6 min read
↗ 최근 글01 / BLOG
글 전체 보기 ↗LATEST POST · 2026.03.25
이번 주 AI/ML 논문 훑어보기 (26.03.16 ~ 03.22)
더 자율적으로, 더 효율적으로 진화하는 AI 연구의 방향
읽어보기 ↗Bondnote 최근 글03 / BONDNOTE
아카이브 보기 ↗AI 회사채 공급에서 강화학습 집행까지: 모델보다 먼저 설계할 것
오늘의 다섯 자료는 채권 AI가 가격예측 하나로 끝나지 않는다는 점을 보여준다. [AI 인프라 회사채의 발행물량](https://www.reuters.com/legal/transactional/corporate-bond-buyers-get-picky-with-flood-ai-debt-2026-09-22/)과 장기물 바이백은 시장의 거래가능 가격을 바꾸고, 제도 변수는 회사채 수익률의 비선형 신호가 된다. 그 위에서 퀀트사는 주문경로를 학습하고 데이터 자체를 버전·시험·재생하며 연구와 실제 체결의 간극을 줄인다.
5 RESEARCH NOTES · 5 MINAI 금리충격에서 인과적 집행까지: 채권 모델이 놓치면 안 되는 상태변수
오늘의 다섯 자료는 채권 AI가 무엇을 더 많이 학습해야 하는지보다 무엇을 상태와 원인으로 구분해야 하는지를 보여준다. AI 생산성 충격은 물가·에너지·부채와 함께 움직이고, 회사채 공통요인과 국채의 경과일수는 분산과 유동성을 바꾼다. 퀀트사의 공개자료는 결국 독점 데이터의 업무흐름 연결과 인과적 실험이 실제 가치의 경계임을 강조한다.
5 RESEARCH NOTES · 6 MIN확률예측에서 담보 유동성까지: 채권 AI가 실제 의사결정이 되는 조건
오늘의 다섯 자료는 금리방향을 예측하는 머신러닝에서 시작하지만 곧바로 더 어려운 문제로 이동한다. 같은 공급도 투자자 구성이 다르면 금리충격이 달라지고, 국채의 유동성은 담보이동 속도에 좌우되며, 퀀트사의 모델은 신뢰할 수 있는 저장계층과 비용·꼬리위험을 반영하는 최적화를 통과해야 실제 결정이 된다.
5 RESEARCH NOTES · 5 MIN