1. 연구 정체성
내 연구의 정체성은 「정보 비대칭 하에서 금융에 접근하지 못하는 경제주체의 문제를, 데이터로 규명하고 제도로 해결하려는 실증 정책금융 연구」로 요약된다.
이 정체성은 세 단계로 구현된다.
첫째, 자본시장에서 정보 비대칭이 가격에 미치는 영향을 규명했다(A영역).
둘째, 그 통찰을 소상공인 정책금융과 신용평가에 적용해 대안정보의 가능성과 한계를 밝혔다(B영역).
셋째, 시선을 공급자인 서민금융기관으로 옮겨 금융포용을 측정하고 기관 경영과 연결지었다(C영역).
D·E영역은 이 문제의식을 지역·산업·사회·국제로 확장한 응용이다.
2. 확인된 다섯 가지 명제
명제 | 근거 연구 | |
① | 평균은 정책을 오도한다 | 최저임금(총고용↑, 임시일용직↓), 코로나(업종·지역·계층별 차별), 지점 감소(수도권  비수도권 상반) |
② | 정보의 양보다 설계가 중요하다 | 비재무정보 단독은 무용(2016) 상권등급 결합은 유효(2017), Shapley 기반 해석가능 ML(2022) |
③ | 포용과 건전성은 상충하지 않는다 | 수익성·안정성·자산규모 우수 기관이 금융포용도도 높음(2022~2023 새마을금고 연구군) |
④ | 안정성이 탄력성보다 효과적이다 | 경기대응적 보증 탄력운용보다 지속적·충분한 공급이 효과적(2014), 예고되지 않은 인상의 부작용(2020) |
⑤ | 확대 정책은 재정 임계치를 동반해야 한다 | 출연금·대위변제율 조건(2014~2015), 대위변제율 2.1~3.0% 임계(2021), 햇살론 재정부담(2018) |
3. 방법론적 축적
연구 방법의 진화는 주제 확장과 나란히 진행되었다. 초기의 문헌·제도 분석(2013~2015)은 정책 제언에 강점이 있었으나 인과 식별에는 한계가 있었다. 이후 산업연관분석과 AHP(2017~2018)로 정량적 평가 도구를 확보했고, 패널 실증·2SLS·Fama-MacBeth 2단계 회귀(2019~2023)로 식별 전략을 정교화했으며, LightGBM과 Shapley Value(2022)로 예측력과 해석가능성을 동시에 추구하는 단계에 도달했다.
데이터 원천 또한 거시 시계열 → 기관 행정데이터(지역신보 보증통계, 새마을금고 경영자료) → 설문(저소득층 1,005명, 소상공인연합회 1,376건) → 상권 빅데이터·국제 패널(WDI, 14개국)로 다변화되었다. 특히 전국 시군구 단위 12년 패널(2010~2021)의 구축은 지역 금융포용 연구의 실증 기반을 제공했다.
요약
내 연구는 자산가격론(Asset Pricing Theory)에서 출발해 '위험과 정보(Risk and Information)'라는 렌즈를 소상공인(SME) 정책금융과 서민금융기관에 일관되게 적용함으로써, 금융포용(Financial Inclusion)을 측정 가능한 실증 대상으로 전환하고 지역별 이질성에 기반한 차등적 정책설계의 필요성을 반복적으로 입증해 왔다.