한 연구," 경제분석, 제15권, 제2호, pp.137-166, 2009.
  8. www.midrate.co.kr
  9. J. Maudos and J. F. de Guevara, "Factors Explaining the Interest Margin in the Banking Sectors of the European Union," Journal of Banking and Finance, Vol.28, No.9, pp.2259-2281, 2004. https://doi.org/10.1016/j.jbankfin.2003.09.004
  10. T. Ho and A. Saunders, "The Determinants of Banks Interest Margins: Theory and Empirical Evidence," Journal of Financial and Quantitative Analysis, Vol.16, No.4, pp.581-600, 1981. https://doi.org/10.2307/2330377
  11. J. M. Berrospide and R. M. Edge, "The Effects of Bank Capital on Lending: What Do We Know, and What Does It Mean?," International Journal of Central Banking, Vol.6, No.4, pp.5-54, 2010.