Jonghyun Ho

경기 선행 지수와 코스피 지수

경기 선행 지수의 추세 방향을 알면 경제의 순환 구조를 이해할 수 있을까?

이는 주가에 어떤 영향을 미치는지 확인해보려고 한다.

경기 선행 지수

경기 선행 지수는 각 국가별, 지역별로 6~9개월 뒤 경기흐름을 예측하는 지수로, 개별 국가 및 지역의 경기 전환점 예측을 위해 이용된다.

OECD와 통계청에서 경기 선행 지수를 발표하고 있는데, 각 기관에서 산출하는 계산 방식에는 약간의 차이가 있다.

통계청 경기 선행 지수의 경우 총 9개의 변수(구인구직비율, 재고순환지표, 소비자기대지수, 기계류 내수출하지수, 건설수주액, 코스피지수, 장단기금리차, 원자재지수, 수출입물가비율)를 이용하는 반면, OECD 경기 선행 지수에서 우리나라 지수는 6개의 변수(업황, 코스피 지수, 재고순환지표, 재고량, 장단기 금리차(3년물-1일물 금리), 순교역조건)만을 이용하고 있다.

통계청에서 발표하는 경기선행지수는 현재 8월 기준으로 최신 데이터는 6월이다. 이는 2개월 전의 데이터로 활용성이 다소 떨어진다.

OECD 에서 발표하는 경기 선행 지수는 현재 7월까지 정보가 업데이트 되어 있어 활용성이 상대적으로 높다.

이러한 이유로 OECD의 산출 데이터를 활용하려고 한다.

출처

경기 선행 지수 데이터 얻기

필요한 라이브러리를 선언한다.

from datetime import datetime
import requests
import json
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
import yfinance as yf

plt.rcParams["figure.figsize"] = (10, 5)
plt.rcParams['lines.linewidth'] = 1
plt.rcParams['lines.color'] = 'b'

getCLI 함수는 OECD 에서 json 포맷의 경기 선행 지수 데이터를 얻을 수 있다.

country 코드는 한국의 경우 KOR, 미국의 경우 USA 를 입력으로 받는다.

# Composite Leading Indicator
# https://data.oecd.org/leadind/composite-leading-indicator-cli.htm
def getCLI(country):
    uri = 'https://stats.oecd.org/sdmx-json/data/DP_LIVE/' + country + '.CLI.AMPLITUD.LTRENDIDX.M/OECD?json-lang=en&dimensionAtObservation=allDimensions&startPeriod=2005-01&endPeriod=2020-12'
    resp = requests.get(uri)
    result = json.loads(resp.text)

    dates = []
    cli = []
    cli_code = 'CLI.' + country

    observations = result['dataSets'][0]['observations']
    for key in observations:
        obs = observations[key][0]
        cli.append(obs)

    time_period = result['structure']['dimensions']['observation'][5]['values']
    for date in time_period:
        date = date['id']
        year = int(date[:4])
        month = int(date[5:7])
        dates.append(datetime(year=year, month=month, day=1))

    df = pd.DataFrame(data=cli, index=dates, columns=[cli_code])
    return df

주가 데이터 얻을 수 있는 함수

경기 선행 지수와의 비교를 얻기 위해 주가 데이터를 얻는다.

def GetYahooFinance(name, code):
    ticker = yf.Ticker(code)
    ticker = ticker.history(period='16y')
    ticker = ticker[['Close']]
    ticker.rename(columns={'Close': name}, inplace=True)
    return ticker

경기 선행 지수와 주가 지수의 비교, 시각화

한국과 미국 두 데이터를 함께 살펴본다.

code_names = [('KOR', 'Kospi', '^KS11'),
              ('USA', 'Nasdaq', '^DJI')]

경기 선행 지수와 주가 데이터를 얻어 하나의 데이터 프레임으로 합친다.

for country_code, yf_name, yf_code in code_names:
    cli_code = 'CLI.' + country_code
    cli = getCLI(country_code)

    ticker = GetYahooFinance(yf_name, yf_code)

    df = pd.concat([cli[cli_code], ticker[yf_name]], axis=1)
    df = df.interpolate(limit_direction='backward')

그래프로 시각화를 하는데 좌 축은 경기 선행 지수를, 우 축은 주가 정보를 표시하였다.

    fig = plt.figure()
    ax = fig.add_subplot(111)
    df[cli_code].plot(ax=ax)
    ax2 = ax.twinx()
    df[yf_name].plot(ax=ax2, color='orangered')
    fig.legend(loc="upper left", bbox_to_anchor=(0, 1), bbox_transform=ax.transAxes)

gradient 변수에 경기 선행 지수의 기울기를 저장한다.

투자의 관점에서 주의해야 할 구간을 표시하기 위해 warnings 변수에는 지수의 기울기가 감소하는 구간만 저장하였다.

    gradient = np.gradient(df[cli_code])
    warnings = pd.Series(gradient < 0, index=df.index)

warnings로 계산된 영역을 계산하여 그래프에 회색 음영처리를 하였다.

    range_list = []
    prev_val = False
    for index, value in warnings.iteritems():
        if prev_val != value:
            if value:
                begin = index
            else:
                range_list.append((begin, index))

        prev_inx = index
        prev_val = value

    for (begin, end) in range_list:
        plt.axvspan(begin, end, color='gray', alpha=0.3)

    plt.grid()
    plt.show()

아래는 한국의 경기 선행 지수 와 코스피 지수를 함께 시각화 한 결과이다.

CLI and Kospi

또한, 미국의 경기 선행 지수 와 나스닥 지수를 함께 표시한 결과이다.

CLI and Nasdaq

위의 그래프에서 살펴보면 경기 선행 지수의 기울기가 상승하면서 하락으로 기울기가 전환되는 지점(음영 처리된 구간) 이후에는 주가도 함께 하락하는 경향을 확인할 수 있었다.

하지만 코스피의 2010년과 나스닥의 2019년의 경우를 보면 선행 지수가 감소하기 시작한 이후에도 1년 이상 주가는 상승하는 모습을 보이는 경우도 있었기 때문에, 100% 일치한다고 볼 수는 없지만 주의의 관점에서 지켜볼 필요는 있을 것 같다.

결론

이 지수에는 두 가지 함정이 있는 것으로 보인다.

첫번째는 선행 지수인데 이 수치에 대한 발표가 한두달 늦어진다는 점이어서 선행이라는 점의 메리트가 떨어지는 것 같다.

그럼에도 불구하고, 이 축을 한달 정도 미루어 이동해서 보아도 어느 정도 위의 규칙은 성립하는 것으로 보인다.

두번째는 경기 선행 지수 자체에 코스피 지수 정보를 포함하고 있다는 점이다. 그래서 함께 움직일 수 밖에 없는 것이다.

OECD 경기 선행 지수에서 우리나라 지수는 6개의 변수(업황, 코스피 지수, 재고순환지표, 재고량, 장단기 금리차(3년물-1일물 금리), 순교역조건)만을 이용하고 있다.

그렇기에 장단기 금리차와 같은 지표를 별도로 분리해서 확인해 볼 필요도 있을 것 같다.

최근 지표에서는 경기 선행 지수의 하락은 코로나 바이러스 확산 때문이 아니라 그 이전부터 진행이 되어오고 있었고, 2019년 후반부터 현재까지 다시 상승하고 있는 추세이다.

아직 지표가 상승 전환한 초반인데 반해 주가 상승폭이 높아서 방향성은 일치하지만 두 수치가 어떠한 형태로 수렴하게 될 지 궁금해지는 시점이다.

Written on August 18th, 2020 by Jonghyun Ho
Feel free to share!

You may also enjoy:

comments powered by Disqus
comments powered by Disqus