CAPM에 기반한 주택시장 리스크 프리미엄 동학 분석:

Sharpe(1964)와 Lintner(1965)에 따르면 CAPM에서 개별 자산의 기대초과수익률은 시장포트폴리오의 초과수익률에 대한 체계적 위험(systematic risk)에 의해 결정된다. 이를 주택시장에 적용하면 주택시장의 초과수익률은 다음과 같이 표현할 수 있다.

여기서 r_apt와 r_m은 각각 주택 기대수익률과 전체 자산시장의 시장수익률을 의미하며, r_f는 무위험수익률을 나타낸다. 또한 β_apt는 시장수익률 변화에 대한 주택 수익률의 민감도를 나타내며, 주택시장의 체계적 위험을 의미한다.¹⁾

기존 CAPM 연구에서는 시장포트폴리오를 주식시장 수익률로 근사하는 경우가 많았다. 그러나 Roll(1977)은 실제 실증분석에서 관측 가능한 주가지수를 시장포트폴리오의 대리변수(proxy)로 사용하는 경우 이론적 CAPM과 괴리가 발생할 수 있음을 지적하였다. 이는 시장포트폴리오를 보다 현실적인 자산구성으로 확장할 필요성을 시사한다. 특히 한국은 가계자산에서 실물자산, 특히 주택이 차지하는 비중이 높은 구조를 가진다. Ibbotson and Siegel(1984)과 Flavin and Yamashita(2002) 역시 주택이 가계 포트폴리오에서 핵심적인 투자자산으로 기능할 수 있음을 제시하였다.

이에 따라 본 연구는 시장포트폴리오를 단순한 주식시장 수익률이 아니라, 금융자산과 실물자산 비중을 반영한 확장된 시장포트폴리오로 정의한다. 구체적으로 시장수익률은 KOSPI 수익률과 아파트²⁾ 매매가격지수 수익률을 가계 자산비중으로 가중하여 다음과 같이 구성한다.

여기서 w_s,t 와 w_h,t는 각각 금융자산과 실물자산의 비중을 의미한다.

본 연구에서는 통계청 「가계금융복지조사」 자료를 활용하여 연도별 자산구성 비중을 적용³⁾하였다. 이러한 접근은 한국 가계의 실제 자산구조를 보다 현실적으로 반영한다는 점에서 기존 연구와 차별성을 갖는다.

한편, 전통적인 CAPM은 위험이 시간에 따라 일정하다는 정태적 가정을 전제로 한다. 그러나 주택시장은 거래비용, 정보 비대칭성, 정책 규제 등의 영향으로 변동성과 리스크 프리미엄이 시기별로 다르게 나타날 가능성이 크다(Case and Shiller, 1989; Genesove and Mayer, 2001). 또한 금융위기와 같은 거시경제 충격은 주택시장의 변동성과 위험인식 구조를 변화시킬 수 있다. Himmelberg et al.(2005)는 주택가격이 거시경제 충격에 대해 점진적인 조정경로를 보인다고 설명하였으며, 이는 위험과 기대수익률 간 관계 역시 시간에 따라 변화할 가능성을 시사한다.

이러한 점을 반영하기 위해 본 연구는 Engle et al.(1987)의 ARCH-in-Mean 구조와 Nelson (1991)의 EGARCH 모형을 결합한 CAPM에 기반한 EGARCH-in-Mean 모형을 적용한다. 평균방정식은 다음과 같다.

여기서 σ_t는 t 시점의 조건부 변동성(conditionally volatility)을 의미하며, 시장참여자가 인식하는 위험 수준을 나타낸다. δ는 조건부 변동성이 기대초과수익률에 미치는 영향을 의미하며, 위험 증가에 따라 요구수익률이 어떻게 변화하는지를 나타내는 변동성-리스크 프리미엄의 계수로 해석할 수 있다.⁴⁾

또한 D_covid는 COVID-19 기간을 나타내는 더미변수이며, 조건부 분산방정식은 다음과 같다.

EGARCH-in-Mean 모형은 로그 변환한 조건부 분산을 사용함으로써 분산의 비음수 제약 문제를 완화할 수 있으며, 양(+)의 충격과 음(–)의 충격이 변동성에 서로 다른 영향을 미치는 비대칭성(asymmetric volatility effect)을 반영할 수 있다는 장점을 갖는다.⁵⁾ 특히 λ계수는 충격의 비대칭성을 나타내며, 가격 하락(–)의 충격이 상승(+)의 충격과 비교하여 변동성 효과가 다를 수 있음을 보여준다. 이는 정책 충격이나 금융시장 불안과 같은 부정적 충격이 주택시장 변동성에 비대칭적으로 작용할 가능성을 분석하는 데 유용하다. 또한 φ계수는 변동성의 지속성을 의미하며, 충격 이후 변동성이 얼마나 장기간 유지되는지를 나타낸다.

특히 EGARCH 모형은 음(–)의 충격과 양(+)의 충격이 변동성에 서로 다른 영향을 미칠 수 있는 비대칭성을 반영할 수 있다는 점에서, 정책 충격과 금융시장 변동에 민감하게 반응하는 주택시장의 특성을 분석하는 데 적합하다. 이는 서울과 같이 금융시장과의 연계성이 높은 지역에서 리스크 프리미엄과 변동성의 동태적 반응이 다르게 나타날 가능성을 분석하는 데 중요한 의미를 가진다.

본 연구는 CAPM 기반 EGARCH-in-Mean 모형을 통해 한국 주택시장의 리스크 프리미엄과 조건부 변동성이 시간에 따라 어떻게 변화하는지를 분석한다. 특히 전국, 수도권, 서울 등 지역별 시장을 구분하여 위험구조와 변동성 반응의 차이를 비교함으로써, 한국 주택시장의 지역적 이질성과 금융시장 연계성을 실증적으로 밝히고자 한다.

<표 3>은 전국, 서울 및 주요 지역별 CAPM 모형 추정 결과를 나타낸다. 전국, 서울, 수도권 및 5대광역시를 대상으로 주식 및 주택 자산 비중을 반영한 확장된 자산시장 포트폴리오를 이용하여 CAPM을 추정한 결과, 모든 지역에서 시장 초과수익률 계수(β)가 양(+)의 값을 가지며 통계적으로 유의하게 나타났다. 이는 한국 아파트 시장이 금융시장 및 전체 자산시장과 구조적으로 연계되어 있으며, 시장 위험이 확대될수록 투자자들이 보다 높은 초과수익률을 요구하는 체계적 리스크 프리미엄 구조가 존재함을 시사한다.

전국 아파트 시장의 베타값은 0.6065로 추정되었다. 이는 시장포트폴리오 초과수익률이 1%p 증가할 경우 전국 아파트 초과수익률이 평균적으로 약 0.61%p 반응함을 의미한다. 즉, 전국 주택시장은 자산시장 공통요인에 대해 비교적 높은 민감도를 가지는 통합적 시장 구조를 형성하고 있는 것으로 해석할 수 있다.

지역별 분석 결과에서도 모든 지역에서 시장 베타가 유의하게 나타났다. 특히 수도권의 베타값이 가장 높게 추정되었으며, 전국과 5대광역시가 그 뒤를 따르는 것으로 나타났다. 반면 서울의 전체 베타는 수도권 평균 대비 다소 낮은 수준으로 확인되었다. 이러한 결과는 수도권 주택시장이 금융시장 변동, 유동성 확대 및 투자수요 변화에 상대적으로 민감하게 반응하는 구조를 가진다는 점을 시사한다. 반면 5대광역시는 상대적으로 낮은 시장 민감도를 보여 수도권 대비 금융시장과의 연계성이 제한적인 특성을 나타낸다.

한편 서울 전체 수준에서는 시장 베타가 상대적으로 낮게 나타났으나, 구별 분석 결과(<부록>의 <표 A-2>)에서는 뚜렷한 이질성이 확인된다. 강남구, 서초구, 송파구, 마포구 모두에서 시장 베타가 유의하게 나타났으며, 특히 송파구와 강남·서초 등 핵심지역에서 상대적으로 높은 베타값이 확인되었다. 이는 서울 내부에서도 고가·핵심 입지 지역일수록 금융시장 및 자산시장과의 연계성이 강하게 나타나는데, 다른 지역은 상대적으로 낮은 민감도를 보이는 구조적 차이가 존재함을 의미한다.

또한 대부분 지역에서 시장 베타가 1보다 낮게 추정되었다는 점은 한국 아파트 시장이 금융시장과 연계되어 있으나, 주식시장과 비교할 때 상대적으로 완만한 가격조정 구조를 가진다는 점을 시사한다. 이는 주택시장이 거래비용, 정보 비대칭성 및 낮은 유동성 등 실물자산 특유의 구조적 제약을 동시에 가지기 때문으로 해석할 수 있다.

한국 아파트 시장은 전국 및 수도권을 중심으로 전체 자산시장과 구조적으로 연계된 체계적 위험 구조를 가지며, 동시에 지역 간 및 지역 내부 수준에서 시장 민감도에 뚜렷한 이질성이 존재하는 것으로 나타났다. 특히 수도권과 서울 핵심지역에서는 금융시장과의 동조성이 상대적으로 강하게 나타나는 반면, 5대광역시는 비교적 완만한 연계 구조를 보였다. 이는 한국 주택시장이 단일한 시장이 아니라 지역별로 상이한 위험구조와 가격결정 과정을 갖는다.

본 연구에서는 CAPM의 평균방정식에 EGARCH-in-Mean 모형을 결합하여 조건부 변동성이 기대수익률에 미치는 영향을 분석하였다. EGARCH 모형은 변동성의 비대칭성과 지속성을 동시에 반영할 수 있어, 시계열적으로 변화하는 주택시장 위험구조를 분석하는 데 적합하다.

<표 4>는 전국, 서울, 수도권 및 5대광역시를 대상으로 추정한 EGARCH-in-Mean 모형의 결과를 나타낸다. 평균방정식 추정 결과, 모든 지역에서 시장 초과수익률 계수(β_apt)가 양(+)의 값을 가지며 1% 유의수준에서 통계적으로 유의하게 나타났다. 이는 한국 아파트 시장이 금융시장 및 전체 자산시장과 구조적으로 연계되어 있음을 의미한다.

β_apt는 서울과 수도권에서 상대적으로 높게 나타난 반면, 5대광역시는 비교적 낮은 수준으로 확인되었다. 이는 서울 및 수도권 주택시장이 금융시장 변동과 유동성 변화에 상대적으로 민감하게 반응하는 구조를 갖는다.

조건부 변동성 계수(δ)는 전국, 수도권 및 5대광역시에서 양(+)의 값으로 유의하게 나타났다. 이는 시장 불확실성과 변동성이 확대될수록 투자자들이 보다 높은 기대수익률을 요구함을 의미한다. 특히, 서울의 경우 변동성 계수가 가장 크고 유의하게 추정된다. 따라서 서울 주택시장은 다른 지역과 비교하여 위험 반응이 큰 구조를 가질 가능성을 보여준다. COVID-19 더미 변수는 모든 지역에서 정(+)의 값으로 나타났으며, 서울을 제외하고 유의함을 보였다. 이는 팬데믹 기간의 양적완화와 저금리 기조를 반영하는 것으로 보인다.

분산방정식 추정 결과, 충격(shock size) 계수는 전국, 수도권 및 5대광역시에서 양(+)의 값으로 유의하게 나타나 외부 충격 발생 시 변동성이 확대되는 일반적인 EGARCH 특성이 확인되었다. 이는 금융시장 충격이나 정책 변화가 발생할 경우 주택시장 변동성이 확대되는 위험반응 구조가 존재함을 의미한다.

반면 서울에서는 충격의 계수가 음(–)의 값으로 유의하게 나타나면서 비대칭성 계수가 정(+)의 부호를 갖고 유의함을 보인다. 이는 주택가격이 상승하는 충격에 대하여는 변동성이 증가하고 리스크 프리미엄이 상승하는 반면, 주택가격이 하락하는 충격에 대하여는 변동성이 하락하고 리스크 프리미엄을 낮추는 결과를 보여준다. 따라서 서울 주택시장의 위험에 대한 반응은 다른 지역과 비교하여 비대칭적 상태 의존성을 보인다. 일반적으로 금융시장에서는 자산 가격이 하락하는 충격에 대하여 가격 변동성이 더욱 확대되는 경향이 나타나지만, 서울 지역의 주택시장은 가격조정보다는 거래 감소와 기대조정 및 관망세가 우세하여 나타나는 특성을 보이고 있다.

이러한 결과는 주택시장의 비유동성과 정보 비대칭성에 관한 기존 연구와도 부합한다. Case and Shiller(1989)는 주택시장이 주식시장에 비해 거래비용이 높고 가격조정 속도가 느리다는 점을 지적하였으며, Genesove and Mayer(2001)는 주택 보유자들이 손실 가능성이 존재할 경우 매도를 지연시키는 경향이 있음을 보였다. 특히 서울 지역의 일부 핵심 입지 시장에서는 시장참여자의 기대수익에 대한 확신이 상대적으로 강하게 형성되어 있어, 부정적 충격 발생 시 가격이 즉각적으로 조정되기보다 거래량 감소를 통해 충격이 흡수될 가능성이 존재한다.

즉 서울 시장에서는 충격이 발생하더라도 단기적인 가격 급락보다는 거래량 위축을 통해 조정이 이루어지는 경향이 일부 관찰되며, 이 과정에서 가격 변동성이 상대적으로 제한되는 구조가 나타날 수 있다.⁶⁾ 이러한 결과는 서울 주택시장이 금융자산과 달리 변동성과 가격조정에 있어 시장 상황에 따라 비대칭적 반응을 나타내는 특성을 가진다는 점을 시사한다. 이는 주택시장의 거래비용과 비유동성으로 인하여 가격조정의 속도가 느리고 하방 경직성을 갖는다는 점에서 Case and Shiller(1989)와 부합한다.

비대칭성(asymmetry) 계수는 서울에서만 유의하게 나타났다. 이는 서울 주택시장에서 양(+)·음(–) 충격이 변동성에 서로 다른 영향을 미친다는 점을 의미한다. 또한 변동성 지속성(persistence) 계수는 모든 지역에서 유의하게 나타나, 주택시장 변동성이 커지면 그 효과가 지속되는 특성이 존재함을 보여준다(<부록>의 <표 A-3>).

한국 주택시장은 금융시장과 구조적으로 연계된 체계적 위험구조를 가지며, 변동성과 리스크 프리미엄 역시 시간에 따라 변화하는 동태적 특성을 가지는 것으로 나타났다. 특히 서울 및 수도권에서는 금융시장과의 연계성이 상대적으로 강하게 나타나고 지역별로 변동성 반응과 비대칭성 구조에는 차이가 존재하는 것으로 확인되었다.

앞서 EGARCH-in-Mean 모형 추정 결과를 바탕으로 주택시장 충격에 따른 조건부 변동성과 리스크 프리미엄의 동태적 충격반응을 산출⁷⁾하였다. <그림 1>은 EGARCH-in-Mean 모형 추정 결과를 바탕으로 표준화된 양(+)·음(–) 충격이 조건부 변동성(standard deviation, SD)과 리스크 프리미엄(risk premium, RP)에 미치는 동태적 반응 경로를 나타낸다.⁸⁾ 충격반응은 충격 이후 20개월까지 측정하였다. 분석 결과 지역별로 다른 충격반응을 보이고 있으며 전국, 서울, 수도권 및 5대광역시 간에는 변동성과 리스크 프리미엄의 반응 경로에서 차이가 존재하는 것으로 나타났다.

그림 1. 충격반응 분석 결과(전국 및 서울) 주 : 1) 파란색 음영 처리된 부분은 95% 상하한 범위를 의미함. 2) SD, standard deviation; RP, risk premium.

Download Original Figure

우선 전국과 수도권에서는 양(+)·음(–) 충격 모두에 대해 조건부 변동성과 리스크 프리미엄이 초기에는 확대된 이후 점차 감소하며 안정 수준으로 수렴하는 전형적인 반응이 관찰된다. 이는 EGARCH 추정에서 충격 크기 계수(γ)가 양(+)으로 유의하게 나타난 결과와 부합하며, 가격 충격 발생 이후 위험인식과 요구수익률이 동시에 확대되는 일반적인 자산시장 반응으로 해석할 수 있다. 특히 변동성 확대 이후 리스크 프리미엄 역시 증가하는 모습은 위험과 기대수익률 간 상충적 관계를 보이는 점에서 금융이론과 일치하는 결과이다.

반면 서울은 전국 및 수도권과는 다른 비대칭적 반응 구조를 보인다. 서울의 경우 양(+) 충격에 대해서는 변동성과 리스크 프리미엄이 확대되는 반면, 음(–) 충격에 대해서는 변동성과 리스크 프리미엄이 오히려 축소되는 특징이 나타났다. 이는 동일한 충격 크기에 대해서도 충격의 방향에 따라 위험 인식과 가격 보상 구조가 달라질 수 있음을 의미하며, 서울 주택시장이 다른 지역에 비해 기대심리와 투자수요의 영향을 보다 강하게 받는 자산시장적 특성을 가진다는 점을 시사한다.

특히 이러한 결과는 앞선 EGARCH 추정에서 서울의 충격 크기 계수(γ)가 음(–)의 값으로 나타난 결과와도 연결된다. 일반적으로 금융시장에서는 부정적 충격 발생 시 변동성이 확대되는 경향이 나타나지만, 서울 핵심지역 주택시장은 가격조정보다는 거래 감소와 관망세가 나타나는 구조를 가질 가능성이 존재하며, 이는 앞서 확인한 바와 같이, 서울 아파트 시장에서 가격보다 거래량이 더 민감하게 반응하는 모습과도 부합하는 결과이다.

Case and Shiller(1989)는 주택시장이 거래비용과 정보비용으로 인해 가격조정 속도가 느리다는 점을 지적하였으며, Genesove and Mayer (2001)는 손실회피(loss aversion)와 거래제약으로 인해 주택시장에서 가격조정이 지연될 수 있음을 보였다. 또한 Stein(1995)은 금융제약과 거래비용으로 인해 충격이 즉각적인 가격조정보다는 거래 감소 형태로 먼저 나타날 수 있음을 설명하였다. 특히 서울과 같은 핵심 입지 시장에서는 기대수익에 대한 확신이 상대적으로 강하게 형성되어 있어, 상승기에는 위험보상이 확대되는 반면 하락기에는 거래 감소와 관망세가 우선적으로 나타나면서 리스크 프리미엄이 오히려 축소되는 비대칭 구조가 나타날 가능성이 존재한다.

한편 5대광역시는 전국 및 수도권과 유사하게 충격 직후 변동성과 리스크 프리미엄이 확대된 이후 점차 감소하는 경로를 보였다. 또한 비대칭성 계수(λ)가 유의하지 않다는 점에서, 충격의 방향 자체보다는 충격의 크기에 의해 변동성이 결정되는 구조로 해석할 수 있다.

한국 주택시장은 동일한 충격에 대해서도 지역별로 상이한 위험전파 구조와 가격동학을 가지는 것으로 나타났다. 특히 서울은 전국 및 수도권과 달리 충격의 방향에 따라 리스크 프리미엄의 반응이 달라지는 비대칭적 자산시장 특성을 보였으며, 이는 기대심리, 거래제약 및 정책 민감성이 복합적으로 작용한 결과로 해석할 수 있다. 이러한 결과는 한국 주택시장이 단일한 시장의 특성이 아니라 지역별로 상이한 위험구조와 가격조정 과정을 갖고 있음을 시사한다.

<그림 2>는 EGARCH-in-Mean 모형 추정 결과를 바탕으로 산출한 전국 아파트 시장의 리스크 프리미엄 시계열 추이를 나타낸다. 전반적으로 리스크 프리미엄은 거시경제 환경과 금융시장 충격에 따라 시기별로 상이한 변동 패턴을 보이는 것으로 나타났다.

그림 2. 리스크 프리미엄(전국) 주 : 추정기간은 2005년 1월~2025년 12월.

Download Original Figure

2008년 글로벌 금융위기 전후에는 리스크 프리미엄이 큰 폭으로 하락하였다. 이는 금융시장 불안과 실물경제 둔화로 인해 주택시장 기대수익률이 약화되고 위험회피 성향이 확대된 결과로 해석할 수 있다. 반면 2010년부터 2016년까지는 저금리와 완화적 통화정책 기조 속에서 리스크 프리미엄이 비교적 안정적인 흐름을 보였다.

2018년 이후에는 변동성이 다시 확대되는 모습이 나타났으며, 특히 2020년 COVID-19 팬데믹으로 리스크 프리미엄이 급격히 하락하는 현상이 관찰되었다. 이는 팬데믹 초기 경제활동 위축과 금융시장 불확실성 확대가 주택시장 기대수익률에 부정적인 영향을 미쳤기 때문으로 볼 수 있다.

또한 2021년 이후 기준금리 인상과 통화긴축 기조 전환 이후에는 리스크 프리미엄의 변동성이 다시 확대되는 흐름이 나타났다. 금리 상승은 자금조달 비용과 레버리지 부담을 증가시키며 주택시장 위험보상 구조의 재조정을 유발할 가능성이 존재한다.

요약하면, 한국 주택시장의 리스크 프리미엄은 거시경제 충격과 금융환경 변화에 따라 시간가변적으로 변화하는 특성을 가지는 것으로 나타났다. 이는 주택시장이 금융시장과 연계된 자산시장적 특성을 가진다는 점을 시사한다.

본 연구에서는 주택 수익률이 금융시장과 체계적으로 연계되어 있으며, 동시에 조건부 변동성에 따라 기대수익률이 변화하는 위험-수익 관계가 존재함을 확인하였다. CAPM 기반 EGARCH-in- Mean 모형의 추정결과에서 시장베타와 리스크 프리미엄 계수가 통계적으로 유의하게 나타났으며, 이는 주택시장이 실물자산 특성과 함께 금융자산 성격을 동시에 가지는 것으로 해석될 수 있다. 또한 EGARCH 분산방정식에서는 변동성이 높은 지속성과 비대칭적 반응을 보이는 것으로 나타나, 주택 수익률이 시간에 따라 변화하는 동태적 구조를 가질 가능성을 시사한다. 이러한 결과는 주택 수익률의 동학이 단순한 선형 시계열 모형만으로 설명되기 어렵고, 금융시장 요인과 조건부 변동성을 동시에 고려하는 접근이 필요함을 보여준다.

따라서 본 연구에서는 주택 수익률의 예측력을 비교하기 위하여 Random Walk 모형, CAPM 모형, 그리고 EGARCH-in-Mean 모형을 적용하였다. 각 모형의 예측력을 비교하기 위하여 표본 내(in-sample), 표본 외(out-of-sample) 예측을 실시⁹⁾하였다. 각 모형의 예측력은 RMSE (root mean squared error)¹⁰⁾과 MAE(mean absolute error)¹¹⁾를 기준으로 평가하였으며, 그 결과는 <표 5>에 요약하였다.

분석 결과, 서울 지역의 표본 내 예측에서 CAPM 기반 EGARCH-in-Mean 모형은 Random Walk 모형 및 기존 CAPM 모형에 비해 RMSE, MAE 가 모두 가장 낮게 나타나, 비교모형 가운데 가장 우수한 예측성과를 보였다. 특히 EGARCH- in-Mean 모형의 예측 정확성은 Random Walk 모형 대비 RMSE 52.6%, MAE 79.5% 향상을 나타낸다. 이는 서울 주택시장의 수익률 및 리스크 프리미엄을 설명함에 있어 시장수익률에 대한 체계적 위험뿐만 아니라 조건부 변동성의 시간가변적 특성까지 함께 고려할 필요가 있음을 시사한다. 반면, 기존 CAPM 모형은 표본 내에서는 Random Walk 모형보다 낮은 예측오차를 보였으나, EGARCH- in-Mean 모형과 비교하면 예측성과의 개선 폭이 제한적이었다. 이는 시장베타를 중심으로 한 정태적 CAPM 구조만으로는 주택시장 수익률에 내재된 변동성의 변화와 충격 반응의 비대칭성을 충분히 포착하기 어려울 수 있음을 의미한다.

표본 외 예측에서도 EGARCH-in-Mean 모형은 RMSE, MAE 모든 기준에서 Random Walk 모형보다 향상된 예측력을 보이며 비교적 안정적인 예측성을 유지하였다.¹²⁾ 반면, 기존 CAPM 모형은 모든 지표에서 Random Walk 모형을 상회하는 예측오차를 나타내 표본 외 예측력 측면에서 상대적인 한계를 보였다.

요약하면, CAPM 기반 EGARCH-in-Mean 모형은 서울 주택시장 예측에서 정태적 CAPM 모형에 비해 표본 내·외 예측 모두에서 상대적으로 우수한 예측력을 보였으며 이러한 예측력 결과를 통해 서울 주택시장의 리스크 프리미엄을 예측하는 과정에서 시장의 체계적 위험구조와 더불어 조건부 변동성 및 충격의 비대칭적 조정과정을 함께 반영할 필요가 있음을 확인할 수 있었다.