주택가격 상승기의 부동산 규제정책이 투자심리와 주택가격에 미치는 영향^*:

투자심리의 개략적 정의는 투자자가 미래의 현금흐름이나 투자위험 등에 대해 명확한 근거 없이 가지는 믿음(Baker and Wurgler, 2007)이나 낙관주의적 또는 비관주의적 분위기(Thaler, 2015)이다. 행동경제학에 따르면, 사람들은 미래 불확실성이 높고, 정보 비대칭성이 있는 상황에서 사람들이 펀더멘탈을 고려해 합리적인 의사결정을 하기보다는 투자심리에 따라 의사결정하게 된다(Akerlof and Shiller, 2009). Case and Shiller (2003)는 주택가격을 구매하는 사람들은 주택가격이 지속적으로 상승할 것이라는 과장된 기대를 갖고 있다는 것을 발견했다.

Shiller(2002)는 투자심리와 주택가격의 상호작용으로 버블(bubble)과 같이 주택가격이 지속적으로 상승하는 현상을 설명한다. 가격이 상승하면 투자심리가 증가하고, 그에 따라 수요가 증가하게 되면서 또다시 가격이 상승하는 피드백 매커니즘(feedback mechanism)에 의해 버블이 발생한다는 것이다. Shiller(2002)는 피드백 매커니즘이 지속되는 이유, 즉, 투자심리가 낮아지지 않는 현상을 Phillips and Edwards(1966)의 보수성 편향(conservatism bias)으로 설명한다. 보수성 편향 이론에 따르면, 사람들은 초기에 믿음을 형성할 때에는 유용한 정보가 아닐지라도 과신(overconfident)하게 되며, 자신의 기존 생각을 변경할 새로운 증거가 제시되는 경우에는 매우 조금씩 수정하는 과소 반응(underreaction)이 나타난다.

하지만, 투자심리와 주택가격의 관계에 대한 실증연구에서는 엇갈린 결과가 도출된다. 투자심리와 주택가격 사이에 관련성이 나타난다고 주장하는 연구도 있지만(박천규·김태환, 2015; 조태진, 2014; Soo, 2018; Weber and Devaney, 1996), 관련성이 나타나지 않는다는 결과가 도출된 연구도 있다(서정석 외, 2021; 임재만·임미화, 2016; Dua and Smyth, 1995; Goodman, 1994). 이러한 문제에 대해 Zhou(2018a)와 Zhu et al.(2023)은 보다 정확한 투자심리 측정 방법을 개발할 필요가 있다고 주장한다.

일반적으로 투자심리를 측정하는 방법은 크게 세 가지로 구분된다. 첫 번째는 시장자료(market data)를 분석하는 것이고, 두 번째는 설문조사(survey data)를 하는 것이다. 마지막 방법은 텍스트 자료(text data)를 분석하는 것이다(Zhou, 2018a). 시장자료를 이용하는 방법은 Baker and Wurgler(2006)의 투자심리지수가 제시된 이후, 주식시장의 투자심리 측정에서 빈번히 사용되고 있다. 하지만, 시장자료는 펀더멘탈에 의해 영향을 받기 때문에 시장자료를 이용하는 방법으로는 투자심리를 정확하기 측정하기 어려우며(Da et al., 2015), 주택시장의 경우 주식시장에 비해 시장자료가 충분하지 못하다는 한계가 있다.

우리나라의 경우 국토연구원에서 2011년부터 일반 소비자와 중개업소를 대상으로 매월 설문조사를 통해 투자심리를 측정하여 발표한다. 이에 박천규·김태환(2015), 임재만·임미화(2016), Chun(2017) 등 여러 연구에서는 국토연구원에서 발표한 부동산시장 소비심리지수를 분석에 이용했다.⁵⁾ 하지만, 주택매매시장 소비심리지수가 주택가격을 설명하지 못하는 것으로 나타난 임재만·임미화(2016)의 연구결과에서 볼 수 있듯이, 설문조사 결과는 편향될 가능성이 있다(Baker and Wurgler, 2007; Da et al., 2015). 또한, 투자심리를 미래가격기대(housing expectations), 시장상황(housing market conditions), 주택소유욕구(homeownership aspirations)로 구분하여 측정한 The U.S Housing Confidence Survey를 제외한, 대부분의 설문조사에서는 투자심리를 단일차원으로 측정하고 있다.

최근에는 텍스트 분석을 사용해 투자심리를 측정하는 연구가 많이 진행되고 있다. 초기에는 언론매체가 대중의 관심을 불러일으켜 시장가격의 변동을 촉발한다는 Shiller(2015)의 주장에 근거하여 신문기사의 빈도나 긍부정 정도를 수치화하여 투자심리지수를 구축하는 연구가 대부분이었으며(박재수·이재수, 2019; 서정석 외, 2021; Soo, 2018; Walker, 2014), 최근에는 온라인커뮤니티의 텍스트를 분석하여 투자심리를 측정하는연구가 나타나고 있다(허선영 외, 2019; Zhu et al., 2023). 신문기사는 기자가 작성하기 때문에 기자의 생각 또는 기자에 의해 해석된 사람들의 생각이 담겨있지만, 온라인 커뮤니티 텍스트는 일반대중의 자발적 행동에 의해 생성된다. 따라서 온라인 커뮤니티 텍스트에는 일반대중의 다양한 주제에 대한 생각이 담겨있으며, 이를 분석하면 다차원으로 투자심리를 측정할 수 있는 가능성이 있다. 실제로 Zhu et al.(2023)은 시나 웨이보(sina weibo)의 텍스트를 딥러닝 모델인 장단기 메모리(long short term memory, LSTM)를 이용해 텍스트를 과거에 대한 생각과 미래에 대한 생각으로 구분한 뒤, 긍부정에 따라 텍스트를 구분하여 투자심리 지수를 산정했다. 이를 통해 투자심리지수를 과거에 대한 투자심리와 미래에 대한 투자심리로 구분하여 도출했다.

우리나라의 경우 허선영 외(2019)가 다음 아고라의 게시글을 긍부정 정도를 지수화하여 투자심리를 측정했지만, 텍스트 수집 기간이 7개월로 다소 짧다는 한계가 있다.

시장변동성(market volatility)은 효율적시장가설에서 주장하는 내재가치와 실제가격의 차이가 나타나는 현상을 뜻한다(William Schwert, 1990). 물가상승률과 같은 지수의 변화 정도에 비해 자산의 실제가격이 더 크게 변화한다면, 시장변동성이 크다고 볼 수 있으며, 보통 시장변동성이 과도하게 커질때 버블이 발생했다고 부른다(Shiller, 1990; William Schwert, 1990). 정부의 정책 목표 중 하나는 시장변동성의 크기가 과도하게 커지는 것을 막는 것이며, 이러한 목표는 흔히 가격 안정화라고 불린다(Taylor, 2007). 이에 정책이 실제로 가격 안정화에 효과 있었는지 실증하는 연구가 진행되었다.

우선, 미국에서는 주로 통화정책이나 세금제도의 주택가격 또는 시장 안정화 효과를 분석했다. 여러 연구에서 공통적으로 긴축 통화 정책을 시행하면, 주택가격이 낮아지거나 시장 안정화 효과가 나타났다(Boeckx et al., 2014; Chou and Chen, 2014; Claus et al., 2016; Demary, 2010; Vargas-Silva, 2008).

중국에서 진행된 연구에서는 주로 부동산 규제를 강화하는 정책이 시행될 경우 주택가격 안정화 효과가 나타나는지 분석했다. 공통적으로 부동산 거래를 규제한 정책이 효과 있었다는 결론을 제시한다(Du and Zhang, 2015; Sun et al., 2017; Zhang et al., 2017).

미국이나 중국의 연구와 달리, 우리나라 정책에 관한 연구에서는 정책에 따른 주택가격 안정화 효과가 크지 않은 것으로 나타난다. 우선 대부분의 연구는 부동산정책이 주택가격 변화에 따라 대응하는 형태로 수립되고 있다고 지적한다. 부동산정책과 주택가격에 대하여 그레인저 인과관계 검정(granger causality test)을 한 연구에서는 주택가격이 부동산정책의 그레인저 원인으로 나타나 났다(김문성·배형, 2013; 서수복, 2008; 이우민 외, 2019; 조수희·정재호, 2007; 함종영·손재영, 2012). 이는 부동산정책 규제가 선제적으로 이루어지기 보다는 주택가격의 변화에 뒤따르는 양상이 나타난다는 것을 뜻한다. 이에 함종영·손재영(2012)은 부동산정책을 외생변수로 보는 것은 바람직하지 않다고 주장한다. 부동산정책의 효과를 지역별로 구분하여 분석한 이우민 외(2019)의 연구에서는 주택가격에 유의미한 영향이 나타난 지역은 서울 동북권 일부에 한정되었고, 대체로 주택가격 변화에 따라 부동산정책이 수립된다는 결과를 도출했다.

부동산정책의 주택가격 안정화 효과를 분석한 연구에서는 규제강화 정책은 효과가 없으며, 규제를 완화하는 정책은 효과가 있다는 결과를 제시한다. 김문성·배형(2013)의 연구에서 과거 주택가격이 급격하게 상승했던 2003년 1월에서 2008년 7월 사이에 발표된 규제 강화정책은 주택가격을 상승시키는 효과가 나타났으며, 이후 주택경기가 침체된 시기에 규제완화 정책은 주택가격을 상승시키는 효과가 나타났다. 곽승준·이주석(2006)의 연구에서는 2001년 이후 정부의 주택가격 안정 정책 중에서 2003년 10.29 부동산안정대책을 제외하면 주택시장 안정화에 크게 기여하지 못하는 것으로 나타났다. 배종찬·정재호(2021)의 연구에서는 투기지역지정이 주택가격을 상승시키는 효과를 야기하는 것으로 나타났다.

최근에는 행동경제학의 관점에서 정책의 효과를 분석할 때, 투자심리를 고려하는 연구가 나타나고 있다. 투자자에게 정책은 일종의 정보이기 때문에 정책에 의해 투자심리는 변화할 수 있기 때문이다(Barberis et al., 1998). 하지만, 투자심리와 주택가격에 관한 연구에서와 같이 정책과 투자심리의 관계에 대한 실증연구에서도 엇갈린 결과가 나타난다. Cho and Francis(2011)와 Floetotto et al.(2016)은 적절한 세금 제도가 주택소유욕구를 높일 수 있다고 주장했으며, 김동환 외(2023)는 공급확대정책에 의해 투자심리가 낮아지는 효과가 나타난다는 연구결과를 도출했다. Zhang et al.(2021)의 연구에서는 거래규제정책이 인접지역에 대한 사람들의 투자심리를 자극하는 것으로 나타났다. 하지만, 박정열(2021)의 연구에서는 종합부동산세 인상과 투자심리 사이에 관련성이 나타나지 않았다. 이는 정책과 투자심리의 관계는 정책의 유형에 따라 달라질 수 있다는 것을 뜻한다.

투자심리를 고려하여 정책의 효과를 검증한 실증연구에서도 다소 엇갈린 결과가 도출된다. Caraiani et al.(2022)의 연구에서는 투자심리가 높을 때 시행된 긴축통화정책에 의해 주택가격 상승이 크게 낮아지는 효과가 나타났다. 이러한 결과가 나타난 이유에 대해 Caraiani et al. (2022)은 긴축통화정책이 투자심리를 낮추기 때문이라고 추정했다. 하지만, Kurov(2010)의 연구에서는 통화정책의 효과가 강세장보다 약세장에서 더 크게 나타났으며, Zhou(2018b)의 연구에서는 정부규제 효과가 투자심리가 높은 시기에 낮아지는 것으로 나타났다. Zhou(2018b)는 정책의 효과가 낮게 나타난 이유에 대해 정부의 개입이 투자심리를 낮추지 못했기 때문일 것이라고 추정했다.

이 연구는 부동산정책 충격에 따른 투자심리의 반응에 따라 주택가격 안정화 효과에 차이가 나타나는지 분석한다. 이를 위해 부동산정책을 유형별로 구분하여 지수화하였으며, 부동산 관련 온라인 커뮤니티에 대한 텍스트를 분석하여 투자심리를 다차원으로 측정했다. 기존 선행연구에서는 특정 유형의 부동산정책만 고려하거나, 단일차원으로 측정된 투자심리를 분석에 사용했다.

이를 통해 부동산정책, 투자심리, 주택가격이 서로 어떻게 영향을 주고 받는지에 대해 보다 세밀하게 분석할 수 있다는 점에서 연구의 차별성이 있다.

이 연구에서는 서울특별시(이하 ‘서울’이라고 한다.)를 대상지로 선택했다. 우리나라의 주택가격이 급격하게 상승하는 현상이 나타날 때, 일반적으로 서울이 가장 먼저 상승하고, 수도권 등 주변 지역이 따라서 상승하는 현상이 나타나며, 주택가격이 상승하는 크기도 대체로 서울이 가장 크다(이창무, 2020). 따라서 언론매체나 사람들은 서울의 주택가격에 주목하게 되며, 정부에서도 서울 주택가격 변화를 고려하여 부동산정책을 수립하게 된다(이창무, 2020; 함종영·손재영, 2012). 따라서 주택가격에 대한 텍스트 자료를 살펴보면 서울에 대한 내용이 가장 많을 것으로 예상되며, 자료의 수집도 타 지역을 대상으로 하는 것에 비해 상대적으로 쉬울 것이다. 2021년 기준으로 서울시에는 4,479개의 공동주택⁶⁾ 단지가 있으며, 공동주택에서 1,716,597세대가 거주하고 있다(서울특별시, 2021). 시간적 범위는 주택가격이 급격하게 상승한 시기를 고려하여 2017년 1월부터 2021년 12월으로 설정했으며,⁷⁾ 주택가격 데이터를 고려하여 월 단위로 시계열 자료를 구축했다.

이 연구의 분석자료는 <표 1>과 같다. 주택가격에 대한 변수는 한국부동산원에서 발표하는 아파트 매매 실거래가격지수를 사용했다.

부동산정책을 지수화하기 위해 우선, 2017년 1월부터 2021년 12월 사이에 총 28회 발표된 부동산정책에 대한 보도자료를 수집했다. 그리고, <표 2>와 같이 함종영·손재영(2012)의 연구를 참고하여 발표된 부동산 대책을 ‘조세제도’, ‘금융규제’, ‘개발규제’, ‘거래규제’로 구분했다. 부동산정책의 유형에 따라 관련성이 나타나는 투자심리가 달라질 수 있기 때문이다. 이 기준에 따라 부동산정책의 수단이 규제강화에 해당하면 +1을 하고, 규제완화에 해당하면 ‒1을 했다. 이 시기에는 지속적으로 규제를 강화하는 방향으로 정책이 발표되었기 때문에 <그림 1>과 같이 각 부동산정책 유형에 대한 지수값은 감소하지 않고, 지속적으로 상승하는 형태로 나타났다.

그림 1. 분석자료 추세

Download Original Figure

투자심리는 텍스트 분석방법을 이용해 측정했다. 먼저, 부동산 관련 온라인 커뮤니티의 서울시 25개 구별 게시판에서 2017년 1월부터 2022년 9월 사이에 작성된 게시글의 제목과 댓글을 수집하고, 전처리했다. 수집된 텍스트 중에서, 부동산시장과 관련되지 않은 텍스트를 제거하기 위해, 두 가지 방법으로 텍스트를 분류한 뒤, 지수화했다.

첫 번째 방법은 선행연구에서 제시된 투자심리 정의인 ‘미래가격 기대 및 시장상황’과 ‘주택소유욕구’로 텍스트를 분류하는 것으로 지도학습(supervised learning)에 해당한다. 각 주제에 대한 라벨링 데이터를 구축한 뒤, 프리트레이닝된 KoBERT(Korean bidirectional encoder representations from transformer) 모델을 파인튜닝하여 텍스트를 분류했다. 두 번째 방법은 비지도학습(unsupervised learning)에 해당하는 LDA(latent dirichlet allocation)를 사용해 주제를 탐색적으로 도출하는 것이다. 결과적으로 LDA를 통해 ‘시장동향’, ‘매매추천’, ‘정치’, ‘재건축 및 리모델링’, ‘계약’, ‘금융세제’, ‘정비사업’, ‘분양’, ‘교통환경’, ‘교육환경’, ‘단지환경’, ‘근린환경’, ‘아파트품질’, ‘커뮤니티가십’이 주제로 도출되었고, 텍스트는 도출된 주제 중 하나로 분류되었다. 각 주제로 분류된 텍스트는 두 가지 방법으로 지수화했다. 각 주제에 대한 관심의 정도를 나타내기 위해 1개월 동안 작성된 댓글 수의 합을 산정하고, 관심지수로 명명했다. 각 주제에 대한 긍부정 정도를 나타내기 위해 1개월 동안 작성된 댓글의 긍부정 점수 합을 산정하고, 감성지수로 명명했다.⁸⁾ 이를 통해 16개 관심지수와 16개 감성지수가 도출된다.

마지막으로 주택가격과 관련성이 나타나는 관심지수와 감성지수를 도출하기 위해 그레인저 인과관계 검정을 사용했다. 최종적으로 도출된 투자심리지수는 주택가격과 양방향 그레인저 인과관계가 나타난 6개 관심지수(‘미래가격 기대 및 시장상황’, ‘주택소유욕구’, ‘시장동향’, ‘매매추천’, ‘정치’, ‘재건축 및 리모델링’)와 3개 감성지수(‘미래가격 기대 및 시장상황’,‘매매추천’, ‘정치’)이다(<부록 1> 참조).

이 연구에서 사용된 분석방법은 벡터자기회귀모형이다. 벡터자기회귀모형은 모형이 단순하면서, 변수의 자기상관을 고려할 수 있으며, 변수의 동태적 관계에 대한 이론이 없이 시계열 자료에 기초하여 예측을 할 수 있다는 장점이 있다(박승록, 2020).

벡터자기회귀모형의 변수로 고려되는 시계열 자료는 안정적이어야 한다. 분산을 일정하게 하기 위해 ‘서울시 아파트 매매 실거래가격지수’와 ‘재건축 및 리모델링’에 log를 취했다. 단위근 검정을 위해 ADF(augmented dickey-fuller) 검정을 시행한 결과 <표 3>과 같이 ‘미래가격기대 및 시장상황(관심지수)’, ‘주택소유욕구(관심지수)’, ‘시장동향(관심지수)’, ‘매매추천(관심지수)’, ‘정치(관심지수)’, ‘미래가격기대 및 시장상황(감성지수)’, ‘매매추천(감성지수)’, ‘정치(감성지수)’는 안정적인 것으로 나타났으며, ‘서울시 아파트 매매 실거래가격지수’, ‘조세제도’, ‘금융규제’, ‘개발규제’, ‘재건축 및 리모델링(관심지수)’은 1차 차분하였을 때 시계열 자료가 안정적인 것으로 나타났다.

단위근이 존재하는 것으로 나타난 주택가격과 부동산정책에 대한 변수에 대해 공적분 검정을 수행했다.⁹⁾ 차분한 시계열 자료를 이용해 분석하는 경우에는 장기적 관계에 대한 정보가 사라지기 때문이다(박승록, 2020). 요한슨 공적분 검정 결과 주택가격과 ‘조세제도’, 주택가격과 ‘금융규제’, 주택가격과 ‘개발규제’의 경우 공적분이 존재하지 않는 것으로 나타났으며(<부록 2> 참조), 주택가격과 ‘거래규제’의 경우 요한슨 공적분 검정에서는 공적분 관계가 있는 것으로 나타났지만, Engle and Granger, Phillips and Ouliaris 방법에서는 공적분이 존재하지 않는 것으로 나타났다(<부록 3> 참조). 대부분의 공적분 검정 방법은 소규모 샘플에서 검정력이 낮기 때문에, 이 연구에서는 공적분 관계가 없는 것으로 판단했다(신석하, 2014).

그레인저 인과관계 검정과 선행연구를 고려해 최종적으로 모형에 반영할 변수의 순서를 결정하고,¹⁰⁾ 잔차의 자기상관과 적정시차검정을 통해 시차를 결정했다. 마지막으로 추정된 모형에 대한 충격반응함수 분석을 통해 각 변수의 충격에 대한 반응을 분석했다.

1차 차분한 시계열 자료를 이용해 벡터자기회귀모형을 추정했기 때문에, 이 연구는 변수 사이의 단기적 관계에 관한 것이라 볼 수 있다.