시장 유동성 분석

유동성은 자산을 손실 없이 신속하게 현금으로 전환할 수 있는 용이성을 의미한다. 금융 시장에서의 유동성은 특정 금융 상품을 얼마나 쉽고 빠르게 매매할 수 있는지를 나타내는 시장의 기능적 특성이다. 높은 유동성은 거래 비용을 낮추고 가격 발견 기능을 원활하게 하며, 시장의 안정성에 기여한다.

시장 유동성은 일반적으로 세 가지 핵심 구성 요소로 분석된다. 첫째는 거래비용으로, 주로 매수 호가와 매도 호가 사이의 호가스프레드로 측정된다. 둘째는 시장충격도 또는 가격 영향도로, 대량 주문이 시장 가격에 미치는 영향을 의미한다. 셋째는 시장탄력성으로, 가격 변동 후 원래 수준으로 회복되는 속도를 가리킨다. 이 세 요소는 서로 연관되어 있으며, 종합적으로 시장의 유동성 수준을 결정한다.

유동성의 구성 요소를 정리하면 다음과 같다.

이러한 구성 요소들은 절대적이지 않고 상대적이며, 시장 상황, 거래되는 자산의 종류, 참여자의 행동에 따라 동적으로 변화한다. 예를 들어, 주식 시장과 채권 시장은 구조적 차이로 인해 유동성의 구성 요소가 다르게 나타난다.

유동성은 금융 시스템이 효율적으로 기능하는 데 필수적인 기름과 같은 역할을 한다. 금융 시스템의 핵심 기능은 자금을 저축자로부터 투자자에게 원활하게 중개하는 것이다. 충분한 유동성이 존재할 때, 자산은 적정 가격에 쉽게 매매될 수 있으며, 이는 자본의 효율적 배분을 가능하게 한다. 반대로 유동성이 부족한 시장에서는 거래 체결이 어렵고 가격 변동성이 커져 자원 배분의 왜곡을 초래한다.

금융 시스템의 안정성 유지에도 유동성은 결정적이다. 유동성 위기는 금융 위기의 핵심적인 전파 경로로 작용한다. 한 기관의 유동성 문제는 자산 매각 압박으로 이어지고, 이는 자산 가격 하락을 유발하여 다른 기관의 재무 상태를 악화시키는 악순환을 낳는다. 2008년 글로벌 금융 위기는 유동성의 갑작스런 증발이 신용 경색과 시장 붕괴로 어떻게 이어지는지를 보여주는 대표적 사례이다. 따라서 중앙은행은 최종 대부자로서 시장에 유동성을 공급하는 조치를 통해 시스템 전체의 붕괴를 막는 역할을 수행한다.

또한, 유동성은 금융 기관의 일상적 위험 관리와 수익 창출의 기반이 된다. 은행은 예금과 대출의 만기 불일치를 관리하고, 자산 관리 회사는 고객의 자금 인출 요구에 대응하기 위해 충분한 유동성을 보유해야 한다. 시장 조성자 역할을 하는 기관들은 매수-매도 호가 스프레드를 통해 유동성을 공급하면서 동시에 수익을 얻는다. 이처럼 유동성은 금융 시스템의 효율성, 안정성, 그리고 각 참여자의 생존과 직결된 핵심 요소이다.

거래량 기반 지표는 시장에서 실제로 거래된 양을 측정하여 시장 유동성의 활발함과 규모를 평가하는 가장 기본적인 도구이다. 높은 거래량은 일반적으로 많은 매수자와 매도자가 존재하여 주문이 신속히 체결될 수 있는 유동한 시장을 의미한다. 반대로 거래량이 낮으면 주문 체결에 시간이 걸리거나 원하는 가격에 거래하기 어려운 유동성 위험이 높아질 수 있다.

주요 거래량 기반 지표로는 일일 거래량, 거래 대금, 회전율 등이 있다. 일일 거래량은 특정 기간(보통 하루) 동안 체결된 주식이나 계약의 수를 의미하며, 거래 대금은 거래량에 가격을 곱한 금액적 규모를 나타낸다. 회전율은 전체 유통주식수 중 얼마나 많은 비율이 거래되었는지를 보여주어 시장의 활성도를 상대적으로 비교할 때 유용하다.

이러한 지표들은 단독으로 사용되기보다는 가격 데이터와 결합하여 분석된다. 예를 들어, 가격이 상승하는 동안 거래량도 함께 증가하면 그 상승 추세가 강력하다고 해석하는 것이 일반적이다. 거래량 가중 평균 가격(VWAP)은 거래량을 고려한 평균 체결 가격으로, 기관 투자자가 자신의 거래 실행 가격이 시장 평균에 비해 유리했는지를 평가하는 벤치마크로 널리 사용된다[2].

그러나 거래량 기반 지표에는 한계가 존재한다. 거래량 자체는 매수 주문과 매도 주문의 균형(시장 깊이)이나 주문이 가격에 미치는 영향(가격 충격)에 대한 정보를 직접적으로 제공하지 않는다. 따라서 거래량이 높더라도 주문장의 유동성이 얕으면 큰 주문이 시장 가격을 크게 왜곡시킬 수 있어, 보다 포괄적인 유동성 분석을 위해서는 가격 영향도 지표나 시장 깊이 지표와 함께 고려해야 한다.

가격 영향도 지표는 특정 거래 규모가 시장 가격에 미치는 영향을 정량화하여 시장 유동성의 핵심 측면을 측정한다. 큰 거래가 시장 가격을 크게 변동시키지 않고 실행될 수 있다면 해당 시장은 유동성이 높다고 평가한다. 반대로 소량의 거래만으로도 가격이 크게 움직인다면 유동성이 낮은 것으로 해석한다. 이 지표들은 투자자의 거래 실행 비용을 직접적으로 반영하며, 특히 대형 기관투자자의 포트폴리오 운용에 중요한 기준이 된다.

주요 가격 영향도 지표로는 실현 변동성, 가격 영향 모델, 지불된 점프 등이 있다. 실현 변동성은 일정 기간 동안의 실제 가격 변동 폭을 측정하여, 잠재적 거래 비용을 간접적으로 추정하는 데 사용된다. 가격 영향 모델은 주문 흐름과 가격 변화 간의 관계를 모델링하여, 특정 금액의 거래가 예상대로 가격을 얼마나 움직일지 추정한다. 지불된 점프는 거래 체결 직전과 직후의 가격 차이를 분석하여, 해당 거래 자체가 초래한 즉각적인 가격 영향을 분리해낸다.

이러한 지표들은 종종 다음과 같은 표를 활용하여 비교 및 종합 평가된다.

가격 영향도 지표의 분석은 시장 상황에 따라 그 의미가 달라진다. 평상시에는 낮은 가격 영향이 바람직한 유동성 상태를 나타내지만, 시장 스트레스 상황에서는 이러한 지표들이 급격히 악화되어 유동성 공급자의 위험 회피 성향을 드러내기도 한다. 따라서 이 지표들은 단순한 유동성 측정을 넘어 시장 미시구조를 이해하고 유동성 위험을 관리하는 데 필수적인 도구로 활용된다.

시장 깊이는 특정 가격 수준에서 대기 중인 매수와 매수 주문의 양과 분포를 의미한다. 이는 주문장 데이터를 통해 측정되며, 일반적으로 가격 대비 누적 주문량을 보여주는 시장 깊이 차트로 시각화된다. 시장 깊이가 두터울수록 대량의 거래가 현재 호가에 큰 영향을 미치지 않고 체결될 가능성이 높아, 시장의 유동성이 풍부하다고 판단한다. 반대로 시장 깊이가 얇으면 소량의 거래만으로도 가격이 급격히 변동할 수 있다.

시장 탄력성은 가격 변동 후 시장이 원래의 균형 상태로 회복하는 속도와 능력을 가리킨다. 큰 매수나 매도 주문에 의해 가격이 일시적으로 변동했을 때, 새로운 반대 방향의 주문이 신속하게 유입되어 가격을 안정시키는 메커니즘이 작동하는 정도를 평가한다. 높은 탄력성을 가진 시장은 가격 발견 기능이 효율적으로 작동하며, 단기적인 충격에서 빠르게 복원된다.

시장 깊이와 탄력성은 밀접하게 연관되어 있다. 충분한 시장 깊이는 탄력성을 위한 기반이 된다. 예를 들어, 특정 유가증권의 호가창에 여러 가격 수준에 걸쳐 많은 양의 주문이 쌓여 있다면, 대형 거래로 인한 가격 충격은 상대적으로 완화되고, 새로운 정보에 기반한 반대 거래가 빠르게 나타날 유인이 커져 탄력성이 높아진다. 반면 두 지표 모두 부족한 시장은 유동성 위험이 크다고 평가받는다.

이러한 지표들은 종종 정량적으로 분석된다. 시장 깊이는 일반적으로 특정 가격 변동 폭(예: 1% 내)에서 사용 가능한 총 주문 금액으로 측정한다. 탄력성은 가격 충격 후 일정 시간 내에 회복된 가격 변동의 비율이나, 주문 흐름의 자기상관 관계를 통해 간접적으로 추정하기도 한다[3].

주문장 데이터는 시장 참여자들이 제출한 모든 매수 주문과 매도 주문의 기록을 포함한 미체결 주문 정보의 집합이다. 이 데이터는 특정 시점에서의 공개 매수호가와 공개 매도호가, 그리고 각 가격 수준에 쌓여 있는 주문 수량을 실시간으로 보여준다. 따라서 시장 깊이를 직접적으로 관찰하고, 잠재적 공급과 수요의 분포를 분석하는 데 가장 핵심적인 자료가 된다. 일반적으로 거래소나 증권사를 통해 제공되며, 레벨 2 데이터로도 불린다.

주문장 데이터를 분석하면 단순한 거래량 이상의 정보를 얻을 수 있다. 예를 들어, 특정 가격에 집중된 대량의 매수 주문은 지지선으로 작용할 수 있고, 반대로 매도 주문이 쌓인 가격은 저항선이 될 가능성이 있다. 또한 주문 흐름의 변화를 통해 기관 투자자나 고빈도 거래 알고리즘의 행동 패턴을 추정할 수 있다. 주문장의 모양이 두꺼운지 얇은지에 따라 시장의 유동성 공급 상태와 가격 발견 과정의 효율성을 판단할 수 있다.

주문장 데이터는 일반적으로 다음과 같은 구조로 구성된다.

이 데이터를 활용한 대표적인 분석 방법으로는 주문 불균형 분석이 있다. 이는 특정 시간 동안의 누적 매수 주문량과 매도 주문량의 차이를 계산하여 순수한 구매 또는 판매 압력을 측정한다. 또한, 주문장 데이터는 유동성 소모를 모의하는 스트레스 테스트나 최적 실행 알고리즘을 설계하는 데 필수적인 입력값으로 사용된다.

체결 데이터는 특정 금융 상품이 실제로 거래된 내역을 기록한 데이터를 말한다. 이 데이터는 주문장 데이터와 함께 시장의 실제 거래 활동을 가장 직접적으로 반영하는 핵심 정보원이다. 체결 데이터는 일반적으로 각 거래의 시점, 가격, 수량을 포함하며, 때로는 매수와 매도 주문을 식별할 수 있는 정보도 포함한다.

체결 데이터를 분석하면 시장의 실제 유동성 공급 및 소비 패턴을 파악할 수 있다. 주요 분석 요소로는 체결 규모, 체결 빈도, 체결 가격의 변동성 등이 있다. 예를 들어, 대량의 거래가 빈번하게 이루어지고 가격 변동이 작다면 해당 시장은 높은 유동성을 가진 것으로 해석할 수 있다. 반면, 소량의 거래만 산발적으로 발생하고 가격 변동이 크다면 유동성이 낮은 상태를 나타낸다.

이 데이터는 시장 깊이를 간접적으로 추정하거나, 유동성 위험을 평가하는 모델의 입력값으로 널리 사용된다. 또한, 알고리즘 트레이딩 전략의 실행 성과를 평가하거나 시장 미시구조 연구의 기초 자료가 되기도 한다.

시계열 분석은 시간의 흐름에 따른 유동성 지표의 변화를 관찰하고 패턴을 파악하는 기법이다. 이를 통해 유동성의 주기성, 추세, 변동성을 정량적으로 평가할 수 있다.

주요 분석 방법으로는 이동평균, 자기상관 분석, 변동성 모델링 등이 활용된다. 예를 들어, 일별 거래량이나 매매호가차이의 이동평균을 계산하면 단기 변동을 완화하고 장기적인 추세를 파악할 수 있다. ARIMA 모델이나 GARCH 모델은 유동성 지표의 미래 값을 예측하거나 변동성 군집 현상을 분석하는 데 사용된다.

이러한 분석은 특정 시장 이벤트(예: 금리 발표, 규제 변경) 전후의 유동성 변화를 비교하거나, 다양한 자산군 간 유동성 동조화 현상을 연구하는 데도 적용된다. 시계열 분석을 통해 유동성 공급이 갑자기 위축되는 유동성 충격의 사전 징후를 탐지할 수 있으며, 이는 리스크 관리 전략 수립에 중요한 입력값이 된다.

유동성 위험 측정 모델은 시장 참여자가 충분한 양의 자산을 적시에 합리적인 가격으로 매매하지 못할 위험을 정량화하기 위해 개발되었다. 이러한 모델은 주로 금융 기관의 내부 리스크 관리와 규제 당국의 감독 목적으로 활용된다. 주요 모델은 유동성 위험을 시장 유동성 위험과 자금 유동성 위험으로 구분하여 접근하는 경우가 많다.

시장 유동성 위험 측정을 위한 대표적인 모델로는 L-VaR이 있다. 전통적인 VaR 모델이 가격 변동성만을 고려하는 반면, L-VaR은 거래 체결에 필요한 시간이나 거래 규모가 가격에 미치는 영향을 추가로 반영한다. 예를 들어, 대량 매도 주문이 시장 가격을 하락시키는 영향을 모델에 포함시켜, 평소보다 불리한 가격으로 포지션을 청산해야 할 가능성을 측정한다. 또한, 시장 충격 하에서의 유동성 증발을 시나리오 분석이나 스트레스 테스트를 통해 평가하는 방법도 널리 사용된다.

자금 유동성 위험 측정 모델은 기관의 단기 현금 흐름과 자금 조달 능력에 초점을 맞춘다. 순자금유출량을 예측하거나, 다양한 스트레스 상황(예: 신용등급 하락, 시장 변동성 급증) 하에서 담보 가치와 자금 조달 원천의 변화를 시뮬레이션하는 모델이 이에 해당한다. 규제 측면에서는 바젤 은행감독위원회가 도입한 유동성커버레이션비율과 순안정자금비율과 같은 지표들이 표준화된 측정 도구로 자리 잡았다.

이러한 모델들의 효과성은 사용하는 데이터의 질과 가정의 현실성에 크게 의존한다. 특히, 시장이 정상 상태를 벗어나는 꼬리 위험 상황이나 여러 자산 클래스에서 유동성이 동시에 소실되는 유동성 공동화 현상을 정확히 포착하는 것은 여전히 과제로 남아 있다. 따라서 최근 모델들은 기계 학습 기법을 도입하거나, 네트워크 이론을 적용하여 시장 참여자 간의 상호연결성을 고려하는 등 진화를 거듭하고 있다.

주식 시장의 유동성은 유가증권이 얼마나 쉽고 빠르게, 그리고 적은 가격 변동성을 수반하며 거래될 수 있는지를 반영한다. 이는 개별 종목의 특성, 시장 구조, 그리고 거시 경제 환경에 따라 크게 달라진다. 일반적으로 시가총액이 크고 기관투자자의 관심이 높은 대형주는 높은 유동성을 보이는 반면, 소형주나 거래가 활발하지 않은 종목은 상대적으로 유동성이 낮다.

주식 시장 유동성을 측정하는 주요 지표로는 일평균거래대금과 일평균거래량이 가장 널리 사용된다. 또한, 호가스프레드의 폭은 즉시 거래가 가능한 가격 차이를 보여주는 지표이며, 체결강도나 미체결수량의 변화는 시장의 수급 깊이를 파악하는 데 도움을 준다. 아래 표는 주식 시장에서 흔히 사용되는 유동성 지표를 정리한 것이다.

2000년대 이후 알고리즘 트레이딩과 고빈도 거래의 확산은 주식 시장 유동성의 양상에 큰 변화를 가져왔다. 이러한 거래는 일반적으로 호가 스프레드를 좁히고 거래 체결 속도를 높여 표면적인 유동성을 증진시키는 것으로 평가된다. 그러나 시장 변동성이 커지는 급변장에서는 이러한 유동성이 급격히 사라질 수 있는 유동성 증발 현상이 발생하기도 한다[8]. 따라서 현대 주식 시장의 유동성 분석은 단순한 거래량 수준을 넘어, 다양한 시장 상황 하에서 유동성이 얼마나 견고하게 유지되는지에 대한 평가가 중요해졌다.

채권 시장의 유동성은 거래되는 채권의 종류와 시장 참여자 구조에 따라 크게 달라진다. 일반적으로 국채 시장은 가장 유동성이 높은 반면, 회사채나 지방채, 특히 저신용등급(하이일드) 채권 시장은 유동성이 상대적으로 낮다. 이는 국채가 표준화되어 있고 발행 규모가 크며 참여자가 다양하기 때문이다.

유동성을 측정하는 주요 지표로는 매매호가 스프레드와 거래량이 있다. 국채 시장에서는 스프레드가 매우 좁고 거래가 활발하게 이루어진다. 반면, 회사채 시장에서는 유동성 공급의 상당 부분을 딜러나 중개회사가 담당하며, 이들은 자신의 재고를 활용해 시장을 만든다[9]. 따라서 딜러들의 위험 선호도와 자본 상황이 시장 유동성에 직접적인 영향을 미친다.

2008년 금융위기 이후 규제 강화로 인해 딜러들의 채권 재고 보유가 줄어들었고, 이는 특히 회사채 시장의 유동성 저하 요인으로 작용했다는 분석이 있다. 이에 대응하여 전자 채권 거래 플랫폼의 성장과 상장지수펀드(ETF)를 통한 간접 투자 증가 등 시장 구조의 변화가 나타났다.

외환 시장은 전 세계에서 가장 규모가 크고 유동성이 높은 금융 시장이다. 이는 24시간 운영되며 주요 금융 중심지 간에 거래가 이어지고, 다양한 참여자(중앙은행, 상업은행, 기업, 기관투자자, 개인 투자자)가 존재하기 때문이다. 외환 시장의 유동성은 일반적으로 주요 통화쌍(예: EUR/USD, USD/JPY, GBP/USD)에 집중되어 있으며, 이들 쌍은 스프레드가 매우 좁고 대량의 거래도 가격에 큰 영향을 미치지 않는다. 반면, 이머징 마켓 통화나 교차 통화쌍의 유동성은 상대적으로 낮아 변동성이 크고 거래 비용이 높은 특징을 보인다.

외환 시장의 유동성을 측정할 때는 일반적으로 매수/매도 호가 스프레드, 일일 거래량, 시장 깊이(특정 가격 수준에서 사용 가능한 주문량)가 주요 지표로 활용된다. 특히 은행간 시장이 핵심 유동성 공급원이지만, 전자 거래 플랫폼과 알고리즘 트레이딩의 확산으로 유동성 구조가 다변화되었다. 유동성은 거래 세션(런던, 뉴욕, 아시아 세션)에 따라 뚜렷한 차이를 보이는데, 주요 세션이 겹치는 시간대에 유동성이 가장 높아진다.

2008년 글로벌 금융 위기 이후 도드-프랭크 법 및 MiFID II와 같은 규제 강화로 은행의 자본 비용이 증가하면서, 전통적인 장외거래 시장에서의 유동성 공급이 일부 위축되었다는 분석이 있다[10]. 이에 따라 중앙 결제 상대방을 통한 거래나 전자 플랫폼을 이용한 집중화된 거래가 증가하는 추세이다.

알고리즘 트레이딩은 시장 유동성의 양과 질에 복잡한 영향을 미친다. 한편으로는 알고리즘을 통한 고빈도 주문 제출과 체결이 거래량을 크게 증가시켜, 표면적인 시장 깊이를 향상시키는 경향이 있다. 특히 일반적인 시장 상황에서는 시장 조성자 역할을 하는 알고리즘들이 양방향 호가를 지속적으로 제공함으로써 매수와 매수의 간격인 스프레드를 줄이고 거래 체결을 용이하게 한다[12]. 이는 시장 참여자들에게 더 나은 가격에 더 빠르게 거래할 수 있는 환경을 제공한다.

그러나 다른 한편으로는 알고리즘 트레이딩이 유동성의 취약성을 증가시킬 수 있다. 알고리즘들은 특정 시장 조건이나 뉴스에 매우 민감하게 반응하여, 극단적인 상황에서는 동시에 유동성을 철회하는 현상을 보인다. 이로 인해 유동성이 갑자기 사라지는 플래시 크래시와 같은 급격한 가격 변동 사건이 발생할 수 있다. 또한, 매우 짧은 시간에 대량의 주문을 제출하고 취소하는 전략은 실제 체결 의사 없이 호가장을 탐색하는 '유령 유동성'을 생성할 수 있어, 시장 깊이에 대한 신호를 왜곡시킬 수 있다.

알고리즘 트레이딩의 영향은 시장 구조와 밀접하게 연관되어 있다. 다양한 알고리즘 전략 간의 상호작용은 시장의 미시구조를 변화시켰다. 예를 들어, 초단타 매매는 초고속으로 아주 작은 가격 차익을 포착하는 데 집중하며, 이는 유동성을 공급하는 동시에 매우 짧은 시간 동안만 유동성이 존재하게 만든다. 따라서 현대 시장의 유동성은 전통적인 인간 딜러에 의한 것보다 더 역동적이고 일시적인 특성을 가지게 되었다. 이러한 변화는 유동성 분석 시 단순 거래량 외에도 주문 흐름의 속도, 호가의 지속 시간, 다양한 시간 척도에서의 유동성 공급 패턴 등을 종합적으로 고려해야 할 필요성을 제기한다.

규제 변화는 시장 구조와 시장 유동성에 직접적인 영향을 미친다. 2008년 글로벌 금융 위기 이후 도입된 바젤 III와 같은 은행 자본 규제는 시장 조성자의 자본 비용을 상승시켜, 특히 채권 시장에서 유동성 공급을 감소시켰다는 분석이 있다. 또한 미국의 도드-프랭크 법과 유럽의 MiFID II는 투명성 제고를 목표로 했으나, 일부 연구에서는 이로 인해 대형 기관의 시장 조성 활동이 위축되어 유동성이 일시적으로 악화되는 현상을 초래하기도 했다.

시장 구조 측면에서, 전통적인 장외 거래에서 중앙집중식 거래소로의 이동은 규제의 주요 동인 중 하나이다. 이는 거래 데이터의 집중과 모니터링을 용이하게 하지만, 동시에 유동성이 특정 플랫폼에 집중되거나 분산되는 새로운 형태의 구조적 변화를 낳았다. 특히 암호자산 시장과 같은 신생 시장에서는 규제 프레임워크가 아직 확립되지 않아, 시장 구조가 빠르게 진화하면서 유동성 패턴이 매우 불안정한 특징을 보인다.

최근 논의는 지속가능 금융 규제와 기후 리스크가 시장 구조에 미칠 장기적 영향으로 확대되고 있다. 이러한 규제는 자본 배분에 새로운 기준을 도입하여, 친환경 산업과 전통적 에너지 산업 간 유동성의 재분배를 유발할 수 있다. 또한 핀테크와 분산형 금융의 성장은 중앙집중식 규제 당국에게 새로운 과제를 제시하며, 이에 대응한 규제 변화는 앞으로 시장 구조와 유동성 역학을 근본적으로 재편할 가능성이 있다.