복잡한 AI보다 먼저 정보경계·기억·꼬리·승인을 검증한다
오늘의 다섯 자료는 채권 AI가 어디에서 실패하는지를 서로 다른 층에서 보여준다. 주말 정보의 시간경계, 주문흐름의 장기기억, 생성시나리오의 꼬리, 텍스트 피처의 시점, 프로덕션 변경의 승인경계를 따로 검증해야 연구결과가 안전한 거래결정으로 이어진다.
5 RESEARCH NOTES · 11 MINbondnote.
Questions, research, and desk notes.
A daily notebook on AI in the bond market.
85Briefings
425Research & articles
10.28Latest entry
LATEST BRIEFING · 2026.10.28
↗복잡한 AI보다 먼저 정보경계·기억·꼬리·승인을 검증한다
오늘의 다섯 자료는 채권 AI가 어디에서 실패하는지를 서로 다른 층에서 보여준다. 주말 정보의 시간경계, 주문흐름의 장기기억, 생성시나리오의 꼬리, 텍스트 피처의 시점, 프로덕션 변경의 승인경계를 따로 검증해야 연구결과가 안전한 거래결정으로 이어진다.
모델을 키우기 전에 명세·체제·계산경로를 검증한다
오늘의 다섯 자료는 AI 투자연구의 성능이 모델 크기 하나로 결정되지 않는다는 점을 보여준다. 대화형 명세, 다양한 시장체제, 실행가능한 팩터, 재현 가능한 계산 DAG와 장애 replay가 연구에서 주문까지 이어지는 각 경계의 품질을 좌우한다.
5 RESEARCH NOTES · 11 MIN확률을 행동으로 바꾸기 전, 시장의 반응과 데이터 시간을 검증한다
오늘의 다섯 자료는 예측모형의 다음 단계를 다룬다. 금리체제 확률은 비용을 반영한 행동시점으로 바뀌어야 하고, 생성 주문장은 자기 주문에 대한 충격을 재현해야 한다. LLM 연구는 봉인 표본외 결과로, production 경로는 데이터 계보와 지연예산으로 검증해야 한다.
5 RESEARCH NOTES · 11 MIN좋은 예측은 왜 의사결정에서 사라지는가
오늘 다섯 자료는 예측력이 실제 의사결정으로 넘어갈 때 만나는 경계를 추적한다. 중개기관의 현금, 시장조성 재고, 생성자료의 꼬리, 전략별 조달비용과 연구중단 기준을 같은 질문으로 묶고, 공개자료가 말하지 않은 수익은 추론하지 않았다.
5 RESEARCH NOTES · 10 MIN채권 AI의 성능은 어디서 사라지는가
오늘 다섯 자료는 모델의 예측력이 현금흐름 분해, 특징 선택, 네트워크 구조, 하드웨어 경로와 실행지연을 통과하며 어떻게 보존되거나 사라지는지 묻는다. 공개 수치를 실제 거래성과로 확대해석하지 않고, 한국 채권 데스크에서 재현할 수 있는 검증단위로 연결했다.
5 RESEARCH NOTES · 9 MINAI 채권위험은 어디에서 먼저 드러나는가
오늘 자료는 AI가 채권시장에 들어오는 경로를 네 층으로 나눈다. 투자금융 계약은 보이지 않는 레버리지를 만들고, 기술역량의 집중은 공통고장을 키우며, 비선형 모델은 불확실성까지 설명해야 한다. 실제 운용에서는 이 연구가 실시간 데이터 계보와 금리·크레딧의 조건부 시나리오로 이어져야 한다.
5 RESEARCH NOTES · 10 MIN예측력이 남는 곳, 설명이 필요한 곳
오늘 자료는 채권 AI의 성패가 더 큰 모델보다 문제의 구조를 얼마나 정확히 옮겼는지에 달렸다는 점을 보여준다. 수익률과 basis는 예측 난이도가 달랐고, 국채 유동성과 추세물가는 비선형 관계를 설명해야 했다. 실거래에서는 경쟁자의 반응과 레짐의 비예측성까지 검증범위에 넣어야 한다.
5 RESEARCH NOTES · 9 MIN채권 AI의 첫 검증점은 점수가 아니라 부채·계약·데이터 계보다
오늘 다섯 자료는 AI가 채권시장에 들어오는 세 경로를 잇는다. 인프라 투자는 장기부채를 만들고, 언어모델은 계약서 차이를 빠르게 찾지만 전문가 판단을 대신하지 못한다. 실제 운영에서는 사용례별 통제, 학습데이터의 가중치와 어떤 데이터 버전으로 결론을 냈는지까지 추적돼야 한다.
5 RESEARCH NOTES · 9 MIN같은 금리 충격도 누가 들고 어떻게 집행하느냐에 따라 달라진다
오늘 다섯 자료는 채권 AI가 가격만 맞히는 문제로 끝나지 않는 이유를 보여준다. 보험사의 규제와 부채통화는 같은 금리 충격에 반대 매매를 만들고, 통제군과 불확실성 상태는 연구 결론을 바꾼다. 퀀트사의 공개자료는 그 신호가 리서치 화면을 지나 실제 집행과 운영 제약 안에서 버텨야 한다고 설명한다.
5 RESEARCH NOTES · 9 MINAI 부채의 가격에서 데이터·청산·집행의 연결까지
오늘 자료는 AI라는 이름보다 현금흐름과 데이터 시점을 먼저 보라고 요구한다. AI 인프라 채권의 재가격은 기대와 차입비용의 간격을 드러냈고, 국채 청산과 회사채 곡면 복원은 모델 밖의 결제·평가 구조를 보여준다. HRT와 Two Sigma의 공개자료는 연구 아이디어가 데이터 검증, 포지션, 집행을 지나야 비로소 거래 의사결정이 된다고 설명한다.
5 RESEARCH NOTES · 9 MINAI 부채, 국채 담보, 실행 데이터의 한 고리
오늘 자료는 AI 기대를 채권 데스크가 어떻게 번역해야 하는지 세 층으로 나눈다. 거시에서는 성장·물가·재정의 조건을 분리하고, 시장구조에서는 담보와 레버리지의 전환점을 본다. 퀀트사의 공개 자료는 모델 개발보다 플랫폼 통제와 거래비용 피드백이 실제 운영에 가까운 질문임을 보여준다.
5 RESEARCH NOTES · 8 MIN안전자산·유동성·특징 엔진을 다시 묻다
오늘의 다섯 자료는 채권 데스크가 단일 숫자를 믿기 전에 무엇을 분해해야 하는지 보여준다. 국채의 헤지력은 물가충격에 따라 바뀌고, 단기 조달과 펀드 환매는 유동성의 총량보다 분포와 충격의 성격에 반응한다. 퀀트사의 공개 글도 모델보다 특징이 만들어지는 경로와 설명의 범위를 먼저 점검한다.
5 RESEARCH NOTES · 8 MIN예측보다 먼저 볼 것: 조달비용·결제·생산경로
오늘 자료는 좋은 신호가 실제 거래가 되기 전에 통과해야 할 세 가지 경로를 보여준다. 레포에서는 유동성 버퍼의 비용이 가격에 붙고, MBS에서는 헤지가 있어도 결제가 늦으면 딜러 대차대조표가 막힌다. 시계열 모델과 퀀트 인프라도 발표시차와 생산 재현성을 지키지 못하면 연구점수를 거래의 우위로 바꿀 수 없다.
5 RESEARCH NOTES · 10 MIN유동성의 양보다 중요한 것: 가격·해석·병목
오늘 자료는 시장에 정보나 자원이 얼마나 많은지만 세면 중요한 위험을 놓친다는 공통점을 보인다. 레포 현금은 공급자가 많아도 긴축기에 비싸졌고, 같은 거시뉴스도 전망 분산과 정책불확실성에 따라 국채 반응이 달라졌다. 퀀트 연구에서는 모델보다 데이터 이동경로와 생산 사슬을 함께 봐야 했다.
5 RESEARCH NOTES · 10 MINAI 전력수요, 성장 병목, 거래속도와 연구 인프라의 조건
오늘 자료는 AI 투자와 거래기술의 효익이 사용량, 수요, 유동성 조건에 따라 달라진다는 점을 보여준다. AI는 에너지 효율을 높일 수 있지만 전력소비와 인프라 금융위험도 키우며, 자동화가 빨라져도 소비수요가 약하면 성장경로는 꺾일 수 있다. 초단타거래의 속도와 퀀트사의 연구플랫폼도 평균적인 개선보다 어느 구간에서 병목과 위험이 생기는지를 측정해야 한다.
5 RESEARCH NOTES · 10 MIN채권 가격을 바꾸는 불확실성, 비교설계, 라우팅 실험
오늘 자료는 관측된 가격차를 곧바로 모델이나 기술의 효과로 부르면 안 되는 이유를 보여준다. 장기 추세는 보이지 않아 투자자가 계속 추정하고, 토큰화 채권과 재정위험은 비교군을 어떻게 고르느냐에 따라 해석이 달라진다. XTX Markets와 Two Sigma의 공개자료도 생산 단계의 우위는 더 복잡한 모델보다 선택편향을 줄이는 실험과 시계열 검증에서 시작한다고 말한다.
5 RESEARCH NOTES · 10 MINAI가 채권시장에 들어오는 세 경로: 거시충격, 시장규칙, 연구 생산화
오늘 자료는 AI가 채권시장에 들어오는 위치를 세 층으로 나눠 보여준다. 일본은행은 AI 투자와 회사채 공급을 통화정책의 새 입력으로 본다. 시장미시구조 조사와 BIS 연구는 거래규칙과 꼬리위험 예측이 모델만큼 중요하다고 말한다. Man Group과 Optiver의 공개자료는 연구 신호가 비용 이후 의사결정으로 이어지려면 지속적인 검증과 조직 맥락을 담은 공통 인프라가 필요하다는 점을 보탠다.
5 RESEARCH NOTES · 10 MINAI 자금조달에서 연구 인프라까지: 가격을 움직이는 연결고리
오늘 자료는 서로 다른 층위의 같은 문제를 다룬다. AI 설비투자의 채권 공급은 투자자 한도와 지수 편입을 거쳐 다른 발행사의 가격에 닿고, 국채 가격은 레포 딜러 네트워크를 통해 흔들린다. 채권펀드는 통화완화에 맞춰 보유종목의 등급과 만기를 바꾼다. Two Sigma와 Jane Street의 공개자료는 이런 신호를 연구하려면 가설의 다양성과 빠르고 재현 가능한 데이터 접근이 함께 필요하다는 점을 보여준다.
5 RESEARCH NOTES · 11 MINAI 자금조달에서 저지연 실행까지, 채권 수익화의 연결고리
오늘 자료는 AI가 채권시장에 들어오는 세 경로를 함께 본다. 기업은 무형자산을 담보로 쓰기 어려워 시장성 부채를 늘리고, 보험사의 회사채 수요는 규제와 부채통화에 따라 반대 방향으로 움직였다. 거래회사에서는 예측력만큼 계산경로의 지연과 GPU 메모리 제약이 실제 배포범위를 결정했다.
5 RESEARCH NOTES · 11 MIN텍스트 신호에서 생산 시스템까지, 채권 AI의 숨은 조건
오늘 자료는 모델의 이름보다 신호가 만들어지고 위험판단과 생산시스템으로 이어지는 조건을 살핀다. 설문 자유응답은 물가의 품목별 선행신호가 될 수 있었고, 금융취약성은 현재 스프레드보다 중기 꼬리위험을 먼저 드러냈다. 레포와 퀀트 인프라에서는 연결망·데이터 완결성·복구 지연이 평균 성능만큼 중요했다.
5 RESEARCH NOTES · 11 MIN같은 충격도 자금 여건과 계산 병목에 따라 달라진다
오늘 자료는 충격의 이름보다 그것이 통과하는 조건을 묻는다. 지정학적 위험은 유동성이 있을 때 금으로 더 강하게 옮겨갔고, 금리인상은 혁신자금을 빌릴 수 없는 기업에 더 오래 남았다. 거래 AI에서도 예측모형만이 아니라 위험배분, 주문집행, 시뮬레이터의 계산 병목이 결과를 바꾼다.
5 RESEARCH NOTES · 10 MIN예측값보다 먼저 확인할 것: 시간, 주문흐름, 기억오염
AI가 금융자료에서 패턴을 찾는 능력은 빠르게 좋아지고 있다. 그러나 오늘 다섯 자료는 성능표 하나로는 실전 가치를 판단할 수 없다고 말한다. 정보가 실제로 알려진 시점, 주문이 가격으로 전달되는 과정, 긴 사건열을 처리하는 계산 제약까지 함께 확인해야 한다.
5 RESEARCH NOTES · 11 MIN평균 유동성, 뉴스의 어조, 생성된 시장 경로를 구분해 읽기
국채시장의 평균이 안정돼 보여도 심한 스트레스의 확률은 달라질 수 있다. 뉴스의 어조를 읽는 정확도와 시장 수익, 다음 사건을 생성하는 정확도와 긴 시장 경로도 각각 다르다. 오늘 자료는 무엇을 측정했는지와 어디까지 확인됐는지를 구분해 읽는다.
5 RESEARCH NOTES · 12 MINAI 기업의 연결과 채권시장의 선택적 유동성
투자자와 고객이 같은 기업이고, 거래 상대의 정보가 호가를 바꾸면 겉으로 보이는 규모만으로 위험을 읽기 어렵다. 오늘은 금융·상거래의 중복, 딜러의 고객 선택, 레포의 청산구조를 살펴보고 연구 결과를 재현하는 계산·기록 기반까지 연결한다.
5 RESEARCH NOTES · 9 MINAI 차입과 국채 공급을 연결하는 조달조건
AI 투자에 필요한 차입은 회사채 공급만 늘리는 문제가 아니다. 현금과 담보의 균형이 바뀌면 국채시장에서도 조달비용과 체결비용이 달라진다. 모델 연구에서는 이런 거래조건과 자기 주문의 영향을 어떻게 평가할지 살펴본다.
5 RESEARCH NOTES · 8 MIN공통 모델과 공통 조달이 만드는 시장의 연결
AI의 자율권한을 늘리는 문제와 국채 상대가치를 거래하는 문제는 공통 의존성을 점검할 때 만난다. 같은 모델과 조달조건이 여러 참가자의 행동을 묶는 경로를 살펴보고, 저장방식과 팩터 분해가 연구의 검증을 어떻게 돕는지 설명한다.
5 RESEARCH NOTES · 9 MIN재무제표와 연구코드의 바깥까지 확인하는 검증
데이터센터 금융에서는 별도 기구와 구매약정이, 머신러닝에서는 경제적 제약과 내부 도구가 결과를 바꾼다. 겉으로 같은 부채나 같은 코드처럼 보여도 판단에 필요한 조건은 다르다. 오늘 자료는 그 조건을 어떻게 찾아 기록할지 설명한다.
5 RESEARCH NOTES · 8 MIN신용등급 밖에서 갈리는 회사채 공급과 거래비용
우량 회사채라도 반복 발행과 집중한도가 가격을 바꿀 수 있고, 국채도 오래된 종목의 거래여건이 정책의 대상이 된다. 중국 회사채 예측의 제도 조건과 신호 검증, 데이터 재현을 함께 살펴 가격과 연구의 비교기준을 분명히 한다.
5 RESEARCH NOTES · 8 MIN생산성 기대와 주문행동이 가격을 바꾸는 경로
AI의 기대효과와 실제 생산효과는 같은 시점에 나타나지 않는다. 글로벌 크레딧과 국채 유동성에서도 공통 위험과 종목 고유의 거래조건을 나눠 본다. 회사 자료는 업무 통합과 집행의 인과평가가 왜 필요한지 설명한다.
5 RESEARCH NOTES · 7 MIN금리확률을 포지션으로 옮기기 전에 확인할 조건
금리방향 확률은 주문의 크기와 비용을 결정해 주지 않는다. 투자자 구성과 담보 준비, 저장기반과 최적화의 안정성을 각각 살펴 예측이 실제 포지션으로 이어질 조건을 이해한다.
5 RESEARCH NOTES · 7 MIN기대금리와 레버리지의 중간에 있는 현금·데이터
AI 생산성의 기대가 금리와 재정에 먼저 반영될 수 있다는 시나리오를 읽는다. 레포 청산과 헤지펀드 보유의 측정조건을 구분하고, 데이터 플랫폼의 관측·버전 관리가 연구를 지원하는 구조를 살펴본다.
5 RESEARCH NOTES · 8 MINAI 통제와 거래규모에 맞춰 달라지는 운영 점검
AI 감독도구와 도입 설문은 권한·외부 의존·사후 점검을 구분한다. 회사채 거래에서는 주문규모가 집행경로를 가르고, 기술자료에서는 드문 장애와 실시간 계산을 어떻게 다루는지 살펴본다.
5 RESEARCH NOTES · 7 MIN분류 점수와 설명·유동성의 재현 조건
경제·금융 문서의 분류와 모델 설명의 안정성은 다른 검증문제다. 회사채 중개에서는 딜러 뒤의 투자자를 살펴보고, 투자 보조 도구와 연산 그래프는 공개된 기능 범위에서 이해한다.
5 RESEARCH NOTES · 7 MINAI 소득의 분배와 공급망이 금리판단에 더하는 조건
AI가 물가와 금리를 바꾸는 경로는 생산성의 크기만으로 정해지지 않는다. 소득분배·정책 전달·해외 장비조달을 살펴보고, 거래 기술자료에서는 꼬리 지연과 위험보유를 확인한다.
5 RESEARCH NOTES · 7 MIN모델 비교의 입력과 금융 AI의 검증 범위
여러 예측법을 같은 자료로 비교한 벤치마크부터 읽는다. 감독·사이버 문서는 다른 위험을 다루며 회사 자료는 논문 점수의 불확실성과 신호를 실제 가격·익스포저로 옮기는 운영과정을 설명한다.
5 RESEARCH NOTES · 7 MINAI 투자금융과 과거 데이터의 검증 조건
BIS와 뉴욕 연은은 AI 투자·신용·통화정책의 가능한 연결을 논의한다. 데이터 공유와 버전 보존, 선택적 신경망의 재현 시험은 서로 다른 증거를 제공하므로 정책 경로와 기술 결과를 구분해 읽는다.
5 RESEARCH NOTES · 7 MIN거래상대별 가격과 추정 포지션을 나누어 읽기
FX 포워드의 같은 조건에서도 딜러별 가격이 다를 수 있다. 거래모델의 감독과 헤지펀드 포지션의 근사치를 살펴보고, AI 연구에서는 질문 설계와 사전학습의 과거정보 문제를 구분한다.
5 RESEARCH NOTES · 7 MIN뉴스 신용정보와 체결 뒤 재고를 검증하는 방법
신용뉴스를 기존 평가에 더하는 연구와 자동헤지 거래의 식별방법을 읽는다. 기업·은행 연결망 연구는 별도의 스트레스 분석이다. 회사 자료는 조직과 계산기반의 공개 범위에서 살펴본다.
5 RESEARCH NOTES · 7 MIN거래비용과 주문제약을 바꾸면 달라지는 모델 평가
강화학습의 성과는 비용환경과 실행제약을 조건으로 읽어야 한다. 대형 회사채 공급의 가격 사례를 별도로 살펴보고, 외부자료 정제와 지속적인 쓰기·조회 기반이 연구를 지원하는 과정을 설명한다.
5 RESEARCH NOTES · 7 MIN금리예측·가격근사·보증망의 서로 다른 학습대상
금리곡선의 미래값, 옵션가격의 계산, 연결기업의 부도는 서로 다른 정답을 학습한다. 세 연구의 비교방법을 구분하고, 회사 자료에서는 특징생성의 속도와 과적합·학습표본 문제를 확인한다.
5 RESEARCH NOTES · 7 MINAI 차입의 장기금리 부담과 회사채 모델의 검증
대형 AI 차입에 관한 시장분석과 회사채의 해석 가능한 예측·부도분류 연구를 읽는다. 회사 실험은 언어모형의 거래갱신 실패와 이상값의 처리조건을 보여주므로 연구와 운영 주장을 구분한다.
5 RESEARCH NOTES · 7 MIN변수선택과 예측기간에 따라 달라지는 금리모형
구조적 거시모형의 변수선택과 변동성 예측의 기준모형을 구분한다. 금리 신경망의 내부신호 해석을 읽고, 회사 자료에서는 계산기반 발표와 학술 리뷰의 공개 범위를 확인한다.
5 RESEARCH NOTES · 7 MIN연구 에이전트의 검증과 채권에 맞는 예측대상
가설을 만드는 에이전트의 검증은 발견한 전략 하나의 백테스트보다 넓다. 캐리와 가격변화·펀드의 상대성과를 각각 학습하는 연구를 읽고, GPU와 실거래 피드백의 운영자료를 살펴본다.
5 RESEARCH NOTES · 8 MIN분할된 유동성·거시 반응·주문정책의 검증 조건
채권을 한 모형으로 묶을지, 발표 충격을 같은 함수로 볼지, 예측을 어떻게 주문으로 바꿀지는 서로 다른 선택이다. 오늘은 시장 분할과 정책 불확실성, 강화학습 실행과 시간 표현을 살펴본다.
5 RESEARCH NOTES · 8 MIN뉴스 분산·예측기간·꼬리오차를 각각 평가하기
금리 예측의 정보는 평균 뉴스 분위기, 곡선의 움직임, 큰 예측오차에서 서로 다르게 나타난다. 오늘은 세 연구의 비교조건과 대형 예측·대체자료 연구의 공개 범위를 확인한다.
5 RESEARCH NOTES · 8 MINAI 신용 스트레스와 금리 예측의 상반된 비교 결과
AI 관련 부채의 비중은 잔액과 신규발행에서 다르게 나타난다. 오늘은 가정한 스트레스 충격을 실제 전망과 구분하고 서로 다른 금리 예측 연구의 조건과 실행 설계를 살펴본다.
5 RESEARCH NOTES · 8 MIN유럽 기술채 공급과 가격이론을 지키는 수익률곡선
AI 조달이 유럽 채권지수 구성을 바꾸는 것과 생성된 금리곡선이 가격이론을 만족하는 것은 별도 연구문제다. 오늘은 공급의 실제 규모, 곡선 제약, 유사 채권 탐색과 공통 연구 입력을 살펴본다.
5 RESEARCH NOTES · 8 MIN회사채 예측에서 입력·시장·기간의 차이를 함께 보기
좋은 입력이 있다고 복잡한 모형이 반드시 더 잘 예측하는 것은 아니다. 오늘은 기술 지표와 선형 기준, 국제 시장의 상태별 성과, 중국 채권의 서사 감성을 비교한다.
5 RESEARCH NOTES · 8 MIN기억을 가진 AI의 거래 타이밍과 수동 주문의 비용
AI가 자신의 판단을 기억하면 행동이 더 안정적으로 보일 수 있지만 경제적 결과까지 좋아지는 것은 아니다. 오늘은 반복 판단 실험, 여러 가격대 주문, 수동 실행과 연구 기반을 다룬다.
5 RESEARCH NOTES · 8 MIN정책 언어·포트폴리오 목표·자료 오류를 구분해 검증하기
중앙은행 문장을 읽는 점수와 투자 보유량을 정하는 목표는 같은 문제가 아니다. 오늘은 AI와 레버리지의 위험 경로, 정책 언어 측정, 포트폴리오를 고려한 학습, 자료·계산 오류를 살펴본다.
5 RESEARCH NOTES · 8 MINAI 조달의 가치평가 지연과 통화별 공급 압력
AI 관련 부채는 회사채뿐 아니라 사모·구조화 금융에도 쌓인다. 오늘은 평가가격의 지연과 같은 발행사의 통화별 채권 차이부터 운용·연구에 AI가 들어가는 범위까지 살펴본다.
5 RESEARCH NOTES · 8 MIN언어모형의 보조 역할과 거래관계의 정보를 구분하기
언어모형이 상태를 읽는 것과 실제 행동을 선택하는 것은 다른 역할이다. 오늘은 강화학습 결합의 분류, 감독 문서의 선별, 고객·딜러 관계와 연구 인프라를 살펴본다.
5 RESEARCH NOTES · 8 MIN호가창 생성과 정보위험에서 운영 이상을 확인하기
미래 호가창을 만드는 모형과 회사채의 정보위험은 시장을 바라보는 서로 다른 도구다. 오늘은 생성 경로의 검증, 장기금리 해석, 연산과 거래 경보의 구체적인 설계를 함께 살핀다.
5 RESEARCH NOTES · 8 MINAI 도입의 자금 여력과 학습 참가자의 상호작용
AI를 도입할 자금이 있는지와 여러 학습자가 함께 거래할 때 시장이 안정적인지는 서로 다른 문제다. 오늘은 은행 신용, 강화학습 시장, 등급 예측과 호가 크기 연구를 살펴본다.
5 RESEARCH NOTES · 8 MIN발행사 군집과 거시 예측을 실제 정보 집합에 맞추기
회사채 발행사를 어떻게 묶을지와 국채 예측에 어떤 거시자료를 넣을지는 결과를 바꾸는 설계다. 오늘은 집단을 자료에서 찾는 방법과 당시 공개정보를 지키는 검증, 운용 기술의 연결을 다룬다.
5 RESEARCH NOTES · 8 MIN회사채 시장 타이밍은 공개시점과 비용을 넘어서야 한다
회사채 예측의 경제적 가치를 보려면 언제 이용할 수 있었던 자료인지와 포지션 변경비용을 함께 확인해야 한다. 오늘은 예측 결합의 성과, 검증 누출, AI 발행 집중을 다룬다.
5 RESEARCH NOTES · 8 MIN밤의 거래정보와 같은 발행사 채권의 다른 위험
회사채의 마지막 공개가격과 기업별 고정 위험값은 실제 거래의 정보를 놓칠 수 있다. 오늘은 야간 거래, 주식과 채권의 반응 차이, 만기·유동성별 위험을 살펴본다.
5 RESEARCH NOTES · 8 MINAI 자산의 회수 가능성과 자동 실행 경로를 따로 평가하기
AI가 생산성을 높여도 채권자가 회수할 수 있는 자산이 늘어나는지는 별도 문제다. 오늘은 기업 고유 AI 자본의 조달, 금융계약 설계, 책임과 주문 실행을 연결한다.
5 RESEARCH NOTES · 8 MIN공시의 불확실성과 공통 위험을 회사채 가격에서 읽기
기후정책에 대한 기업의 설명과 여러 시장의 수익률에는 서로 다른 위험 정보가 담긴다. 오늘은 텍스트 노출 측정, 주식·채권 공통 요인, 자동화 확산의 시장안정성을 살펴본다.
5 RESEARCH NOTES · 8 MIN모형이 바꾼 시장에서 재학습과 권한을 다시 확인하기
자동 호가가 거래자료를 바꾸고 AI의 주문은 계좌 상태를 바꾼다. 오늘 자료는 이런 변화 속에서 재학습의 안정성, 실행권한, 손실 회복을 각각 점검한다.
5 RESEARCH NOTES · 8 MIN뉴스의 평균 의견보다 의견차와 공개시점을 확인하기
뉴스를 숫자로 바꾸는 작업에서도 무엇을 집계하고 언제 알 수 있었는지가 결과를 바꾼다. 오늘은 뉴스 예측, 거시 시계열 모형, AI 투자에 대한 자금조달 위험을 함께 읽는다.
5 RESEARCH NOTES · 8 MINAI의 상방 기대와 신용위험이 다른 가격을 만드는 이유
같은 AI 도입 소식에도 주주와 채권자가 평가하는 위험은 다를 수 있다. 오늘은 기업의 신용스프레드에서 시작해 기술 확산의 시장위험과 거래정보 운영으로 이어간다.
5 RESEARCH NOTES · 8 MIN채권 자동화에서 정보·체결·시장구조를 구분하기
호가를 자동으로 낸다고 채권의 거래 가능성을 모두 알게 되는 것은 아니다. 정보 조회, 체결확률 추정, 시장구조 분석이 각각 어떤 문제를 해결하는지 살펴본다.
5 RESEARCH NOTES · 8 MIN예측오차와 호가 변경을 의사결정으로 연결하기
금리 예측을 잘하는 것과 손실을 견디는 것, 체결을 맞히는 것과 가격을 바꾸어 체결을 늘리는 것은 서로 다른 연구문제다. 오늘 자료는 이 차이를 모델과 연구 운영의 구체적인 단계로 살펴본다.
5 RESEARCH NOTES · 8 MINAI의 부채조달에서 유동성 상태와 배분 통제까지
AI 투자 자금의 확대와 주문장 상태의 예측을 살펴본다. 체결률·재고를 함께 보는 호가와 예측 후 최적화, 사람·모형 판단의 결합은 실제 결정으로 연결되는 조건을 다룬다.
5 RESEARCH NOTES · 8 MIN금리 신호의 시차와 공급·소비로 나눈 자동매매
거시정보가 도움을 준 금리 구간과 AI 혼잡으로 신호가 약해지는 모형을 살펴본다. HFT 활동을 유동성 공급·소비로 나누는 측정은 거래의 양만으로 시장 상태를 판단하기 어려운 이유를 보여준다.
5 RESEARCH NOTES · 8 MIN이벤트 주변의 곡선 오차와 수익 분포의 꼬리
EU 공동채권의 곡선 예측은 발행·정책 이벤트에 민감했다. 거시 패닉의 꼬리 예측과 회사채 앙상블 뒤에는 더 긴 보유기간의 위험관리와 회사의 AI 투자 로드맵을 살펴본다.
5 RESEARCH NOTES · 8 MIN위험 중단 규칙과 데이터·운영의 일관성
지정학 위험 포트폴리오에서 실제로 기여한 통제를 살펴보고 지수의 변환·회사채 금리 분해로 이어간다. 운영 모델은 연구와 실시간 환경에서 같은 입력과 판단을 유지해야 한다.
5 RESEARCH NOTES · 8 MIN텍스트로 찾은 국면과 배분·특성 생성의 검증
FOMC 문서와 수치 검정을 함께 사용해 시장의 구조변화를 찾는다. 자동 배분과 공동 시계열 예측 뒤에는 실시간 피드백의 운영 조건과 AI가 늘린 가설의 검증 부담이 있다.
5 RESEARCH NOTES · 8 MINAI 발표에 대한 금리 반응과 과거를 기억하는 모델
AI 모델 발표 이후의 장기금리와 직접 포트폴리오 학습을 살펴본다. 과거 LLM 평가의 기억 문제와 회사의 운영 인프라는 새 기술을 검증하는 조건을 보여준다.
5 RESEARCH NOTES · 8 MIN회사채의 설명과 유사성, 그리고 판단의 갱신
회사채 변수의 비선형 효과와 유사채 검색 이유를 살펴본다. 경제 전망을 텍스트에서 구조화하는 접근 뒤에는 LLM의 연속 판단 한계와 실험·배포를 잇는 운영 구조가 있다.
5 RESEARCH NOTES · 8 MIN가격의 정보력에서 거래량과 인덱스 시간대로
회사채 기준가격의 정보력과 거래량 예측의 경제적 가치를 살펴본다. 인덱스 가격 산출 시점의 거래 집중에 이어 대체데이터 조직과 투자팀 안의 AI 개발 역할을 읽는다.
5 RESEARCH NOTES · 8 MIN거래비용이 바꾸는 알파와 회사의 학습 인프라
회사채 팩터와 캐리 분해의 성과가 비용 이후 얼마나 남는지 살펴본다. 단순 금리모형과 딥러닝 비교에 이어 회사 공식자료가 공개하는 학습·유동성 공급 구조를 읽는다.
5 RESEARCH NOTES · 8 MIN뉴스의 위험 상태와 실제 AI 도입, 거래 품질
뉴스에서 금융불안의 심각도와 가능성을 분리하는 지표와 기업의 실제 AI 도입 조사를 살펴본다. 에이전트 제품의 기능과 고객 주문의 품질을 고려한 호가 모형은 실행 단계의 조건을 보여준다.
5 RESEARCH NOTES · 8 MIN국경을 넘는 곡선 정보와 체결 지연의 비용
미국 국채를 다른 통화의 합성채권으로 연결하는 곡선 추정을 살펴본다. 사모신용의 공개시장 비교와 AI 노출은 자료의 빈 곳을 다루고, 거래 지연 연구는 예측이 손익이 되는 조건을 묻는다.
5 RESEARCH NOTES · 9 MIN부도 시점과 경기 상태, 그리고 비유동채 평가
부도 발생의 시점을 다루는 생존분석과 중국 회사채의 비선형 예측을 살펴본다. 경기침체의 텍스트 신호와 업계의 AI 사용, 지방채 평가 시스템은 분석과 운영의 서로 다른 층위에 있다.
5 RESEARCH NOTES · 8 MIN시장 간 정보와 계약·관계·유동성의 가격화
같은 기업의 주식과 회사채 정보를 연결하고 전환사채의 계약조건을 살펴본다. 재해채권의 관계망과 미래 유동성 분포는 평균적인 가격 비교에 남는 위험을 보여준다.
5 RESEARCH NOTES · 8 MIN운용역의 지속 성과와 기업·거시 정보의 역할
펀드의 과거 성과에서 지속성을 찾고 AI 집약 산업의 발행 스프레드를 살펴본다. AI 투자 경쟁의 모형과 할인곡선 추정은 서로 다른 방식으로 구조를 제약에 반영한다.
5 RESEARCH NOTES · 9 MIN금융 리서치의 시점과 경로를 평가에 보존하다
리서치 에이전트의 검증에서 출발해 보험 ALM 경로와 거래비용을 다룬다. 등급별 금리 모형과 AI 신호 혼잡 연구는 상태 변화와 공통 행동을 다른 방식으로 설명한다.
5 RESEARCH NOTES · 9 MIN설명 가능한 예측과 당시 이용 가능했던 정보
변수의 효과를 드러내는 회사채 모형, 전망을 배분으로 바꾸는 프레임워크와 커브 공동 예측을 살펴본다. 실시간 거시자료 연구는 뉴스의 정보력과 엄격한 평가의 어려움을 함께 보여준다.
5 RESEARCH NOTES · 8 MINAI 투자 충격과 금리 예측의 누락 위험
AI 투자 확대가 금리와 신용에 미치는 경로를 살펴본 뒤 예측의 잔차와 모형 비교로 이동한다. 회사채에서는 여러 시장의 정보와 주주·채권자의 서로 다른 평가가 중요하다.
5 RESEARCH NOTES · 9 MIN캐리와 가격발견을 나누고 AI의 자율성을 평가하다
회사채 수익률을 분해하는 방법과 실시간 기준가격의 정보력을 살펴본다. 자율 에이전트와 합성 데이터 연구에서는 어떤 단계가 실제로 검증됐는지를 구분한다.
5 RESEARCH NOTES · 9 MINAI의 판단 방식과 데이터 표현이 채권 결과를 바꾸다
펀드 환매 실험에서는 AI의 학습 방식이 동시 행동을 바꾼다. 채권 예측에서는 데이터 변환과 금리의 제약이 중요했고, 양자 장치는 체결확률의 전처리에 활용됐다.
5 RESEARCH NOTES · 9 MIN체결률과 유사채 탐색에서 AI 투자부채까지
오늘은 딜러의 호가 결정, 비유동채 평가와 채권 뉴스 해석을 살펴본다. 마지막에는 AI 산업의 투자 확대가 채권자에게 만드는 자금조달 위험을 다룬다.
5 RESEARCH NOTES · 8 MIN금리 예측이 운용과 시장 안정성으로 이어지는 과정
미국과 유럽의 금리 모형 비교에서 출발해 실제 거래 시스템의 통제까지 살펴본다. 회사채에서는 가격을 알아내는 능력과 거래를 성사시키는 능력을 함께 봐야 한다.
5 RESEARCH NOTES · 8 MINWeekend Crypto Volatility and Monday Market Risk
주말 암호자산 공통변동성을 HAR에 더한 walk-forward 평가에서 월요일 QLIKE는 S&P 500 22%, 금 11%, IEF 17% 낮아졌다. 평가는 최근 약 두 해의 자산별 103~104개 월요일을 썼다. 다만 IEF는 현물 국채가 아닌 ETF이고 전파경로는 식별되지 않았다.
Risk & portfoliosReinforcement Learning with Hawkes-Structured Networks for Market Making
HSN은 Hawkes 주문의 과거를 학습 가능한 지수혼합 필터로 압축하고 PPO 보상으로 표현과 호가정책을 함께 최적화한다. 일곱 합성환경 중 intensity가 중요한 다섯 설정에서 가장 강한 일반 신경망보다 평균 누적보상이 5~32% 높았다. 이는 30개 seed의 모의평가이며 실거래 P&L이 아니다.
Trading & liquidity / AI & modelsTail Instability and Scale Control in Conditional Normalizing Flows for Treasury Yield-Curve Scenarios
미국 국채 수익률 열한 개 만기의 조건부 flow에서 동결 Student-t 모형은 미사용 예순 날 창의 절대 표준화 좌표가 3.43×10^7까지 폭발했다. Gaussian base와 강한 scale bound는 최대값을 14.72로 낮췄지만 historical simulation의 분포점수와 coverage가 더 좋았다. 수치안정성과 예측력은 별도 검증대상이다.
Rates & curves / AI & models / Risk & portfoliosAI Core Team Lead Mike Schuster on How to Get the Most From LLMs
Two Sigma AI Core 책임자는 사내 과학자들이 생성형 AI를 5년 넘게, NLP를 십 년 넘게 써 왔다고 설명한다. 공개 예시는 과거 Fed 연설을 모아 텍스트 특징을 추출하고 이후 금리변화와 연결되는지 반복검증하는 과정이다. 회사는 생산성·feature extraction을 말하지만 모델·라벨·효과크기·실거래 P&L은 공개하지 않았다.
Quant firmsHow Jane Street Does Code Review
Jane Street의 Iron은 branch 단위 검토상태, merge 뒤 의무, 파일별 책임자와 release management를 함께 관리한다. 회사는 production-critical 코드의 모든 변경을 세심히 검토하고 거래한도 변경은 승인권자의 명시적 승인 없이는 배포하지 않는다고 설명한다. 오래된 공식 강연이지만 자동집행의 변경통제에 직접 적용할 수 있어 선정했다.
Quant firmsCARL: Chat Assisted Reinforcement Learning
CARL은 대화로 불완전한 목표기반 자산배분 문제를 MDP로 명세하고 생성·테스트·학습·재검토까지 잇는다. VTI·BND 모수를 4,630거래일로 적합한 모의실험에서 부분명세 CARL의 증가형 네 목표 평균효용은 7.94, 비대화형 비교법은 4.19였다. 이는 동일 수익경로 백만 회에서 명세보완을 비교한 효용이며 실거래 수익률이 아니다.
AI & modelsWhat Do Foundation Models for Market Microstructure Learn? A Controlled Study with Synthetic Limit Order Books
생성모수가 알려진 합성 주문장에서 GPT형 모형은 Bayes·oracle 손실바닥과 잠재체제를 복원했다. 고정 토큰예산에서 학습체제가 1개면 새 체제 손실이 3.57nats였지만 256개면 1.34로 낮아졌고, 소형 모형부터 용량효과가 빠르게 포화됐다. 다만 실데이터 시험은 NASDAQ 하루뿐이어서 실제 체제의 식별 가능성은 미확인이다.
Trading & liquidity / AI & modelsAlphaRLM: Aligning Language Models for Literature-Grounded Symbolic Factor Discovery
AlphaRLM은 문헌의 경제적 아이디어를 허용된 변수·연산자의 기호팩터로 만들고 실행성·분위군 수익분리 보상으로 생성정책을 학습한다. 미국 대형주 일별 백테스트에서 소형 모형은 연환산 초과수익 6.94%, 최대낙폭 규모 14.84%였지만 다섯 seed 평균의 모의결과이며 실거래 성과가 아니다.
AI & modelsResearch at scale: Orchestrating ML for systematic trading
Optiver는 한 시장일에 한 시간 걸리는 특징생성이 1,000거래일이면 직렬 여섯 주, 백 종목이면 십만 개 넘는 작업과 약 11년으로 불어난다고 설명한다. Python GraphRunner가 노드별로 on-prem·cloud·local 실행을 배치하고 공통 catalog가 데이터 위치를 감춘다. 이는 연구회전 인프라 설명이며 모델·실거래 P&L은 공개하지 않았다.
Quant firmsGetting from tested to battle-tested
Jane Street의 Aria는 저지연 메시지버스를 unit·simulated network·Quickcheck·version skew·fuzz·nightly lab·chaos test로 검증한다. 결정론적 whole-system 시험의 첫 실행에서 미지 버그 두 개를 찾았고, 매일 최신 revision을 시험해 실패직전 상태를 rewind·replay한다. 거래모델과 P&L이 아니라 production 신뢰성 사례다.
Quant firmsRegime Detection in Latent Factor Models – A Bayesian Decision-Theoretic Approach
관측오차가 있는 채권가격에서 잠재 금리체제를 입자필터로 추정한 연구는 확률문턱을 그대로 쓰지 않고 오경보·탐지지연·오분류 비용을 최소화할 행동시점을 구한다. 8000개 학습·5000개 시험경로의 모의실험에서 부분정보 직접최적화는 같은 필터의 plug-in 규칙보다 평균손실이 0.008813 낮았고 p=0.007319였다.
AI & modelsLOB-Impact Benchmark: Emergent Market Impact in Generative Limit Order Book Models
NASDAQ 다섯 종목의 다섯 자기회귀 주문장 생성모형에 분할주문을 주입하자 모든 조합에서 충격이 나타났지만 지수는 0.63~1.21로 전통적 경험값보다 높았고 종료 뒤 완화도 관측되지 않았다. 분포적 유사성만으로 simulator를 채택하면 자기 주문에 대한 반응을 잘못 배운 정책이 나올 수 있다.
AI & modelsQuant-Arena: Benchmarking LLM Agents for Quantitative Trading Research
Quant-Arena는 A주 3,042종목에서 여러 LLM이 후보를 최대 다섯 개 시험한 뒤 2024년 전략을 동결하도록 했다. 반복연구는 모든 모형의 종합점수를 높였지만 봉인기간 수익률을 개선한 모형은 일부뿐이었고 동일가중 시장을 이긴 모형은 없었다. 연구 자동화는 코드보다 탐색예산·동결·비용규칙으로 평가해야 한다.
AI & modelsHow we stay ahead of the curve to execute trading strategies
DRW는 자체 플랫폼이 거래데이터를 받아 독점 전략으로 처리하고 주문을 거래소에 내보내며, 모든 거래가 같은 속도를 필요로 하지 않는다고 설명한다. 복잡한 계산용 범용자원과 특정 경로를 가속하는 제한된 하드웨어를 나눠 쓰는 원칙이지만 실제 모델·지연·P&L 수치는 공개하지 않았다.
Quant firmsPlatform Thinking: Three Views from Two Sigma Leaders
Two Sigma는 raw·curated data를 병행하고 변환을 코드·CI/CD·재사용 계약으로 관리한다. LLM이 특징공학을 수개월에서 수분으로 줄일 잠재력이 있어도 point-in-time 학습자료로 temporal leakage를 막아야 하며, 수천 개 에이전트의 조합연구는 공개된 성과가 아니라 전망이다.
Quant firms예측의 가치는 중개기관의 현금한도에 달려 있다
Ginnie Mae buyout option 1,922,668건과 120개 발행기관을 분석한 연구는 2020년 충격 뒤 환매가 팬데믹 이전 비율 기준보다 석 달 내 약 $19bn 부족했다고 추정한다. 자금제약과 일치하지만 직접 관측한 것은 아니며, 환매도 차주구제의 완료가 아니다.
Trading & liquidity호가와 재고를 나누면 보상도 다시 연결해야 한다
Polymarket 417개 시장을 재구성한 강화학습 연구에서 재설계 단일 에이전트의 holdout 손실은 에피소드당 -9.6 tick으로 기준모형 -46.1보다 작았다. 그러나 모든 구성의 주기적 holdout 평균가치는 음수였고 seed도 하나뿐이어서 수익화 증거가 아니라 보상설계 실험이다.
Trading & liquidity / AI & models생성자료의 학습손실은 꼬리위험을 보증하지 않는다
12개 ETF와 다섯 개 seed에서 TimeGAN 대체·혼합 정책을 비교하자 생성자료는 변동성·꼬리손실을 낮게 만들고 의존구조를 왜곡했다. 일부 평균수익은 높았지만 모든 조건부 수익률 차이 구간이 영을 포함해 안정적 우위를 입증하지 못했다. 따라서 재구성 손실과 투자성과를 별도 문턱으로 검증해야 한다.
Risk & portfolios전략 손익은 조달비용과 위험한도 뒤에 남는다
Jane Street는 네 종류의 차입약정 비용을 desk·전략에 귀속해 parameter와 자원배분에 쓰고, 수천 개 자동매매 시스템의 특수일 위험한도를 운영한다고 공개했다. override의 소유자·만료 알림을 정비한 사례는 P&L 원장과 통제 lifecycle이 함께 가야 함을 보여준다.
Quant firms좋은 연구에는 시작 전 종료조건이 필요하다
Two Sigma는 학계의 다섯 해 탐구가 금융연구에서는 석 달 의사결정이 될 수 있고, 시작 전에 ‘X가 Y까지 일어나지 않으면 중단’이라는 문턱을 정한다고 설명한다. 더 나은 버전을 기다리기보다 작은 predictor를 배포하는 규율이지만 실제 중단비율이나 P&L은 공개하지 않았다.
Quant firms현금흐름과 담보가치는 서로 다른 부도경로다
딥신경망 연구는 미국 상업용 모기지 91,767건의 월별 패널을 분석해 정제된 9,617,333개 loan-month를 만들었다. NOI가 LTV보다 연체를 더 강하고 안정적으로 예측해, 유동성 제약과 전략적 부도의 경로를 분리할 필요를 보여준다. 거래성과가 아닌 대출 연체분류 결과다.
Credit / Trading & liquidity / AI & models좋은 특징도 비용 뒤에는 나쁜 특징이 될 수 있다
연구진은 4,781거래일의 표본외 포트폴리오에서 특징별 성과기여를 분해하고 회전율에 비례해 5bp 비용을 적용했다. 총 샤프에 양의 기여를 한 특징은 13개였지만 순 샤프에 남은 특징은 6개뿐이었다. 설명을 특징축소 규칙으로 썼지만 미국 주식 모의결과이며 실거래 결과는 아니다.
AI & models / Risk & portfolios깊이는 잔차경로가 있을 때만 자산이 된다
동일한 학습·평가 조건에서 443개 월별 forecast origin을 비교한 결과, 깊은 맞춤형 ResNet의 가치가중 long-short 샤프는 2.07로 깊은 feedforward의 0.89와 얕은 ResNet의 1.92를 웃돌았다. 잔차경로의 안정성을 보였지만 미국 주식 모의성과이며 채권 실거래 증거는 아니다.
AI & models나노초 실행은 긴 변경주기를 동반한다
IMC는 시장데이터 시간을 나노초 단위로 다루고 거래하는 모든 상품을 자동화 알고리즘과 트레이더가 함께 가격화한다고 설명한다. FPGA는 범용 계층을 우회하지만 한 번의 변경이 두세 시간 컴파일을 요구할 수 있다. 저지연과 연구반복 사이의 운영비용을 보여주는 공식 기술설명이다.
Quant firms알파는 신호가 아니라 시간예산으로 관리해야 한다
Maven Securities는 미국·유럽 주식의 15년 자료로 신호지연을 모의실험했다. 평균 알파감쇠 비용은 유럽 9.9%, 미국 5.6%였고 연간 증가폭은 미국 36bp·유럽 16bp였다. 변동성 국면에서 시간비용이 커졌지만 실제 회사 전략이나 채권 실거래 성과가 아닌 설명용 연구다.
Quant firmsArtificial Intelligence and Monetary Policy: A Framework and Perspective on Cyclical Transmission, Structural Transition, and Financial Stability
뉴욕연은 연구는 AI의 통화정책 영향을 단기 물가전이·장기 균형변수·금융안정으로 나누고, 데이터센터의 미개시 임대 약정과 높은 프로젝트 부채비중이 보이지 않는 레버리지를 만든다고 본다. 수요가 꺾이면 전문시설의 낮은 대체가치가 금융중개기관의 동시 손실로 이어질 수 있다는 정책 프레임이다.
Risk & portfoliosArtificial Intelligence Innovation by Financial Innovators: Evidence from US Patents
연준 연구는 USPTO의 BERT 기반 분류자료와 금융혁신 기업자료를 결합해 2000~2020년 AI 특허율과 집중도를 기관유형별로 비교했다. 은행의 특허율 증가가 가장 가팔랐지만 은행 HHI도 가장 높았고, 회귀는 250개 집계 관측치를 사용했다. 역량 확대와 집중위험이 함께 나타난 결과다.
AI & modelsExplaining Machine Learning by Bootstrapping Partial Marginal Effects and Shapley Values
연준 연구진은 부분의존함수의 기울기인 부분한계효과를 정의해 비선형 ML과 선형회귀의 입력효과를 같은 축에서 비교했다. OLS에서는 회귀계수와 해석적으로 같고, bootstrap이 표준오차와 신뢰구간을 제공한다. 두 주택가격 사례의 여러 모델에 적용했지만 채권 성과는 검증하지 않았다.
AI & modelsReal-Time Trading Dashboards with Databricks Apps and Dash
Optiver는 분산된 온프레미스 시스템을 petabyte급 Databricks 플랫폼으로 통합하고 Spark Structured Streaming을 조정해 end-to-end 지연을 분에서 초로 줄였다고 공개했다. 캐시·버전관리·모듈식 화면생성과 세밀한 접근통제로 트레이더의 자율성과 운영신뢰성을 함께 다룬 기술사례다.
Quant firmsVerif-AI-ng the Macro Consensus
Citadel Securities는 기관고객 약 100곳의 설문에서 71.9%가 중기 AI를 물가하락 요인으로 봤지만 채권금리 영향은 고르게 갈렸다고 보고했다. 회사 리서치는 초기의 생산성·디스인플레이션 경로와 최근의 부채조달·회사채 공급·중립금리 상승 경로를 대조하며 duration 약세가설을 제시한다.
Quant firmsAn Open Benchmark for Evaluating Time Series Forecasting Methods across Financial Markets
OFR은 주식·회사채·미 국채를 포함한 일곱 자산군과 basis·은행지표를 동일한 정제규칙과 단변량 예측법으로 비교했다. 수익률은 모든 방법군에서 역사적 평균을 안정적으로 넘지 못했지만, 계절성과 평균회귀가 있는 basis spread에서는 현대 모형의 이점이 집중됐다.
AI & modelsDeterminants of Liquidity in the Japanese Government Bond Market: An Interpretable Machine Learning Approach
일본은행 연구진은 BOJ-NET의 개별 JGB 거래·보유자료로 월별 가격분산을 만들고 Random Forest와 SHAP을 적용했다. 기준가격 변동성이 주된 동인이었고, 외국계 거래비중·참여기관 수·중앙은행 보유는 일정 구간까지 유동성을 개선하다 임계점을 넘으면 악화됐다.
Trading & liquidity / AI & modelsDeep-π*: A Neural Network Estimate of Trend Inflation
Deep-π*는 다수 거시지표로 추세물가의 비선형 혁신을 학습하고 현재 추세와 향후 물가에 맞춘 선행 추세를 분리한다. 미국 자료에서 선행 추세는 현재 추세보다 먼저 정점을 찍었고, 준실시간 검증은 상승을 빨리 포착했지만 하락 전환에서는 전문예측가보다 늦어 회전위험을 남겼다.
AI & modelsMachine learning in trading: an adversarial research problem
Optiver는 시장조성 ML이 가격·주문·체결 신호를 결합하지만 모델의 주문 자체가 경쟁자의 호가와 데이터를 바꾼다고 설명한다. 대기열·지연·수수료·adverse selection을 넣어도 과거자료에는 새 전략이 없었으므로 백테스트는 증명이 아니며, live 관찰이 다음 연구를 만든다.
Quant firmsA Machine Learning Approach to Regime Modeling
Two Sigma는 장기간의 17개 팩터 결합분포에 GMM을 적용하고 교차검증으로 네 시장상태를 골랐다. 상태명은 결과를 본 뒤 붙였으며 각 시점은 독립적으로 분류된다. 회사는 예측모형이 아니라고 명시하고 포트폴리오 스트레스와 실제 장기 자산배분 취약성 점검에 활용한다.
Quant firmsBeyond Valuations: Long-Term Financial Risks from the AI Build-Out
AI 기업의 투자등급 발행 비중은 2023년 2%에서 2026년 10%로 커졌다. 데이터센터 SPV와 네오클라우드는 다른 부문보다 부채의존도가 높다. 하이퍼스케일러·유틸리티의 평균 만기는 16·17년으로 시장 평균 10년보다 길어 기술수명과 상환기간의 불일치가 남는다.
AI & models / Risk & portfoliosSupervisory screening with large language models: finding divergences
BIS는 규정과 유럽 은행의 AT1 투자설명서를 LLM으로 비교했다. 같은 절차를 다섯 번 반복하고 서로 같은 결과를 합쳐, 네 번 이상 다시 나온 79건만 전문가 검토 대상으로 남겼다. 알려진 실패사례와 반사실 문구를 찾아냈지만 중요도와 조치는 사람이 판단해야 한다.
AI & modelsSound Practices for Responsible Adoption of Artificial Intelligence (AI): Final report
FSB는 금융기관의 책임 있는 AI 도입을 위한 12개 실무원칙을 확정했다. 전사 거버넌스와 AI 사용 문서화에서 시작해 데이터·설명가능성·성능감시·인간감독·사이버·외부 공급자 위험을 생애주기로 잇는다. 중요도·자율성·복잡성에 비례한 통제를 요구해 사용례가 승인 단위가 된다.
AI & modelsA Study of Sequence Weighting at Scale
Jane Street는 시퀀스 가중치를 0.01~10에서 뽑아 세 번 학습하고 자체 dense·sparse 모델과 공개모델을 비교했다. 최적 유효가중치 지수는 소형에서 중형으로 커졌다가 대형에서 다시 작아졌다. 작은 대리모델의 데이터 혼합비를 생산규모에 그대로 옮기기 어렵다는 결과다.
Quant firmsLance: Rebuilding Columnar Storage for Random Access and AI Workloads
G-Research는 Parquet이 ML 셔플과 임의 행 읽기, 중첩 데이터에서 과도한 I/O를 만드는 문제를 설명한다. 튜닝한 Parquet은 기본값보다 60배 넘게 빨랐지만 스캔·메모리 비용이 생겼다. Lance는 고정폭은 한 번, 가변폭은 두 번의 I/O와 불변 버전을 결합해 랜덤 학습과 재현성을 함께 겨냥한다.
Quant firmsDomestic and foreign insurer corporate bond demand and monetary policy
영국·미국 보험사의 2018년 1월~2022년 12월 개별 채권 거래를 연결한 연구다. 영국 장기금리 상승 충격 뒤 영국 보험사의 파운드화 회사채 순매수는 두 달 후 잔액의 약 0.5%포인트 늘었지만 미국 보험사 수요는 반대였다. 규제·부채통화가 총수요의 방향을 가른다.
CreditParallel Trends Forest: Data-Driven Control Sample Selection in Difference-in-Differences
연구는 사전 경로와 공변량이 비슷한 통제채권을 랜덤 포리스트로 가중한다. TRACE 투명성의 두 번째 단계에서 전통적 양방향 고정효과 추정치는 합리적인 통제군을 바꾸면 부호까지 바뀌었다. 숲의 효과는 더 작았고 제한적인 평행추세 위반을 허용하면 영과 통계적으로 구별되지 않았다.
AI & modelsCredit Surfaces and Economic Uncertainty
3,100개 기업의 11,774개 채권으로 등급별 레버리지-옵션조정스프레드 곡면을 추정했다. VIX가 표본의 최상위 분위인 구간에는 모든 등급에서 평균 스프레드가 높아졌고 곡면도 더 가팔라졌다. 등급평균만 쓰면 불확실성 때 고레버리지 발행사의 비선형 재가격을 놓칠 수 있다.
Credit / AI & modelsCitadel Securities and Wolfe Research Announce Joint Venture
Citadel Securities와 Wolfe Research는 펀더멘털·퀀트·매크로 리서치와 유동성·가격·집행을 한 기관고객 서비스에 결합한다고 발표했다. 공개된 수익화 경로는 리서치에서 주문으로 넘어가는 마찰을 줄이고 집행서비스를 제공하는 것이다. 내부 알파모델이나 전략별 P&L은 공개되지 않았다.
Quant firmsSusquehanna at ICLR 2026
Susquehanna의 공식 ICLR 페이지는 방대한 시장데이터에 머신러닝과 정량연구를 적용한다고 설명한다. 딥러닝 연구책임자는 금융 AI가 실시간 평가, 잡음, 국면 변화와 짧은 지연시간을 견뎌야 한다고 밝혔다. 이는 운영 원칙의 공개 설명이며 특정 모델·채권 라벨·성과는 공개하지 않았다.
Quant firmsCoreWeave bond rout tests market's math on AI buildout
CoreWeave가 발행한 채권의 수익률은 발행 때 9.675%에서 이번 주 15%로 뛰었다. AI 설비가 현금을 만들기 전에 부채비용이 오르면 장기 성장 기대보다 차환과 담보의 취약성이 먼저 가격에 드러난다. 다만 이는 한 발행사에 대한 시장 보도이지 AI 크레딧 전체의 손실확률 추정은 아니다.
AI & modelsThe Netting Efficiencies of Marketwide Central Clearing
뉴욕 연은은 비공개 미 국채 TRACE로 중앙청산 확대를 모의했다. 시장혼란 전후 딜러의 일일 총결제의무는 60% 줄었을 것으로 추정됐고 결제 실패도 낮아졌다. 경매와 레포를 제외한 추정이라 실제 제도효과는 포함 범위와 증거금 설계에 달려 있다.
AI & modelsMachine Learning for Yield Curve Feature Extraction: Application to Illiquid Corporate Bonds
연구는 등급×만기 수익률 표를 결측 이미지로 보고 디노이징 오토인코더로 복원했다. 70개 시험 표면의 블록 결측에서 완전연결 모형 MAE는 10.01bp로 얇은판 스플라인 20.07bp보다 작았다. 짧은 표본과 가상 비유동 시장 설정이어서 실제 호가·체결 성과는 별도 검증이 필요하다.
Rates & curves / Credit / AI & modelsHow HRT Thinks About Data
HRT는 입력 데이터가 근본적으로 잘못되면 모든 거래 알고리즘이 실패한다고 설명한다. 새 데이터는 관련성·독창성·표본크기뿐 아니라 당시 알 수 있었던 값인지 검증해야 한다. 특히 과거 기사에 사후 태그를 붙인 자료는 미래정보가 섞여 백테스트를 무효화할 수 있다. 개별 신호와 P&L은 공개하지 않았다.
Quant firmsWebinar: Deep Learning for Sequences in Quantitative Finance
Two Sigma는 퀀트 투자과정을 특징추출, 개별 자산 수익률 예측, 거래수량을 정하는 포트폴리오 배분, 집행으로 분해한다. 각 단계는 시계열 딥러닝 문제로 표현할 수 있지만 공개자료는 특정 모델·라벨·성과를 밝히지 않는다. 수익화는 예측을 제약된 포지션과 체결로 잇는 전체 경로에서 판단해야 한다.
Quant firmsGlobal Financial Markets Face Rising Risks From AI, Bond Yields, and Cyberattacks
IMF는 2023년 이후 공개된 14개 AI 거래에서 $300 billion의 지분, $650 billion의 부채와 $1.4 trillion의 미래 매출약정을 확인했다. 투자·수익 기대가 꺾이고 국채금리가 오르면 자산가격, 담보가치와 누적 부채가 같은 연결망에서 약해질 수 있다는 취약성 시나리오다.
AI & models / Risk & portfoliosResilience Under Strain, Urgent Choices
IMF는 세계 성장률을 2026년 3.1%로 전망하고 같은 해 물가상승률은 4.7%로 본다. 하방에는 AI 기대 재평가와 재정 취약성, 상방에는 AI 투자·생산성 향상을 둔다. 성장둔화만 보면 금리하락 요인이지만 물가와 재정이 남으면 장기 기간프리미엄은 다른 경로를 탈 수 있다.
AI & modelsHedge Funds Improve Market Functioning, but Can Also Amplify Stress
IMF는 헤지펀드 총자산이 2013년 이후 세 배 늘어 13조달러, 명목 익스포저는 약 40조달러라고 집계한다. 이들은 2025년 미 국채의 약 9%를 보유했다. 평시 유동성을 공급하지만 레포·파생 레버리지, 마진콜과 동시환매가 겹치면 포지션 청산이 가격충격을 증폭할 수 있다.
Risk & portfoliosPlatform engineering, end to end: a conversation with Pat Cooney
Optiver는 공통 플랫폼을 머신러닝·데이터·거래시스템의 반복 기반으로 설명한다. 코딩 에이전트와 운영변경 봇을 쓰기 시작했지만, 에이전트가 사용할 문맥과 문서를 외부화하고 확률적 결과를 시험·감독해야 한다고 강조한다. 공개 글은 생산성 방향을 보여줄 뿐 전략별 P&L은 공개하지 않는다.
Quant firmsTrading Analytics
Virtu는 기관 주식거래 20% 이상을 담은 동종 데이터로 체결품질을 비교하고, 50개 이상 시장의 비용모형을 분기마다 보정한다고 설명한다. 대형 기관운용사의 75%가 다자산 TCA를 사용하며 표준 100개 이상·맞춤 200개 이상 벤치마크를 제공한다. 이는 서비스 범위이지 고객별 개선폭은 아니다.
Quant firmsGovernment Bonds’ Safe-Haven Property and Inflationary Pressures
연준은 미국·유로지역·영국의 일별 주가와 장기 국채금리를 1990년부터 2026년 중반까지 비교했다. 미국의 주식–금리 상관은 2000~2021년 0.40에서 이후 -0.09로 바뀌었고, 물가서프라이즈에 대한 금리반응은 약 세 배 커졌다. 안전자산 성격은 인플레이션 환경과 충격의 종류에 달렸다.
AI & modelsRipples in the Reserve Pool: Unveiling Liquidity Signals from the Federal Funds Market
연준은 연방기금 거래를 대출자 유형별로 분석했다. 같은 예금충격 뒤 비은행 조달금리는 거의 움직이지 않았지만 은행 대출자에게서 빌리는 금리는 16bp 올랐다. 준비금이 낮아질수록 은행 대출자에 대한 차입수요 탄력성은 0.15에서 약 0.30으로 커져 총량지표만으로 잡히지 않는 분포 마찰을 보였다.
Trading & liquidity / Risk & portfoliosLiquidity Transformation Risks in U.S. Bank Loan and High-Yield Mutual Funds: A 2026 Update
연준은 Form N-PORT로 은행대출·하이일드펀드의 자산과 환매를 추적했다. 은행대출펀드 순자산은 표본기간 21% 줄었고, 중위 유동성비율은 2024년 이후 안정됐으나 비유동성비율은 높아졌다. April 2025 관세충격에서는 유동성이 높은 펀드의 순유출이 -4.2%, 낮은 펀드는 -2.7%여서 단일 현금지표의 한계를 보였다.
Trading & liquidity / Risk & portfoliosFlex Model: an event-driven feature engineering system
Jane Street의 Flex Model은 주문·취소·체결 이벤트를 조합 가능한 특징으로 바꾸고 같은 코드를 과거 재생과 실시간 거래에 사용한다. 시작 시 실행계획과 메모리를 준비해 핫패스 할당을 막고, 비박싱 부동소수를 적용한 한 테스트에서는 꼬리지연이 약 25% 줄었다. 전략별 라벨과 P&L은 공개되지 않았다.
Quant firmsShining Light into the Machine Learning Black Box
Man Group은 종목 비중과 횡단면 수익률을 별도 모형으로 설명한 뒤 SHAP으로 성과를 귀속한다. 수백 종목의 예시에서 XGBoost 계열의 비중 설명 R²는 95%를 넘었고 선형모형은 약 60%였다. 이는 표본 내 설명력이며 미래수익 예측이나 실거래 성과가 아니고, 트리모형의 과적합 위험도 남는다.
Quant firmsRepo and the Liquidity Risk Premium
뉴욕 연은은 SLR 면제 종료 뒤의 FICC 청산 익일물 미 국채 레포와 삼자간 레포를 분석했다. 딜러의 고객 간 평균 중개스프레드는 7.5bp였고, 평균 조건에서 지급준비금 이자율 100bp 상승은 유동성 위험 프리미엄을 0.9bp 높이는 것으로 추정됐다.
Trading & liquidity / Risk & portfoliosBISTRO: a general purpose oracle for macroeconomic time series
BIS는 MOIRAI를 63개 경제의 4,925개 거시계열에 미세조정해 BISTRO를 만들었다. 자료에는 금리·채권수익률 731개가 들어가며 발표시차를 보존한다. 미국 물가에서는 가장 짧은 지평을 제외한 모든 지평에서 단순 자기회귀 모형과 MOIRAI를 앞섰지만 일부 국가·구간에서는 더 큰 오류를 냈다.
AI & modelsDealers and the Dealer of Last Resort: Evidence from the Agency MBS Market in the COVID-19 Crisis
뉴욕 연은은 TRACE 딜러 거래와 연준 매입자료로 2020년 위기 당시 agency MBS의 현물 지정풀–TBA 선도 괴리를 분석했다. 빠른 결제 매입의 시작일과 실제 결제일에 베이시스가 각각 43bp와 29bp 축소됐고, 딜러 순현물 매입도 크게 늘어 대차대조표 제약 경로를 지지했다.
AI & modelsWhat the interns have wrought, special jumbo 2026 edition
Jane Street는 주문별 미래상태 신경망, 수익률과 미래 입력특징을 함께 예측하는 시퀀스 모델, 거래시스템용 특징 엔진 개선을 공개했다. 특징 계산을 별도 프로세스로 옮겨 공유메모리로 제공했고, 메시지버스 개선은 실제 시나리오에서 CPU를 30% 줄였다. 전략별 P&L은 공개하지 않았다.
Quant firmsDesigning for latency and research iteration
Optiver는 거래스택이 시각 그래프, 고수준 언어의 컴파일 방식, 네이티브 코드 종단구조로 진화한 과정을 공개했다. 두 번째 세대는 ML 생산화를 열었지만 빌드와 도구 유지가 병목이 됐고, 세 번째는 시장자료부터 주문까지 계층을 줄여 지연과 연구반복을 함께 개선했다. 구체적 수치는 비공개다.
Quant firmsSoS! The overnight bilateral liquidity provision of non-bank financial institutions to banks
영란은행은 2018년 7월부터 2024년 12월까지 영국 양자간 익일물 길트 레포를 분석했다. 비은행 공급량은 은행 간 거래보다 6~12배 컸지만, 상대가격은 2022년 이전 평균 -7bp에서 이후 약 +10bp로 바뀌어 공급의 양과 가격 안정성이 함께 움직이지 않음을 보였다.
Trading & liquidityBond yield responses to macro news: the role of macro forecast disagreement and monetary policy uncertainty
BIS는 1998~2024년 미국 국채선물의 장중 반응을 여섯 거시지표 발표에서 분석했다. 발표 전 전망기관의 의견차가 클수록 수익률 반응은 약해졌고, 단기 정책금리 불확실성이 높을수록 반응은 커졌다. 팬데믹 뒤에는 CPI의 정책정보가 강해지고 고용 신호는 약해졌다.
AI & modelsThe Fed's Fine-Tune: Coarse Statements and Predictive Pressers
연준 연구진은 DeBERTa V3로 FOMC 성명·기자회견·의장 연설을 분류했다. 2011년 4월~2025년 4월 표본에서 성명은 극단적인 기조가 많았고 기자회견은 혼합 신호가 많았다. 기자회견 심리는 최근 정책기조를 통제해도 미래 금리와 별도 예측 상관을 보였다.
AI & modelsLong on Research, Short on Bandwidth
HRT는 장기간 시장자료로 여러 모델을 학습·모의하는 글로벌 클러스터에서 WAN 포화가 학습을 지연시킨 사건을 공개했다. eBPF·NFS 추적, 서비스 로그와 스위치 카운터를 결합해 워크플로별 전송량을 중복 없이 맞췄고, 현재는 과도한 작업을 자동 제한한다.
Quant firmsQuant Research at IMC
IMC는 모델과 예측을 현재 거래와 새 시장 확장의 기반으로 두고, 머신러닝·AI·대규모 계산을 데이터 분석·백테스트·거래 시뮬레이션에 쓴다고 설명한다. 자체 소프트웨어와 FPGA는 실거래의 속도와 용량을 담당한다. 모델 라벨·위험한도·전략별 손익은 공개되지 않았다.
Quant firmsArtificial intelligence and climate change: balancing innovation and sustainability
BIS는 AI의 기후효과를 계산 인프라의 직접 배출, 효율 개선, 기후 대응과 사용량 반등으로 나눠 검토했다. 효율 향상보다 AI 사용이 빨리 늘거나 전력이 탄소집약적이면 순편익이 줄며, 데이터센터·전력망 투자의 기대수익이 빗나갈 때 금융기관과 채권자에게 신용노출이 남는다.
AI & modelsTransformative AI and demand bottlenecks
BIS는 AI가 자동화 범위를 넓히는 동시에 소비시장과 혁신수익을 줄이는 내생성장모형을 보정했다. 낙관경로에서는 이십 년 뒤 성장률이 5.5%였지만, 실증범위에 가까운 수요병목 경로에서는 이 점 삼 퍼센트에 그쳐 AI 투자와 장기금리의 관계가 단조롭지 않을 수 있음을 보였다.
AI & modelsThe speed premium: high-frequency trading and the cost of capital
BIS 개정 연구는 나스닥 지연시간 개선을 자연실험으로 삼아 매칭된 뉴욕증권거래소 종목과 비교했다. 저베타 종목에서는 시장베타와 자본비용이 높아졌지만 가장 유동적인 종목에서는 유동성 프리미엄이 낮아졌고, 홍콩의 별도 공동위치 개선에서도 이질적 효과를 확인했다.
AI & modelsWhy Two Sigma is using SigOpt for Automated Parameter Tuning
Two Sigma는 시뮬레이션과 ML의 파라미터 탐색을 블랙박스 최적화로 표준화했다. 공개 사례에서 한 알고리즘의 조정시간은 GPyOpt의 24일에서 SigOpt의 3일로 줄었고, 정확도·추론시간 같은 여러 목표를 파레토 경계로 비교하며 비동기 작업배정으로 분산자원의 유휴시간을 낮췄다.
Quant firmsFive Bottlenecks, Five Fixes: How We Avoid Leaving Training Performance on the Table
Jane Street의 GTC 발표는 연구자 코드에서 반복된 다섯 GPU 병목을 공개 예제로 재현했다. 작은 커널은 벡터화·연산융합·사용자정의 커널과 CUDA Graph로 줄이고, 통신대기는 CUDA Stream으로 계산과 겹쳤다. 회사는 예측이 거래에 쓰인다고 밝혔지만 실제 모델과 손익은 공개하지 않았다.
Quant firmsWhen Long-Run Trends Are Unknown: Bond Pricing Implications
뉴욕 연은 연구는 미국 분기자료를 불완전정보 상태공간모형으로 추정해 투자자가 장기 인플레이션·성장·정책금리 추세를 학습하는 과정을 채권가격에 넣었다. 자연금리 신뢰구간은 최대 3.4%포인트에 이르렀고, 이 불확실성이 기대 단기금리와 장기 채권의 위험프리미엄을 모두 움직였다.
AI & modelsTokenised bonds: assessing efficiency and liquidity in a nascent market
ECB는 토큰화 채권 183개와 약 이십만 개의 전통 채권을 수집하고 발행사·통화·만기·쿠폰·규모를 맞춰 비교했다. 매칭 표본에서 발행수익률 스프레드는 평균 0.14%포인트 낮고 유통 bid–ask는 27% 좁았지만, 수수료 차이는 유의하지 않았고 소매접근 하위표본에서는 유동성 결과가 뒤집혔다.
Trading & liquidityFinancial and real effects of fiscal risk
BIS 연구는 이십일만오천 개가 넘는 채권에서 국채금리가 오르고 가장 안전한 회사채 금리가 내리는 움직임을 재정위험으로 식별했다. 오년 국채금리 일 퍼센트포인트 충격 뒤 물가는 먼저 높아지고 산업생산은 십육~십팔 개월 뒤 감소했으며, 십년 금리는 첫해 0.5~1.0%포인트 상승했다.
Risk & portfoliosAgency Algorithms and Electronic Liquidity Providers
XTX Markets는 단일딜러플랫폼별 체결자료를 점수화할 때 기존 라우팅이 만든 선택편향을 제거해야 한다고 설명한다. 부모주문 수준 A/B 테스트와 동점 주문의 무작위 배분으로 fill·mark-out·제시수량을 계속 비교하며, 미국 주식 운영자료에서는 스트림별 제시수량 격차가 거의 30배였다.
Quant firmsA Machine Learning Approach to Constructing an Inflation-Themed Equity Portfolio
Two Sigma는 과거 정보만 쓰는 LightGBM으로 고물가·저물가 국면의 종목별 상대수익을 학습하고 극단 수익의 오분류에 더 큰 가중치를 줬다. 유동성 높은 미국 대형주의 상위 십 퍼센트를 고른 베타중립 포트폴리오의 국면 간 월평균 활동수익 차이는 약 0.8%였지만, 자료는 이를 인플레이션 예측이나 알파 전략으로 제시하지 않는다.
Quant firmsAI 투자와 회사채 공급은 통화정책에 어떻게 들어오는가
일본은행은 AI와 빅데이터가 계산능력과 데이터 가용성의 제약을 낮추는 한편, AI 투자 자체가 수요·생산성·금융여건을 움직이는 정책변수가 됐다고 본다. 특히 주가 상승의 완화효과와 AI 기업의 대규모 회사채 발행이 장기금리를 높이는 경로를 함께 보되, 생산성과 균형금리의 크기와 시계에는 아직 명확한 답이 없다고 선을 그었다.
AI & modelsAI 에이전트가 와도 시장설계의 제약은 왜 남는가
이 조사논문은 공개호가·고빈도거래·일괄경매·다크풀·딜러 RFQ·블록체인과 AI 에이전트를 하나의 시장설계 연속선에서 비교한다. 기술의 변화는 병목을 합리성에서 속도, 거래순서, 보고 가능한 정보의 차원으로 옮겼지만 양면시장의 효율성·유인·예산 제약은 남았다. 에이전트 배분안도 조건부 보장과 사전 실패진단을 제시한 모의연구 단계다.
Trading & liquidity / AI & models시장 스트레스의 평균 대신 꼬리를 예측할 수 있는가
BIS 연구는 미국 국채·외환·단기금융시장의 유동성·변동성·무차익 이탈을 일별 지표로 만들고, 과거 정보만 쓰는 PCA와 분위수 예측을 결합했다. 랜덤포레스트는 일부 외환시장 꼬리 설정에서 자기회귀모형보다 분위수 손실을 최대 이십칠 퍼센트 낮췄고 긴 시계에서 우위가 컸다. Shapley 값은 자금유동성·투자자 과잉포지션과 시장 간 전이를 주요 예측요인으로 보였다.
AI & models백테스트의 확신을 비용 이후 성과로 어떻게 바꾸는가
Man Group은 체계적 운용의 확신을 백테스트 수치가 아니라 표본 밖 검증, 알파 감쇠 감시, 집행비용과 배분을 반복 점검하는 과정으로 설명한다. 데이터가 널리 쓰이면 신호가 약해지고 총성과가 있어도 거래비용이 순성과를 없앨 수 있어 스마트 집행이 필요하다고 본다. 공개 차트와 랜덤포레스트·FICC 모델 사례는 설명용 가상 결과이며 실제 상품이나 비공개 전략의 손익을 뜻하지 않는다.
Quant firmsLLM을 조직의 실제 맥락에 어떻게 연결하는가
Optiver CTO는 기업용 AI의 병목을 모델 성능보다 조직 지식과 업무맥락의 연결에서 찾는다. 회의·문서·코드·이메일에 흩어진 정보를 검색 가능하고 유용하며 안전하게 정리해야 LLM이 도메인 맥락을 쓰며, 팀별 중복도구 대신 복잡성을 줄이는 공통 플랫폼이 필요하다고 설명한다. 자료는 운영방향만 공개하고 시장별 모델·라벨·주문권한·손익은 밝히지 않는다.
Quant firmsAI 장기채 공급은 언제 다른 발행사를 밀어내는가
ECB는 2026년 8월 20일 기준 미국 하이퍼스케일러의 유로 회사채 잔액이 약 사백억유로로 지수의 일 퍼센트를 조금 넘고, 그해 유로표시 비금융회사 신규발행의 약 십 퍼센트를 차지한다고 집계했다. 상반기 다른 발행사의 주문수요는 유지됐지만 하이퍼스케일러 스프레드는 추가 장기물 공급 전망에 반응했다.
Credit국채 가격왜곡은 어떤 딜러 관계에서 커지는가
영란은행 연구는 2016~2022년 영국 레포·역레포 거래와 길트 종목자료를 연결했다. 구조모형의 dealer markup·markdown과 시변 VAR 네트워크를 이용해 시장지배력 마찰이 가격편차의 0.5~1.3%포인트, 지속성이 다른 딜러 충격의 전파가 2~4%포인트를 설명한다고 추정했다.
AI & models통화완화는 펀드 안의 위험을 어떻게 바꾸는가
ECB 연구는 2018년 1분기~2023년 4분기 미국·유로존 오천여 채권펀드의 종목별 보유를 분석했다. 장부가중 평균등급으로 위험선택을 측정한 결과, 분석구간 중 연준의 큰 폭 완화에서 만기 육 년인 중간 펀드의 평균등급은 약 반 notch 낮아진 것으로 추정됐다.
Risk & portfoliosLLM은 퀀트 피처 연구의 경제성을 어떻게 바꾸는가
Two Sigma의 Ben Wellington은 연구자·피처 엔지니어·플랫폼 엔지니어가 작은 신호를 반복 검증하는 절차를 설명했다. LLM은 회사와 사건을 질의 가능한 텍스트로 바꿔 과거에 비쌌던 아이디어 탐색을 줄이지만, 자동화가 지나치면 연구자의 서로 다른 관점이 동질화될 수 있다고 경고했다. 개별 신호와 성과는 공개되지 않았다.
Quant firms연구용 객체저장소를 기존 도구에 어떻게 붙이는가
Jane Street는 연구용 객체저장소 Depot을 기존 POSIX 도구에 연결하는 읽기 전용 FUSE 서버를 공개했다. 실제 요청을 캡처해 프로토콜 회귀시험을 만들고 병렬 읽기와 zero-copy 버퍼를 적용했다. 대용량 순차읽기는 약 30MiB/s에서 1.3GiB/s로 개선됐지만 CPU나 네트워크가 포화되지 않아 다음 병목은 readahead로 남았다.
Quant firmsFunding the AI revolution: evidence from euro area sectors
ECB는 기업의 AI 사용 설문과 특허, 대출·증권·재무자료로 유로지역 업종을 도입기업과 개발기업으로 나눴다. 2023~2025년 AI 사용기업 비중은 두 배 넘게 늘었다. AI 집약 업종은 레버리지가 낮지만 최근 은행대출보다 시장성 부채 증가가 두드러졌고, 장기물 의존은 금리전달을 수익률곡선 장기구간으로 옮길 수 있다.
AI & models / Risk & portfoliosDomestic and foreign insurer corporate bond demand and monetary policy
영란은행은 2018년 일월부터 2022년 십이월까지 영국·미국 보험사의 종목별 거래를 결합했다. 영국 장기금리 상승 뒤 영국 보험사는 파운드 회사채를 늘렸지만 미국 보험사는 달러표시 영국채권을 줄였다. 규제와 부채통화가 만든 상반된 수요가 통화정책의 회사채 전달효과를 일부 상쇄했다.
CreditFSB Chair’s letter to G20 Finance Ministers and Central Bank Governors: August 2026
FSB는 프런티어 AI가 사이버 위험의 속도·규모·경제성을 바꿔 시장 신뢰를 시스템 전체에서 훼손할 수 있다고 평가했다. 국채시장 취약성, 사모신용과 높은 자산가치가 이미 조정의 전파경로인 상황에서 공통 기술공급자의 장애가 충격을 키울 수 있다. 이는 관측손실의 실증이 아니라 전향적 정책위험 평가다.
AI & modelsOffice Hours With Ashish Thakkar, CTO of Two Sigma Securities
Two Sigma Securities는 고빈도·단기 예측을 저지연 기술로 수익화한다고 설명했다. 무거운 계산은 소프트웨어에서 미리 처리해 FPGA에 공급하고 거래경로에는 빠른 판단을 남긴다. 국채옵션 호가취소 속도는 역선택과 시장조성 가능범위를 바꾸며, 새 sequence model은 다음 시장사건을 예측하지만 신호·라벨·P&L은 공개되지 않았다.
Quant firmsTrading off compute for memory with activation checkpointing
Jane Street는 전체 계산그래프를 한 번 계획해 절대 GPU 메모리 예산 안에서 activation checkpointing 대상을 고르는 방법을 공개했다. peak memory를 얼마나 줄이는지와 재계산비용의 비율로 저장 활성값을 제거한다. 제한된 단일 그래프 모델에서는 비교정책보다 나았지만 동적 shape와 데이터 의존 연산에는 적용되지 않았다.
Quant firmsPricing Sentiment: Measuring Input Cost Pressure from ISM Survey Responses
연준은 2024~2026년 ISM 설문의 가격 자유응답을 약 쉰 개 PPI 유사 범주로 분류했다. 문장 임베딩과 Claude Sonnet 문맥학습이 만든 지수는 대체로 비슷했고, 고기술 품목지수는 이천이십오년 십이월과 이천이십육년 일월에 올라 이월 PPI 상승에 앞섰다. 이는 정식 표본외 예측보다 주문단계의 비용압력을 조기에 포착한 결과다.
AI & modelsBeyond Financial Conditions: Measuring Structural Vulnerabilities in the U.S. Financial System
연준은 자산가치·자금조달·레버리지 등 39개 변수를 8분기 뒤 실업률 악화와 연결해 금융취약성지수(FVI)를 만들었다. 금융여건지수와 달리 FVI는 위기 전에 서서히 오르고 충격이 현실화되면 내려갔다. 2008년 1분기의 8분기 뒤 GDP 하방 결과에 부여한 확률은 FVI 0.33, NFCI 0.04였다. 긴축의 취약성 완화는 수년에 걸쳐 나타났다.
AI & modelsRepo market networks: dynamics under financial stress
ECB는 2021년부터 2025년 이월 중순까지 유로 레포 거래단위 자료로 기관·업종 네트워크를 만들고 CISS 스트레스 지수와 연결했다. 시장은 핵심-주변 구조였지만 스트레스 때 연결밀도가 오히려 높아졌다. 업종쌍 거래량·스프레드는 대체로 안정적이었고 시장 전체 스프레드는 낮아졌다. 관측기간의 유로 레포는 가격조정으로 충격을 흡수한 모습이었다.
AI & modelsTernFS — an exabyte scale, multi-region distributed filesystem
XTX는 수만 개 금융상품의 가격예측 연구를 위해 TernFS를 만들었다. 이천이십사년 중반부터 모든 ML 작업이 이를 사용했고 이천이십오년 구월에는 세 데이터센터의 삼만 디스크·일만 플래시에 오백 PB 이상을 저장했다. 완성된 불변 파일만 보이게 하고 체크섬과 Reed–Solomon 부호로 손상을 다뤘다. 규모와 무손실 주장은 회사 공개값이며 P&L은 공개되지 않았다.
Quant firmsScaling and benchmarking a critical message bus using a new indexing strategy
Jane Street의 Aria는 하루 여러 TB의 메시지를 처리한다. 뒤처진 클라이언트가 일부 주제만 복구할 때 전체 스트림을 훑던 문제를 파티션 인덱스와 n-way merge로 바꿨다. AI 에이전트가 만든 다섯 heap 구현을 같은 벤치마크로 비교해 복구코드를 두 배 빠르게 했고, 생산 tip 인덱싱은 일부 실제 시나리오의 스테이징에서 CPU를 30% 줄였다. 적응형 분할은 아직 생산 전이었다.
Quant firmsChasing El Dorado: gold under shifting geopolitical and financial conditions
BIS는 1990~2026년 월별 자료에서 지정학적 위험을 VIX와 분리하고 금 수익률의 동적 반응을 추정했다. 위협과 실제 사건 모두 금 수익률을 높였지만 금융여건이 느슨할 때 효과가 컸다. 위험상승과 완화적 금융여건이 겹치면 각각 1.3%와 1.2%로 확대돼, 유동성이 안전자산 이동을 가능하게 하는 조건으로 나타났다.
AI & modelsThe AI investment race
BIS는 소수 승자가 시장을 차지하는 AI 경쟁을 동적 게임으로 만들고 기업 재무제표와 공개 거래자료로 보정했다. 기준 투자는 효율적 수준의 약 1.5배, 수요탄력성이 낮으면 약 세 배였다. 부채와 순환형 자금조달은 전문설비의 동시 매각손실을 키웠고, 약 3조 달러의 설비투자부터 기대 순경제잉여가 음수로 바뀌었다. 이는 관측된 손실이 아니라 모형 시나리오다.
AI & modelsInnovation, financial frictions, and persistent effects of monetary policy
영란은행은 1997~2017년 미국 R&D 기업 895개의 재무자료와 대출계약을 연결했다. 25bp 긴축 뒤 현금흐름은 비슷했지만 현금흐름 기반 대출이 없는 기업의 R&D는 첫해 1.8%포인트 더 줄었다. 내생성장 모형의 영구 생산손실은 0.12%였고 대출접근을 전 기업으로 넓히면 약 30% 감소했다. 관측된 차이와 모형 결과는 구분해야 한다.
AI & modelsApplying Artificial Intelligence to Trading
HRT는 시장·대체자료에서 순거래수익을 위험과 규정 제약 아래 높이는 문제를 설명한다. 하나의 AI 대신 미래가격 예측, 위험조정 자산배분, 주문집행으로 분해한다. 예측 예시는 닷새 뒤 가격이고 집행은 목표수량, 가격충격, 미완료 위험을 함께 다룬다. 실제 모델과 P&L은 공개하지 않아 확인되는 것은 연구·생산 문제의 구조다.
Quant firmsA 24x Speedup for Reinforcement Learning with RLlib + Ray
Two Sigma의 금융 강화학습 사례는 모형학습보다 CPU 시뮬레이터의 표본생성이 병목이었다. 기존 24 CPU 실험은 7~10시간이 걸렸고 약 90%가 표본 생성이었다. RLlib의 배치 rollout으로 1.5~2.5시간, Ray 클러스터로 약 20분까지 줄여 합산 약 24배 빨라졌다. 한 실험의 계산 결과이며 거래수익 개선을 입증하지 않는다.
Quant firmsInflation attitudes of large language models
영란은행은 지식이 2021년 9월에 끝난 GPT에 이후 물가정보와 가상 응답자의 특성을 넣었다. 2022년 말 2111명 표본으로 설정을 조정하고 2023년 초 4472명 표본에서 시험했다. 집계 응답은 실제 설문과 비슷했지만 개인별 일치는 약했고, 식품가격 민감도는 소비바스켓 비중 대비 4.01배였다. 장기 기대도 실제 둔화를 따라가지 못했다.
AI & modelsHarnessing artificial intelligence for monitoring financial markets
BIS는 백 개가 넘는 일별 지표로 유로·엔 삼각차익 괴리의 60영업일 뒤 값을 예측하고, 변수별 가중치로 설명할 대상을 골랐다. 3.5년 표본외 구간에서 2023년 3월 은행불안 관련 변수가 두드러졌다. 그러나 순환신경망의 RMSE는 단순 자기회귀보다 높았다. 사건 방향과 설명에는 쓸모가 있어도 점예측 우위는 확인되지 않았다.
AI & modelsIntraday Price Pressure and Order Flow Around U.S. Treasury Auctions
뉴욕 연은은 1991~2024년 장중자료에서 입찰 전 수익률 상승과 발표 뒤 반전을 확인했다. 만기별 압력은 0.7~1.2bp였고, 순매도와 순매수의 한 표준편차 증가는 각각 0.76bp와 1.05bp에 대응했다. 주문흐름을 넣자 회귀식 설명력은 4.7%에서 19.8%로 높아졌다. 딜러 제약은 재고조정을 위한 실제 거래를 통해 가격에 전달됐다.
Rates & curves / Trading & liquidityThe trading problem: why market data is a deep learning challenge
Optiver는 고빈도 전략이 수초에서 수분 뒤 가격을 예측하며, Level 3 자료에서는 개별 주문과 큐까지 본다고 설명한다. 신호가 약해 좋은 모형도 52% 정확도일 수 있고 하루 사건은 수억 건에 이른다. 100,000개 사건도 평균 한 분 남짓이어서 장기문맥과 생산지연을 함께 풀어야 한다. 공개 글은 문제와 연구방식을 설명하며 특정 모델이나 P&L은 밝히지 않는다.
Quant firmsMitigating memorization in LLMs
Jane Street는 크리켓 경기 프리뷰를 지식 마감 전후로 나눠 LLM의 진짜 예측력과 기억오염을 분리했다. 2015년과 2026년까지 학습한 보조모형 차이로 logits를 조정하자 마감 전 성능만 낮아지고 이후 성능은 유지됐다. 증류는 원모형보다 나빴고, 진단과정에서 불필요한 층을 제거해 학습을 1.5배 빠르게 한 부수 성과도 나왔다. 완성된 제거기가 아니라 탐색적 연구다.
Quant firmsHigh public debt, NBFIs and the risk of market dysfunction
BIS는 미국 국채시장의 유동성 지표를 묶고, 무작위숲 모형으로 석 달 뒤 시장 상태의 분포를 예측했다. 정부 부채비율이 높은 구간에서는 금융위기 수준의 스트레스 확률이 3%, 낮은 구간에서는 0.02%였다. 비은행 투자자의 비중이 커지면 좋은 상태와 나쁜 상태가 모두 늘어, 평균만으로는 위기 위험을 설명하기 어려웠다.
Credit / Risk & portfoliosArtificial intelligence and financial markets
ECB 연구진은 AI의 금융시장 효과를 정보 생산, 경쟁과 위험보유의 변화로 설명한다. 네덜란드 주식 감독자료에서 전문거래회사가 하루 매수·매도를 상쇄하지 않고 남기는 비중이 최근 커졌다. 더 긴 보유 전략으로 옮겨갈 가능성과 맞지만 AI가 원인이라는 증거는 아니다. 빠른 가격 판단과 실제로 위험을 떠안는 능력을 구분해 봐야 한다.
AI & modelsMeasuring sentiment news with transformer-based language models
2025년 영문 금융뉴스 143,755건에서 문장별 감성을 기사 지수로 합치고, 사람이 평가한 588건과 대조했다. 시간순으로 남긴 시험에서 최고 문맥 기반 지수의 분류점수 macro-F1은 0.638, 단어사전 방식은 0.162였다. 사람에게 긍정·중립·부정으로 읽히는지를 더 잘 구별한 결과다. 같은 분류 경계와 제한된 검증 표본의 비교이며 채권수익 예측은 아니다.
AI & modelsCan you use autoregressive diffusion to generate market data?
Jane Street는 네 해의 미국 주식 자료로 다음 거래와 최우선호가 변화를 생성했다. 가격과 시간은 연속값으로, 사건 종류와 자주 나타나는 특정 값은 따로 다뤘다. 한 사건을 만드는 평가는 좋아졌지만, 생성한 사건을 계속 이어 붙이면 매수·매도 호가 간격이 벌어졌다. 한 단계의 분포가 맞아도 현실적인 시장 경로가 보장되지는 않았다.
Quant firmsApache Arrow: Accelerating in-memory analytics through zero-copy data sharing
G-Research는 데이터가 저장 파일에서 분석 도구와 학습 도구로 넘어갈 때 생기는 변환 비용을 설명한다. Arrow는 같은 열 중심 메모리 규격을 공유해, 호환되는 도구가 데이터를 매번 새 형식으로 복사하는 일을 줄인다. 저장을 작게 만드는 Parquet과 계산하기 쉽게 만드는 Arrow를 함께 쓰는 구조이며, 회사의 거래 성과를 공개한 글은 아니다.
Quant firmsCircular relationships among AI firms
BIS는 AI 기업의 투자와 공급망 자료를 연결했다. AI 간 투자 중 상거래가 겹친 비중은 건수 16.1%, 공개 거래가치 46.4%로 큰 거래에서 중복이 더 두드러졌다. 공급 확보와 고객 지원에 도움이 되지만 수요 약화 때 투자·매출 손실도 겹칠 수 있다. 기업 관계의 중복이지 모든 계약의 매출 부풀리기를 입증한 결과는 아니다.
AI & modelsDealers, information, and liquidity crises in safe assets
영란은행은 연기금 위기 때 영국 국채의 고객별 체결비용을 비교했다. 과거 거래성과가 높은 집단은 위기 정점에 다른 고객보다 평균 15bp 낮은 비용을 냈다. 평시 평균 비용 3bp보다 큰 격차였다. 딜러는 처음에는 정보를 얻을 고객을 우대했지만 이후 다른 고객의 비용을 높이고 중개를 줄였다. 고객별 정보가 전체 유동성을 나눌 수 있다는 결과다.
Rates & curves / Trading & liquidityGovernment bond-backed repo markets: between resilience and vulnerability
연준 연구는 국채를 담보로 현금을 빌리는 레포시장의 문헌과 위기사례를 종합했다. 짧은 만기와 담보재사용은 평소 자금순환을 돕지만 스트레스도 빠르게 전달한다. 중앙청산으로 반대 포지션을 상계하면 딜러의 중개 여력이 늘 수 있으나, 상계할 포지션이 적은 투자자와 위기 때 증거금 부담에는 같은 편익이 보장되지 않는다.
AI & modelsResearch at scale: Orchestrating ML for systematic trading
Optiver는 아이디어를 검증 결과로 바꾸는 시간을 연구플랫폼의 목표로 삼는다. 하루 특징생성에 한 시간이 걸리면 1,000거래일의 직렬 처리는 약 여섯 주다. 날짜별로 나누고 GraphRunner가 실행 가능한 작업을 사내·클라우드·로컬에 배치해 경과시간을 줄인다. 계산량은 그대로이며 이 운영 예시가 예측력이나 거래수익 개선을 입증하지는 않는다.
Quant firmsFastTrackML: The fastest ML experiment tracker yet
G-Research의 FastTrackML은 모델 실험의 점수와 설정, 산출물, 버전을 함께 기록하는 서버다. MLflow 연동으로 기록을 남기고 Aim 화면으로 결과를 탐색한다. 회사는 기존 도구보다 최대 100배 빠른 탐색 가능성을 발표했지만 비교조건은 공개 페이지에 없다. 실험의 추적 구조는 확인할 수 있으며 실제 채권예측 성능은 별도로 검증해야 한다.
Quant firms회사채 밖에도 쌓이는 AI 부채
영란은행 위원회는 시장기관 추정치를 인용해 AI 부채 발행이 9월 초까지 약 4,500억달러, 파운드 회사채의 관련 발행 비중은 47%라고 기록했다. 데이터센터 사모신용 조달 7,000억달러는 미래 전망이다. 복잡한 계약과 차입이 수익기대 실망 때 손실을 키울 수 있다는 위험평가이며 국채금리 방향을 확정하지 않는다.
Rates & curves / Credit / AI & models현금이 줄면 같은 발행도 더 부담됨
연준은 2014년 9월~2026년 3월 레포 자료에서 국채발행과 유동성을 분석했다. 500억달러 순발행의 조달금리 영향은 연준 유동성이 GDP의 12%를 넘으면 1bp 미만, 10% 아래면 거의 10bp였다. 같은 공급도 준비금·역레포 현금이 적을 때 부담이 커진다는 회귀결과이며 특정 포지션의 수익을 뜻하지 않는다.
Rates & curves / Trading & liquidity화면의 호가폭과 실제 거래비용
연준 연구는 오래전에 발행된 국채의 거래자료를 이용해 실제 체결비용과 화면의 매수·매도 호가폭을 비교했다. 오래된 종목에서는 표시 호가가 비용을 과장하는 경향이 있었고, 지표물의 유동성과 거래규모에 따라 관계도 달라졌다. 화면의 넓은 호가만으로 경과물을 거래하기 어렵다고 판정하는 데 한계가 있다는 측정 결과다.
Rates & curves / Trading & liquidity모델이 자기 주문을 다시 배우는 순간
Jane Street는 금융데이터의 잡음과 경쟁적 거래행동 때문에 머신러닝을 시장문제에 맞게 수정해야 한다고 설명한다. 목적함수와 계산근사뿐 아니라 배포 뒤 자신의 거래가 다음 관측치를 바꾸는 피드백도 점검한다. 일부 딥러닝의 생산 활용은 공개했지만, 자기 주문의 영향을 통제하는 구체적인 모형이나 실거래 손익은 공개하지 않았다.
Quant firms가격예측과 주문결정의 다른 목표
Two Sigma의 공개 웨비나는 고빈도 가격예측과 강화학습 주문전략을 별개 문제로 다룬다. 가격모형은 현재 정보에서 미래 움직임을 추정하고, 주문정책은 자신의 행동이 체결과 다음 시장상태를 바꾸는 과정을 고려한다. 이 구분은 예측 정확도만으로 집행의 우열을 판단하기 어렵다는 뜻이며 회사의 실제 전략 성과가 공개된 것은 아니다.
Quant firms자율권한과 공통모델이 만날 때
ECB 연설은 유로지역 주요 은행의 거의 90%가 생성형 AI를 사용하지만 투자추천·거래에 자율·반자율 권한을 준 자산운용사는 5%라고 설명한다. 서로 다른 집단의 수치이며 도입과 행동권한을 구분해야 한다. 소수 공통 모델에 의존하면 충격 해석과 주문이 함께 쏠릴 수 있다는 감독상 경고로, 사고율이나 거래손익의 실증 추정은 아니다.
AI & models / Risk & portfolios국채 상대가치의 두 현금 부담
BIS는 여러 나라에서 현물 국채가 스왑보다 싸진 현상과 레버리지 투자자의 거래 확대를 분석한다. 네 시장 저평가 공통변동의 83%를 한 요인이 설명했다. 현물 레포조달과 파생 증거금이 함께 필요하므로 조달금리·담보조건·변동성이 동시에 악화되면 여러 거래가 같은 현금압박을 받을 수 있다는 결과다.
Rates & curves정보를 빨리 읽는 비용과 집중
ECB 논의문은 AI가 비정형 자료를 거래 가능한 정보로 바꾸는 효과와 그 비용구조를 함께 정리한다. 더 좋은 자료와 계산기반을 가진 기관은 가격발견을 앞당길 수 있으나 고정비와 규모의 경제는 정보생산을 집중시킬 수 있다. 공통 자료·모델의 확산이 평시 효율과 스트레스의 행동 동조를 동시에 높일 가능성을 다룬 문헌 연구다.
AI & models필요한 열만 읽는 금융데이터
G-Research는 Parquet의 컬럼형 저장구조가 대규모 금융자료 조회를 돕는 원리를 설명한다. 행을 묶은 단위로 병렬처리하고 필요한 열과 조건에 맞는 구간만 읽으면 불필요한 데이터 이동을 줄인다. 압축과 인코딩 선택은 저장량과 CPU 비용을 바꾸므로 자료·조회조건에 맞춰 측정해야 한다. 이는 인프라 설명이며 예측력 개선의 증거는 아니다.
Quant firms예상수익 안에 섞인 팩터 노출
HRT는 선형 팩터모형을 이용해 포트폴리오 위험과 손익을 설명하는 기본 구조를 공개한다. 종목 간 관계를 소수 공통요인과 개별 위험으로 나누고, 예상수익도 팩터 방향과 나머지 알파로 분리한다. 이 분해는 포지션과 성과의 원인을 구분하는 데 쓰인다. 공개 예시는 주식용 기본모형이며 회사의 실제 신호나 손익을 제공하지 않는다.
Quant firms재무제표 밖으로 옮겨간 데이터센터 부채
BIS에 따르면 미국 대형 클라우드·데이터센터 운영사의 2025년 회사채 발행은 1,000억달러를 넘고 대부분 만기 5년 이상의 장기물이었다. 별도 기구가 차입하고 본사가 임차·구매·보증을 제공하는 조달도 늘었다. 재무제표 밖의 계약이 상환을 뒷받침하고 사모신용·보험사·은행까지 연결되므로 공식 회사채와 경제적 부담을 함께 살펴야 한다.
AI & models고객이면서 투자자인 AI 금융
IMF는 2029년까지의 AI 설비투자 전망 3.4조달러 중 대형 클라우드 기업 비중을 70%로 본다. 고객과 투자자가 겹치는 순환금융은 매출과 금융자산의 위험을 연결하고, 장비수명이 회계상 약 7년보다 짧아져도 부담이 늘 수 있다. 미래 투자·수명에 대한 조건부 평가이며 현재 대형사의 제한적인 신용위험을 장래 전염 가능성과 구분한다.
AI & models경제 블록으로 제한한 머신러닝
영란은행의 블록가법모형은 변수를 경제적 의미별로 묶고 블록 안에서는 비선형 관계를 학습하되 블록 사이의 기여는 더해서 계산한다. 방향이 알려진 관계에는 단조 제약도 둔다. 이 구조는 유연성을 유지하면서 기여도를 읽게 한다는 연구결과이며, 제약의 타당성은 문제마다 검토해야 하고 채권전략 손익은 연구범위가 아니다.
AI & models코드를 쓰는 에이전트와 가설을 고르는 사람
Man AHL의 Alpha Assistant는 연구자가 정한 가설을 내부 자료·코드·도구로 구현하는 사례다. 범용 모델은 비용가정과 표본 구분 등 회사의 규칙을 모르기 때문에 그럴듯한 코드도 연구에 맞지 않을 수 있다. 계획 확인과 표준 분석을 통해 구현 부담을 줄이는 접근이며, 새 가설과 복잡한 판단은 연구자에게 남긴다.
Quant firms성공 선언 대신 실제 메시지 시험
Optiver는 거래소 통신모듈의 에이전트 개발에서 출시시간 75%, 엔지니어링 투입 85% 감소와 약 90% 리뷰 준비 상태를 보고했다. 명세·도메인 자료·단계별 실행을 보강하고 실제 트래픽 시험으로 성공을 판정했다. 회사의 특정 개발 사례이며 완료 선언이나 거래전략 수익을 검증한 결과와는 범위가 다르다.
Quant firmsAI 우량채에도 붙는 공급 프리미엄
Reuters는 AI 하이퍼스케일러 발행이 2027년 4,200억달러로 늘 전망이며 관련 스프레드가 115bp로 전체 투자등급의 78bp보다 넓다고 보도했다. 투자자들은 반복 공급과 단일 발행사 한도에 대한 보상으로 해석했다. 발행량은 전망이고 스프레드는 시장 비교로, 넓은 차이를 곧바로 부도위험의 증가로 읽을 수 없다.
Credit / AI & models / Risk & portfolios장기 경과물을 사들이는 재무부
미 재무부는 오래된 장기 국채를 사들이는 유동성 지원 바이백의 회당 한도를 확대했다. 꾸준히 들어온 양질의 매도제안을 근거로 경과물의 거래여건을 보완하는 조치다. 적용기간과 이후 재검토를 명시한 정책이므로 장기금리의 전망이나 모든 종목에 대한 가격지지 약속으로 읽기보다 실제 매입과 거래비용 변화를 확인해야 한다.
Trading & liquidity제도에 따라 달라지는 회사채 예측
중국 회사채 연구는 거시·채권·발행사 자료를 이용해 머신러닝과 선형모형을 비교하고 비선형 모형의 통계·경제적 우위를 보고한다. 국유기업과 암묵적 보증 같은 시장특성을 고려하며 공매도 제약에 맞춘 매수전용 포트폴리오도 평가했다. 공개 초록이 제공하지 않는 알고리즘별 수익·비용은 확인되지 않아 한국 성과로 일반화할 수 없다.
Credit약한 신호와 주문경로를 시험하는 방식
Man AHL은 AI로 약한 신호를 탐색할 때 무작위 자료에서도 비슷한 신호가 나오는지와 모형을 고를 때 쓰지 않은 자료에서도 유지되는지를 점검한다고 설명한다. 신호 조합과 적응형 주문경로 선택도 다루지만 실제 전략·보상함수·손익은 공개하지 않았다. 공개된 내용은 반복 탐색의 검증 원칙이며 신호 수가 많다는 이유만으로 수익성을 인정하지 않는다.
Quant firms데이터도 과거 상태로 되돌리는 시스템
Two Sigma는 자료와 처리 인프라를 함께 버전 관리하고 파이프라인·SQL 시험·품질점검을 연결하는 방식을 공개한다. 원자료만 같아도 처리환경이 달라지면 결과가 달라질 수 있어 당시 자료와 인프라 상태를 함께 재생한다. 이는 재현과 운영의 구조를 설명하는 사례이며 특정 예측모델이나 실거래 손익의 개선폭을 입증하지 않는다.
Quant firms생산성 기대가 먼저 올리는 수요
ECB 연설은 미래 AI 생산성에 대한 기대가 실제 소득 증가보다 먼저 소비와 투자를 움직일 수 있다고 설명한다. 기대를 천천히 학습하면 초기 물가압력은 작아지고, 에너지비용과 금융여건은 도입속도를 늦출 수 있다. 생산성 상승만으로 금리경로를 정할 수 없다는 조건부 정책 논의다.
Rates & curves / AI & models국경을 넘는 공통 크레딧 가격
뉴욕 연은은 1998~2024년의 37% 달에서 글로벌 지수 채권의 80% 이상이 같은 방향으로 움직였다고 보고했다. 미국 위험보상·VIX로 공통요인을 추정하자 변동성과 크레딧이 함께 높을 때 민감도가 급격히 커졌다. 국가별 분산이 공동 스트레스에 약할 수 있다는 결과이며 미래 손실의 확정 신호나 인과효과는 아니다.
Credit / Risk & portfolios같은 만기에도 다른 국채 유동성
뉴욕 연은은 발행잔액 4% 미만인 지표물이 일거래량 65%를 차지한다고 보고하고, 개별 국채의 노후화를 체결자료로 추적했다. 경과물은 중개 의존과 비용이 늘었지만 선물 인도종목은 같은 나이보다 활발했다. 만기·경과일만으로 유동성을 설명하기 어렵다는 종목 수준의 결과이며 모든 주문에 같은 비용을 보장하지 않는다.
Rates & curves / Trading & liquidity데이터와 업무에 연결된 AI
Citadel Securities 대담은 데이터·기술전문성·업무흐름의 결합을 AI 활용의 기반으로 제시한다. 예측분석과 자동화가 고객수요와 운영안정성을 지원한다는 설명이지만 모델·시장별 손익은 공개하지 않았다. 확인할 수 있는 것은 업무 통합의 원칙이며 회사의 수익 신호를 복제할 자료는 아니다.
Quant firms주문이 가격을 바꾸는 인과문제
Two Sigma 글은 공통 원인이 많은 금융자료에서 행 수와 실제 독립 표본 수가 다르다고 설명한다. 지나치게 좋은 수익예측에는 미래정보 혼입을 의심하고 주문이 가격을 바꾸는 집행에는 인과평가가 필요하다고 구분한다. 높은 점수와 실제 과업의 신뢰를 별도로 검증해야 한다는 공개 방법론이다.
Quant firms은행의 금리방향 확률을 읽는 범위
HSBC의 DUSTIN은 미국 10년 금리의 향후 21거래일 방향을 확률로 분류하는 모델로 보도됐다. 학습 밖 정확도 65%는 학습표본 76%보다 낮았다. 변수·기간·비용·신뢰구간과 원 모델 문서가 없으므로 보도된 분류점수를 독립 검증된 운용수익이나 포지션 크기의 근거로 읽을 수 없다.
Rates & curves / Trading & liquidity누가 국채를 사느냐에 따른 공급효과
연준은 투자자별 보유비중이 변하는 수요체계와 도구변수로 공급효과를 추정했다. 현재 공급이 1,000억달러 늘면 5년 금리가 약 3bp 오르는 모형결과다. 공공부문 비중이 줄고 민간투자자가 늘면서 공급에 더 민감해졌으며, 평균 추정치를 모든 발행일이나 국내 시장의 확정 효과로 적용할 수는 없다.
Rates & curves담보를 미리 옮겨둘 수 있는 운영속도
연준 연설은 할인창구의 온라인 요청과 담보 제출·이체가 당일 현금확보를 돕는다고 설명한다. 약정을 갖추고 담보를 미리 준비하면 스트레스 때 국채를 급히 팔 부담을 줄일 수 있다. 담보 예치 증가는 실제 차입과 다르므로 운영 준비와 대출 실행을 구분해야 하며 시장안정을 보장하는 수치로 읽을 수 없다.
Rates & curves / Risk & portfolios많은 연구자가 함께 읽는 저장기반
HRT는 대규모 자료의 비용·확장성과 동시사용 간 간섭을 다루기 위해 Blobby 저장시스템을 구축했다고 설명한다. 추가기록과 복구용 패리티 조각으로 자료를 보존하고 장애시험으로 실패를 점검한다. 공개 내용은 저장계층의 구조이며 총처리량과 보존 목표를 특정 모델 또는 거래손익 개선으로 바꿔 읽을 수 없다.
Quant firms작은 예측변화가 큰 포지션을 만들 때
D. E. Shaw는 작은 예상수익 변화가 한도 끝의 최적해와 큰 포지션 이동을 만들 수 있다고 설명한다. 입력오차와 복수 위기상태·집행비용을 함께 점검하고 모델 밖 상황에는 사람이 개입한다. 느린 집행이 나은 경험도 제시하지만 공개 사례이므로 특정 전략의 재현 가능한 수익 검증으로 일반화할 수 없다.
Quant firms생산성 실현보다 먼저 움직이는 금리
IMF는 AI 역량 발전을 공통 전제로 도입이 불균등한 시나리오와 빠른 확산 시나리오를 비교한다. 생산성이 실제로 높아지기 전에 성장 기대가 실질금리를 올리면 고부채 국가의 이자부담이 먼저 커질 수 있다. 금융의 레버리지와 집중도도 위험으로 다루지만 확정 전망이 아닌 전환 시나리오의 조건부 평가다.
Rates & curves / AI & models중앙청산 비중이 보여주는 전환의 빈칸
OFR의 전체 국채 레포 청산률은 53% 정점 뒤 약 46%, 적용대상은 2025년 말 72%에서 2026년 1분기 약 62%로 낮아졌다. 참가자·거래방향별 비율도 달랐다. 상계편익과 증거금이 가능한 이유로 제시되지만 청산 선택의 원인은 확정되지 않았으며 분모와 시점을 맞춰 전환의 남은 조건을 보아야 한다.
Rates & curves헤지펀드 현물 보유의 추정과 레버리지
OFR은 보고된 통합 익스포저에서 선물 노출을 차감해 2025년 말 헤지펀드 현물 국채 롱을 2조달러, 시장성 국채의 7%로 근사했다. 선물 숏 1.4조달러는 베이시스 거래의 중요성을 시사한다. 직접 현물 보고값은 아니며 모든 거래목적을 식별하지 못해 규모·측정오차·조달위험을 함께 보아야 한다.
Rates & curves데이터 플랫폼에도 필요한 관측
Two Sigma의 기술발표는 데이터 플랫폼의 사용량과 성능을 측정하는 계층과 오픈소스 선택을 다룬다. 성능·운영적합성·유지보수 조건을 확인해야 하며 공개 여부만으로 품질을 가정하지 않는다. 지연·실패를 빨리 찾는 데 도움이 될 수 있다는 해석은 가능하지만 구체적 전략·자료·손익 개선폭은 공개되지 않았다.
Quant firms이전 데이터로 돌아가는 ArcticDB
Man Group의 ArcticDB는 Python 자료를 저장·조회하면서 이전 버전과 사용자 스냅샷으로 돌아가는 기능을 제공한다. 연구와 생산에서 같은 방식으로 대규모 시계열을 다루고 업데이트 뒤에도 기록 버전을 보존한다는 기술 설명이다. 투자업무 지원이라는 회사 평가와 별개로 특정 알파·모델·시장별 손익은 공개하지 않았다.
Quant firms설계부터 배포 이후까지 보는 감독
IOSCO 툴킷은 모델 설계·자료·배포·사후 모니터링을 하나의 생애주기로 점검한다. 위험영역을 찾은 뒤 거버넌스·외주·공시·기록을 확인하고 채택과 이상징후를 추적할 자료를 정한다. 현장검사와 설문·문서요구를 결합한 비구속적 도구이며 특정 AI 거래전략의 정확도나 수익성을 입증하는 자료는 아니다.
AI & modelsAI 도입률 뒤의 클라우드 의존
ESMA 설문은 AI 활용이 기업규모와 업종에 따라 다르고 상용 클라우드 의존도도 높다고 보고한다. 응답사의 62%는 전적으로 상용 클라우드에 의존했고 그 집단의 41%는 단일 제공자를 썼다. 이 비율의 분모를 구분해야 하며 설문은 도입과 이해수준을 보여줄 뿐 투자성과 개선이나 장애의 인과효과를 입증하지 않는다.
AI & models / Risk & portfolios작은 전자거래와 큰 장외 블록
ICMA 자료는 유럽 회사채의 거래금액과 건수, 전자·장외 경로를 비교한다. 금액 기준 전화 등의 장외 거래는 53%, 딜러·고객 전자거래는 47%였고 작은 거래에서 전자화가 늘었다. 대형 블록은 장외 비중이 압도적이어서 평균 전자거래율을 모든 주문에 적용하기 어렵다. 경로별 비용우위까지 식별한 결과는 아니다.
Credit / Trading & liquidity드문 파일복사 실패를 재현한 과정
Jane Street는 자료 저장·배포 시스템의 드문 파일복사 오류를 작은 고부하 환경에서 재현했다. FUSE로 파일을 만들고 커널 추적과 패킷을 대조해 NFS 재전송·보안 시퀀스·늦은 응답이 얽힌 원인을 찾았다. AI는 시험용 코드 작성에 쓰였으며 원인 확인은 관측 도구로 수행했다. 전략별 손익효과는 공개하지 않았다.
Quant firms화면에도 들어가는 증분 계산
Jane Street의 Bonsai는 관련 입력이 바뀐 계산만 갱신하는 증분 구조를 화면과 업무계산에 사용한다고 설명한다. 함수형 상태기계와 공유 타입은 상태변화와 데이터형식의 일관성을 다루는 기반이다. 거래시스템과 상호작용하는 사내 도구에도 사용되지만 내부 화면·위험한도·성과는 공개되지 않아 수익효과를 판단할 수 없다.
Quant firms긴 금융 문서에서 시험한 언어모델
영란은행은 EcoFinBench에서 사전·단어빈도·토픽모형과 트랜스포머를 경제·금융 자료로 비교했다. 작은 표본과 긴 문서, 텍스트와 수치를 함께 쓰는 조건도 포함했다. 사전 모형은 평가자료 전반에서 뒤처졌고 멀티모달 영역은 추가 연구가 필요했다. 문장분류의 결과이며 채권수익이나 실거래 모델의 우위를 검증하지 않는다.
AI & models같은 예측인데 달라지는 설명
영란은행은 같은 자료로 학습하고 설정만 조금 다른 딥러닝 모델의 예측·설명을 비교했다. 무작위 시드 같은 차이로 설명이 달라졌으며, 내부 구조를 읽을 수 있는 전통 모형은 비슷한 정확도에서 더 안정적이었다. 설명의 존재와 설명의 재현성을 구분하는 실험이며 채권전략 손익이나 모든 딥러닝의 열위를 뜻하지 않는다.
AI & models딜러 뒤에서 유동성을 공급하는 투자자
영란은행은 투자자가 딜러의 회사채 재고 부담을 덜어주는 거래망을 분석했다. 위기 때 이런 공급이 끊긴 채권은 비용이 38% 상승했고 공급자 유형도 회복력을 갈랐다. 과거 유동성을 제공한 고객의 할인은 관계 할인의 큰 부분을 설명했다. 영국의 관측결과이며 국내 비용효과나 모든 고객관계의 원인을 확정하지 않는다.
Credit / Trading & liquidity읽을 자료를 좁히는 투자 보조 AI
Reuters에 따르면 Citadel AI Assistant는 허가된 문서와 내부 자료를 검색해 포트폴리오 위험요인과 읽기 목록을 제공한다. CTO는 내부 활용이 넓다고 설명하면서도 판단은 사람에게 남고 사용 자체가 좋은 투자자를 보장하지 않는다고 말했다. 자료검색을 돕는 공개 사례이며 검색모델·평가라벨·손익기여는 독립 확인되지 않았다.
Quant firms연산 그래프에서 찾는 연구 대기시간
G-Research는 TensorFlow 내부의 텐서 메모리와 연산 그래프를 분석해 연구 지원과 기능 확장에 활용한다고 설명한다. 슬라이싱의 복사와 GPU 호출, 자동 융합 여부를 프로파일링으로 확인한다. 연산 융합은 메모리와 호출부담을 줄일 수 있지만 항상 자동 적용되지는 않는다. 공개 프레임워크 분석이며 특정 거래모델의 손익효과는 아니다.
Quant firmsAI 소득이 누구에게 가는가
이탈리아 중앙은행 총재는 AI가 단기 투입재 수요와 장기 생산성을 통해 물가에 다른 효과를 낸다고 설명한다. 노동을 보완하면 소득·소비가 늘고 자동화가 고용불안을 키우면 저축이 늘 수 있다. 중립금리도 생산성 상승과 분배·저축 경로가 반대로 작용할 수 있어 방향을 단정하기 어렵다는 조건부 논의다.
Rates & curves / AI & models정책금리와 가격조정의 빨라진 전달
이탈리아 중앙은행 보고서는 AI가 정보처리와 의사결정·가격조정 비용을 바꿔 통화정책 전달을 빠르게 할 가능성을 논의한다. 금융가격뿐 아니라 기업의 비용·수요 충격 전가에도 변화가 생길 수 있다. 중앙은행의 분석 개선과 금융안정 위험을 함께 다룬 초기 평가이며 구체적 모델의 예측오차·매매수익 개선을 추정하지 않는다.
Rates & curves / AI & models미국 AI 투자를 공급하는 동아시아
연준 분석은 미국 AI 장비의 높은 해외 의존을 설명하고 과거 기술충격을 구조적 모형으로 추정한다. 투자·산출이 늘면서 수입과 경상수지 적자도 커졌으며 한국·대만은 첨단장비 공급망에서 노출될 수 있다. 과거 투자기술 충격의 결과이지 현재 AI 충격을 직접 식별한 추정이나 연준의 공식 정책견해는 아니다.
AI & models가끔 늦는 시스템이 만든 호가 위험
Jane Street 발표는 평균보다 드물게 큰 지연인 jitter가 낡은 호가 위험에 중요하다고 설명한다. 작은 통신실험에서 가상머신·코어 격리 등 설정을 비교했고 중앙값은 637나노초에서 223나노초, 이어 194나노초로 줄었다. 이는 시험환경의 결과이며 실제 시장별 지연·손익과 동일하지 않고 속도와 결정론의 절충도 남는다.
Quant firms공정가치와 위험보유를 함께 파는 유동성
XTX 고객 페이지는 머신러닝 공정가치와 일정 시간의 위험보유로 맞춤형 유동성을 제공한다고 설명한다. 고객흐름을 구분하고 체결률·시장충격·의사결정 가격 대비 비용을 목표로 삼는다. 이는 회사의 운영 설명이며 정확한 모형·보유기간·평가라벨·시장별 손익은 공개되지 않아 독립적인 우위 검증은 제한적이다.
Quant firms모델 비교 전에 고정해야 할 자료
OFR은 여러 자산의 자료를 표준 정제해 같은 입력에서 단변량 예측법을 비교했다. 수익률은 거의 예측되지 않았지만 하이브리드·머신러닝은 베이시스와 은행 지표에서 추가 예측력을 보였다. 자료정제 차이가 모델능력과 섞일 수 있다는 결과이며 외생변수를 제외한 벤치마크이므로 모든 예측법의 불가능성이나 거래수익을 입증하지 않는다.
AI & models모델 밖 차주와 사업모델까지 보는 감독
BIS 연설은 설명이 제한적인 AI에 검증·독립검토를 다시 설계해야 한다고 주장한다. AI로 산업이 바뀔 차주의 신용과 은행 사업모델, 운영회복력도 감독대상이다. 전략검토·시나리오·정보공유가 단순 자본가산보다 적합할 수 있다는 정책견해이며 AI가 실제로 어떤 대출손실을 일으켰는지 추정한 연구는 아니다.
AI & models공격과 대응 사이의 짧아진 시간
FSI 보고서는 AI가 취약점 탐색과 다단계 공격을 자동화해 대응시간을 줄일 수 있다고 분석한다. 공통 기술제공자 의존도 함께 다루며 활동목록·로그·접근제한·승인·중지통제를 보완하라고 제안한다. 기존 대응의 가속을 중심으로 한 정책 분석이며 특정 금융회사의 실제 침해나 손실을 보고한 것은 아니다.
AI & models논문 점수와 거래문제의 재현성
HRT는 공개 논문 검토에서 벤치마크의 점 추정치와 평가절차의 불확실성을 강조한다. 옵티마이저 비교에서는 Adam이 견고한 기본값이고 튜닝·시드 차이가 방법 차이만큼 클 수 있다고 설명한다. 이미지·번역의 우위가 거래예측으로 자동 이전되는 것은 아니라는 원칙이며 회사의 실제 라벨·전략·손익은 공개되지 않는다.
Quant firms연구를 가격과 익스포저로 옮기는 과정
Optiver는 시장자료의 모델 연구와 트레이더의 주문흐름·위험 해석을 연결해 가격·익스포저를 정한다고 설명한다. 실거래 결과가 연구·엔지니어링으로 돌아오는 피드백 구조와 운영규모를 공개한다. 이것은 회사의 업무 설명이며 어떤 신호·라벨·보유기간이 수익을 만들었는지는 공개되지 않아 규모를 예측성능의 증거로 읽을 수 없다.
Quant firmsAI 투자붐의 금리와 집중위험
BIS 연설은 대형 기술회사의 AI 투자가 부채·사모신용에 더 의존하고 생산성 경로에 따라 자연이자율도 달라질 수 있다고 설명한다. 기대수익 실망 때 투자와 자산가격이 함께 조정될 위험을 경고한다. 한국의 수출로 벌어들이는 금액의 약 43%가 소수 기업에 집중됐다는 지표도 제시하며 공급망 수혜와 집중위험을 함께 보게 한다.
Rates & curves / Credit / AI & models / Risk & portfoliosAI 투자속도로 돌아오는 크레딧 여건
뉴욕 연은 연구는 AI가 물가·잠재성장·금융안정에 영향을 주는 경로를 정리한다. 공통 모델 의존의 동조위험과 대규모 채권조달을 다루며 신용스프레드·위험선호가 다시 설비투자 속도를 바꾸는 피드백을 제시한다. 정책환경의 문헌·위험 분석이며 저자 견해로, 특정 모델이 금리나 거래수익을 얼마나 개선하는지 추정하지 않는다.
AI & models데이터를 더 열 때 따라오는 책임
OECD는 동의 기반 데이터 공유와 AI가 서로 활용가치를 높이지만 품질·개인정보·설명·제삼자 의존도 복잡하게 만든다고 분석한다. 여러 기관의 자료를 결합할수록 접근권한과 책임을 함께 관리해야 한다. 에이전트의 자율 활용은 전망 시나리오이며 관측된 운용성과나 실제 채권전략의 수익증거가 아니다.
AI & models나중에 고친 데이터를 빼는 시간여행
D. E. Shaw와 Quansight의 Versioned HDF5는 배열을 조각으로 나누고 바뀐 부분만 저장해 이전 상태를 재구성한다. 공개 예시의 버전 저장량은 약 572MB에서 252MB로 줄었다. 이는 특정 배열의 저장 비교이며 당시 알려진 정보로 재현하도록 돕는 기술이다. 실제 알파나 모든 자료에서 같은 절감률을 보장하지 않는다.
Quant firms재현되지 않은 선택적 신경망
G-Research는 해시로 활성 가능성이 큰 뉴런만 고르는 SLIDE를 재구현했다. 한 데이터셋에서는 빠르게 수렴했지만 표본 불균형이 컸고, 더 균형적인 자료에서는 원 구현의 정확도를 재현하지 못해 GPU 밀집모델이 시간 대비 더 좋았다. 공개된 부정적 결과를 포함한 기술시험이며 실제 거래 배포와 수익성의 증거는 아니다.
Quant firms딜러마다 다른 합성 달러 가격
영란은행은 통화쌍·거래시간·만기를 맞춰 공통 곡선을 제거하고 딜러별 포워드 가격을 분리했다. 가격 분산과 매수·매도 차이가 남았고 짧은 만기에서 격차가 더 컸다. 자금조달비용보다 고객군·가격결정력이 중요하다는 결과이며 평균 격차를 모든 딜러나 국내 거래에 적용할 수는 없다.
AI & models목표함수까지 남기는 거래모델 감독
AFM 보고서는 AI가 거래효율을 높일 수 있지만 공통 자료·목표와 좁은 보상이 문제행동을 만들 가능성도 분석한다. 모델버전·재학습·목적함수·개입을 기록하고 배포 뒤 무결성 제약을 확인하라고 제안한다. 실제 스푸핑·공조 사건을 검증한 결과가 아니라 자동화 행동을 추적하기 위한 감독 원칙이다.
Trading & liquidity / AI & models총 익스포저를 전략으로 나눈 근사치
연준은 보고된 현물·파생·레포·금리노출을 결합해 헤지펀드 국채 롱을 용도별로 근사했다. 현물·선물 베이시스는 약 8,300억달러, 스왑스프레드 거래는 약 3,050억달러로 추정됐다. 거래별 신고가 아니므로 정확한 포지션이 아닌 자료와 일치하는 근사치이며 집중도와 충격 때 축소를 함께 보아야 한다.
Rates & curvesAI 위에 남는 경제적 질문
AQR 기고는 정보처리·가설검정·최적화를 AI로 자동화할수록 문제를 다시 정의하고 반증을 설계하는 역할이 중요하다고 설명한다. 표준 분석 위에 경제적 질문과 새로운 검정을 두는 연구문화의 주장이다. 창의적인 가설이 곧 알파라는 증거는 아니며 구체적인 모델·라벨·전략별 손익을 공개하지 않는다.
Quant firms과거 사건을 이미 아는 연구 에이전트
Two Sigma 전망은 AI가 자료를 특징으로 만드는 시간을 줄일 수 있지만 대량 가설의 과적합도 키울 수 있다고 경고한다. 사전학습 모델이 과거 위기와 AI 붐을 이미 알면 과거 테스트가 진정한 미관측 평가가 아닐 수 있다. 활용 영역과 검증 문제의 회사 설명이며 속도향상을 특정 알파나 손익 개선으로 연결할 자료는 없다.
Quant firms금융뉴스에서 만든 기업 신용감성
이탈리아 중앙은행은 금융뉴스에서 언어모형으로 기업별 신용감성을 만들고 내부 신용평가에 결합했다. 건전·부실 기업 구분이 개선됐다는 공식 설명이지만 모형 구조·라벨·개선폭은 모두 공개되지 않았다. 뉴스점수의 독립 거래신호가 아닌 기존 평가에 대한 추가정보를 시험한 결과로 읽어야 한다.
Credit / AI & models / Risk & portfolios체결 직후 재고를 상쇄하는 자동헤지
이탈리아 국채 연구는 체결 뒤 같은 딜러가 빠르게 반대 거래를 하는 패턴으로 자동헤지를 식별했다. 2010년 1월~2026년 4월 MTS 자료에서 선행 체결 후 1초 안의 반대 거래 등을 사용했다. 사용 차이는 유동성보다 지속적인 딜러 특성과 더 연결됐다. 관측 패턴의 연구이며 자동헤지의 비용절감이나 국내 수익성을 보장하지 않는다.
Rates & curves / Trading & liquidity부도확률과 은행·기업 연결망
ECB는 기업 재무와 은행 대출자료를 결합해 랜덤포레스트의 부도확률을 로짓과 비교했다. 비선형 충격에 더 민감한 예측을 기업별로 배분하고 대출망을 통해 은행 위험으로 연결했다. 평균뿐 아니라 꼬리위험 은행을 식별하는 강점이 있었지만 표본과 스트레스 가정의 결과이며 국내 같은 성능을 보장하지 않는다.
AI & models예측과 실전기반을 나누는 연구조직
G-Research는 연구팀의 시장패턴 탐색과 엔지니어링의 운영기반, 기술혁신팀의 새 도구 시험을 연결한다고 설명한다. 연구자가 탐색방향을 주도하되 방법론적 실행을 강조한다. 공개된 것은 역할과 연결방식이며 자산별 라벨·모델성과·손익은 없어 조직구조를 특정 예측신호의 증거로 읽을 수 없다.
Quant firms대규모 예측을 유동성으로 바꾸는 기반
XTX는 여러 자산의 가격예측을 거래와 고객 유동성에 연결한다고 설명하며 병렬계산 장치인 GPU의 수와 저장공간·거래규모를 공개한다. 연구 클러스터는 GPU 2만5천 개 이상, 저장공간 1엑사바이트 이상이라는 회사 수치다. 운영범위는 확인할 수 있으나 모형·라벨·보유기간·손익기여는 없으므로 규모가 예측력이나 수익성을 입증하지 않는다.
Quant firms비용모형을 바꾸자 달라진 강화학습
연구는 고정·무시된 비용이 고회전 정책을 학습시키는 문제를 다룬다. 시장충격을 반영한 환경에서 여러 강화학습을 비교하자 순위와 회전율이 달라졌다. 특정 설정에서는 일일 비용이 20만달러에서 8천달러, 회전율이 19%에서 1%로 줄었다. 공개 주식 시뮬레이션의 조건부 사례이지 실제 시장의 순수익을 보장하지 않는다.
AI & models학습 밖에서 주문을 막는 제약
논문은 참여율·가격밴드·자전거래 방지를 학습 외부의 실행제약으로 둔다. 계획기와 PPO 에이전트 사이의 action shield가 허용되지 않은 주문을 가능한 영역으로 바꾼다. ABIDES 시뮬레이터에서 TWAP·VWAP 및 지연·부분체결을 비교했지만 프리프린트의 가상실험이며 실제 거래소에서 독립 검증된 것은 아니다.
Trading & liquidity / AI & models같은 발행사 신채권에 붙은 높은 스프레드
Reuters는 대규모 AI 관련 발행이 동일 발행사의 상대가격에도 영향을 주는 사례를 분석했다. Oracle의 조건을 맞춘 채권 쌍에서 최근 대형 발행물이 수익률 19bp, 스프레드 22bp 높았고 다른 회사에도 유사 사례가 있었다. 공급흡수 부담의 해석이며 모든 신채권의 할인이나 향후 가격수렴을 보장하는 인과추정은 아니다.
Credit / AI & models외부자료를 신뢰할 수 있는 행으로 만드는 일
Jane Street 팟캐스트는 위성사진·카드·날씨처럼 불규칙한 외부정보를 신뢰할 수 있는 자료로 만드는 과정을 설명한다. 회사의 정의와 비정상 시장상황을 처리하는 데이터 작업도 다룬다. 공개 범위는 자료 엔지니어링의 역할이며 좋은 모델일수록 입력 품질이 중요하다는 주장과 구체적 알파·라벨·수익 공개를 구분해야 한다.
Quant firms쓰기를 멈추지 않고 연구하는 데이터베이스
Jane Street는 거래속도의 쓰기를 받으면서 폭넓은 분석을 지원하는 분산 컬럼형 Superstore를 설명한다. 연구 클러스터 자원배분도 같은 운영과제로 다루며 대규모 하드웨어 투자를 소개한다. 공개 내용은 쓰기·조회·계산 배분의 기반이고 실제 모델·자료의 성능이나 거래손익 기여는 공개되지 않아 직접 수익성 증거가 아니다.
Quant firms중국 금리곡선에서 비교한 비선형 모델
연구는 중국 국채 곡선의 31개 특징으로 비선형 예측법을 전통 모형과 비교했다. Extra Trees의 정확도가 가장 높고 장기 예측에서 우위가 두드러졌다. 변수기여를 분석해 중요한 6개만 남긴 축약모형은 더 개선됐다. 특정 자료와 예측기간의 결과이며 국내 곡선이나 거래비용후 수익을 보장하지 않는다.
Rates & curves / AI & models금리모형 가격을 빠르게 근사하는 신경망
연구는 Hull–White와 G2++ 금리모형의 채권 콜옵션 계산에서 DeepONet·PINN·DeepBSDE를 비교했다. 가격뿐 아니라 변동성 민감도와 학습 밖 변동성 분포의 스트레스도 평가해 DeepONet이 가장 좋았다. 정해진 금리모형의 계산근사 결과이지 시장가격 예측이나 모든 파생상품의 우위를 뜻하지 않는다.
AI & models기업 보증망의 부도와 전염
중국 회사채 연구는 기업 보증관계를 시간에 따라 변하는 그래프로 만들고 이질적 그래프 신경망으로 부도·전염위험을 추정한다. 기업 자체 상태에 더해 연결기업의 충격을 보려는 구조다. 보관 기록에는 세부 비교성능과 거래성과가 없어 모형의 우위를 수치로 단정하거나 국내 전염률을 추정할 수 없다.
Credit / Risk & portfolios특징을 빨리 만드는 AI의 과적합 부담
Two Sigma 임원은 AI가 원자료에서 특징을 만드는 작업을 수개월에서 수일로 줄였다고 설명한다. 동시에 대량 가설·백테스트 생성은 과적합과 모델의 과거사건 지식 문제를 키울 수 있다고 경고한다. 회사의 활용·검증 관점이며 시간단축이 특정 특징의 예측력이나 수익을 높였다는 재현 결과는 공개하지 않는다.
Quant firms낮은 신호비율에서 중요한 학습표본
Jane Street 공개 글은 금융의 많은 자료와 낮은 신호대잡음비를 배경으로 배치·셔플·정규화 문제를 다룬다. 데이터 순서와 학습설정도 생산모델을 만드는 실험조건이다. 아카이브는 연구주제와 접근을 보여주지만 현재의 예측대상·구조를 공개하지 않으므로 특정 신경망이나 시장별 알파를 사용한다는 근거는 아니다.
Quant firmsAI 차입이 장기금리에 더하는 수요
Goldman Sachs는 AI 투자차입이 정부 적자와 함께 저축자금 수요를 늘려 장기금리와 기간 프리미엄을 높일 수 있다고 분석한다. AI 관련 차입이 세계 GDP 약 1%에 이를 가능성을 제시하지만 전망이다. 장기발행 축소나 바이백만으로 거시적 금리수준을 바꾸기 어렵다는 평가이며 AI의 금리효과를 독립 식별한 추정은 아니다.
Rates & curves / AI & models회사채 수익을 해석 가능한 비선형으로
연구는 많은 회사채 특성을 해석 가능한 비선형 모형으로 연결해 수익을 예측한다. 곡선·거시 불확실성의 상호작용이 중요했고 작은 발행사·장기물에서 민감도가 더 강했다. 기여도 설명을 포트폴리오 구성에 연결하지만 보관 자료에는 상세 수익·비용표가 없다. 설명을 제공한다는 사실과 모든 시장의 우위를 구분해야 한다.
Credit / AI & models희소한 부도사건을 학습하는 파이프라인
중국 회사채 연구는 희소 부도를 보완한 학습자료와 LightGBM, 다목표 튜닝·기여도 분석을 결합했다. 평균 정확도 82.88%, 실제 부도 탐지율 93.54%를 보고하고 현금자산비율을 중요 변수로 찾았다. 다만 표본 구성과 오탐을 함께 보아야 하며 높은 탐지율이 실제 투자수익이나 국내 부도예측을 보장하지 않는다.
Credit / AI & models / Risk & portfolios가치를 계산해도 거래를 갱신하지 못한 LLM
Optiver는 언어모형에 트레이더 이론시험과 모의시장조성을 시켰다. 공정가치·역선택의 기초 추론은 양호했지만 새 정보와 과거 행동을 합쳐 가치를 갱신하고 여러 단계 앞을 판단하는 데 약했다. 지나친 보수적 행동도 관측됐다. 회사 훈련환경의 시험이며 실제 채권주문 능력이나 실거래 손익을 검증한 결과는 아니다.
Quant firms이상값을 지울지 남길지 결정하는 자료
Citadel 사례는 통계적으로 드문 값을 찾은 뒤 연구맥락에 따라 보존·가중축소·제외를 정하는 틀을 다룬다. 초기 탐지는 후보를 찾았지만 처리판단에는 주변정보와 사용자의 피드백이 필요했다. 이상값의 거리만으로 오류를 확정할 수 없다는 작업사례이며 구체적 알파·오류율·손익 개선은 공개하지 않는다.
Quant firms금리모형에 넣을 변수도 데이터로 선택
연구는 구조적 VAR의 정보집합을 베이지안 방법으로 선택하고 표본외 기준에 맞는 큰 모형과 여러 정책충격 도구를 사용한다. 선택한 회사채 스프레드를 더하자 신용경로와 예상 부도위험의 역할이 강해졌다. 변수선택이 충격해석에 영향을 준다는 결과이며 특정 금리전략의 수익성이나 완전한 인과식별을 보장하지 않는다.
AI & models오차와 위험을 함께 비교하는 변동성모델
연준은 여러 장기기억·국면변화 모형과 머신러닝을 동일 조건에서 오차·위험·효용으로 비교했다. 단기는 국면전환 HAR, 월간은 ARFIMA가 강했고 머신러닝은 기본 HAR를 넘기도 했지만 넓은 전통모형 집합을 지속적으로 이기지 못했다. 예측기간의 지속성과 비선형성에 맞는 기준이 필요하다는 결과다.
AI & modelsLSTM이 배운 신호를 경제변수로 다시 읽기
연구는 Lasso로 변수를 고르고 LSTM 금리예측의 내부신호를 추출한 뒤 경제변수와의 관계를 분석한다. 의미 있는 변수를 다시 선택단계에 넣어 해석과 설계를 반복한다. 목적은 내부신호의 시간변화를 이해하는 데 있으며 보관 자료에는 세부 성능·비용이 없어 순환절차 자체가 예측우위를 보장한다고 말할 수 없다.
AI & models시장변화에 맞춰 실험을 돌리는 계산기반
Jump는 차세대 NVIDIA 계산기반 도입과 연구실험의 빠른 반복을 지원하는 방향을 발표했다. 시장이 변할 때 모델을 시험·수정·확장할 자원이 필요하다는 운영 설명이다. 신용 등 여러 자산의 연구범위도 공개하지만 모델구조·알고리즘·배포성과는 없어 장비 도입을 특정 거래신호의 수익 증거로 볼 수 없다.
Quant firms평균 보상 밖의 분포를 읽는 강화학습
IMC의 ICML 리뷰는 여러 보상차원의 전체 분포를 다루는 강화학습 논문을 설명한다. 고차원 분포를 여러 일차원 투영으로 나눠 비교해 극단값과 차원 간 관계를 다룬다. 회사 연구자가 이를 기술적으로 검토했다는 사실은 공개되지만 같은 알고리즘을 실제 거래에 배포했다는 증거는 없어 생산전략으로 해석할 수 없다.
Quant firms가설부터 반복까지 수행하는 연구 에이전트
AEAP 연구는 언어모형이 가설·코드·실험·검증을 반복하는 체계를 다룬다. 선택된 전략만 평가하면 연구과정의 과적합을 놓칠 수 있어 여러 과거 시점에서 시스템 자체를 다시 실행하라고 제안한다. SEADS를 다섯 방법과 생산성·성과·새로움으로 비교하며 좋은 샤프 하나를 자동 연구의 증거로 삼지 않는다.
AI & models캐리를 계산하고 가격변화를 예측하는 모델
연구는 회사채 총수익을 캐리와 가격수익으로 나누고 구조적으로 계산한 캐리에 머신러닝 가격예측을 결합한다. 1992~2019년 미국 자료에서 직접 총수익 예측보다 좋았고 고수익채에서 강했다. 순수 머신러닝의 거래비용 손실이 60~80%인 비교도 보고하지만 표본과 비용가정의 결과이며 국내 같은 수익을 보장하지 않는다.
AI & models다음 성과가 좋은 채권펀드를 고르는 질문
연구는 1995~2024년 미국 채권펀드 3,021개로 향후 상대성과를 예측했다. 펀드 간 선택과 거시적 성과시점을 나누며 펀드·운용사 특성, 특히 과거 위험조정 성과가 강했다. 보유채권 특성의 추가가치는 작고 국채펀드의 예측력도 약했다. 펀드유형과 평가조건에 따른 결과이지 과거성과가 항상 지속된다는 주장은 아니다.
Risk & portfoliosGPU로 줄이려는 연구자의 기다림
Optiver 기술대담은 GPU의 목적을 계산량 자체보다 자료준비·실험·모델·생산을 잇는 연구시간 단축으로 설명한다. 큰 메모리로 작은 자료조각의 분할·동기화 부담을 줄이고 생산에서는 모델을 메모리에 준비해 이벤트를 기다린다. 공개 구조의 설명이며 특정 신경망이나 채권전략의 수익 개선을 입증한 결과는 아니다.
Quant firms가설이 실제 주문으로 이어지는 연구흐름
IMC는 가설·특징·예측모델을 실행하고 실거래가 가격·예측·포지션 모델의 피드백으로 돌아온다고 설명한다. 연구와 기술이 빠르게 이어지는 운영구조이며 체결이 학습·검증자료가 된다. 다만 회사의 사용범위와 서버규모는 자체 설명이고 실제 라벨·모델·보상·손익이 공개되지 않아 수익 신호를 안다는 뜻은 아니다.
Quant firmsForecasting Corporate-bond Liquidity: The Value of Segmentation
TRACE 2004~2024년 회사채 자료 연구는 검증의 평균절대오차가 줄어드는 경우만 남기는 시장 분할로 다음 달 유동성을 예측한다. 선형모형의 표본 밖 예측 설명력은 기존 1~3%에서 약 24%로 높아졌고 비선형 오차도 줄었다. 투자등급에서 개선이 가장 컸다. 예측 설명력의 상승은 체결 정확도나 거래비용 절감률이 아니며 국내 성과를 그대로 보장하지 않는다.
Trading & liquidityMachine Learning in Corporate Bonds: Evidence from China
중국 회사채 비교는 나무 모형과 일부 신경망이 선형 기준보다 좋았고 투자등급에서 랜덤포레스트의 표본 밖 설명력 2.71%가 높았다고 보고한다. 국유기업·지방정부 조달주체·묵시적 보증 등 제도정보의 비선형 관계가 설명으로 제시된다. 시장개방 이후 성능은 낮아져 관계 변화가 중요하며 국내 성과로 직접 이전할 수 없다.
Credit / AI & modelsBIS — Bond Yield Responses to Macro News: Forecast Disagreement × Monetary Policy Uncertainty
BIS 연구는 1998~2024년 미국 주요 지표 발표 직후 금리를 분석해 같은 예상 밖 변화도 전망 의견차와 정책 불확실성에 따라 반응이 달라진다고 보고한다. 두 상태는 서로 다른 경로로 작용한다. 평균 전망만으로 충격을 고정하기 어렵다는 결과이며 브리핑의 가정 사례를 실증 계수로 읽거나 국내 발표 반응의 크기를 직접 정할 수는 없다.
AI & modelsHRT AI Labs — SAC가 실패하고 Memory-Augmented PPO까지 간 실제 RL Execution 연구
HRT의 실행 연구는 장기 예측이 정한 목표 포지션으로 언제 얼마나 거래할지를 단기 예측과 강화학습으로 결정한다. 규칙 기준을 만든 뒤 SAC의 불안정한 반응을 확인해 PPO와 기억을 추가한 방식으로 바꾸며 모의 손익 개선을 보고한다. 최종 목표를 모두 채우지 못하는 문제도 남아 실제 체결 안정성과 수익은 별도 검증이 필요하다.
Quant firmsJane Street — Attention의 “시간 인식 방식” 자체를 수학적으로 다시 설계한다
Jane Street 기술글은 사건을 비교하는 attention에 위치정보를 넣는 방법을 수학적 조건으로 분류한다. 원문에서 선형 변환과 상대 위치만 보이는 조건을 확인했으며 이에 따라 가능한 구조가 제한된다고 설명한다. 모든 비선형 시간표현까지 분류한 결과나 특정 거래모형의 수익 검증은 아니며 국내 사건시간 입력의 효과는 별도 시험이다.
Quant firmsInterpretable Machine Learning for Macro Alpha: A News Sentiment Case Study
뉴스 연구는 감성·기사량·의견차·사건 중요도를 XGBoost에 넣어 미 국채선물 방향을 예측한다. 학습을 늘리는 검증 안에서 설정을 조정해 2017년부터 2025년 4월까지 평가했고 비용 반영 샤프비율 4.65를 보고했다. 매우 높은 저자 보고치로 독립 재현이 필요하며 입력의 기여도가 뉴스 감성의 인과효과를 뜻하지는 않는다.
AI & modelsYield Curve Prediction with Machine Learning: Forecasting Approaches and the Role of Macroeconomic Predictors
미 국채 연구는 같은 거시정보로 만기를 직접 예측하는 방법과 수준·기울기·굽힘 요인을 예측하는 방법을 비교한다. 2015~2025년 검증에서 거시정보의 개선은 단기만기와 기울기에 집중됐고 예측기간별 우열도 달랐다. 단순 기준이 오차에서는 강해도 거시 기울기 모형이 모의거래에 유용할 수 있었으며 실제 거래성과는 별도 검증이 필요하다.
Rates & curves / AI & modelsForecasting the U.S. Treasury Yield Curve: A Distributionally Robust Machine Learning Approach
견고한 예측 결합 연구는 곡선 요인과 거시정보를 쓰는 모형, 랜덤포레스트를 합치며 오차분포의 불확실성과 큰 손실을 고려해 비중을 정한다. 단기에 적응형 결합, 장기에 랜덤포레스트가 강했다는 기록이다. 다른 국채시장 확장도 보고하지만 보존된 예시 표를 실험 결과로 읽거나 큰 거래손실을 항상 막는 모형으로 해석해서는 안 된다.
Rates & curves / AI & modelsXTX Markets Research Director — Algorithmic Trading with Large-Scale Deep Learning
XTX 연구책임자의 대학 강연은 시계열·표현 학습·최적화·기반모형과 대형 인프라를 자동 거래 연구에 연결한다. 하루 수만 상품의 예측과 일평균 3000억달러 이상 거래라는 운영 규모도 소개한다. 낮은 신호와 경쟁자 적응·상태 변화가 어려움으로 제시되며 거래량을 특정 기반모형의 손익 기여나 일반적 우위로 해석할 수는 없다.
Quant firmsCitadel Data Strategies Group — Alternative Data를 실제 투자결정으로 바꾸는 과정
Citadel의 자료 연구자는 위성영상 등 크고 잡음이 많은 대체자료를 투자자가 적시에 사용할 수 있는 해석 가능한 신호로 바꾼다고 설명한다. 보존된 기록은 정제·대상 연결·집계·경제적 입력으로 이어지는 과정도 제시한다. 그 일부는 브리핑의 설계 해석이며 원자료 자체나 변환 절차가 검증된 초과수익을 보장하는 증거는 아니다.
Quant firmsBank of England — AI debt boom을 실제 금융안정 stress scenario로 모델링
영란은행 자료는 대형 AI 기업이 2025년 말 미국 투자등급 잔액의 약 3%였지만 2026년 5월 초까지 신규발행에서는 15% 이상이었다고 설명한다. 가상 스트레스는 6개 분기의 주가 45% 하락과 신용스프레드 350bp 확대를 가정한다. 실제 발생 전망이 아닌 충격 시나리오이며 조달이 사모·구조화로 넓어지는 위험도 함께 다룬다.
Credit / AI & modelsData-Driven Duration Management — Term Structure Forecasting Using Machine Learning
듀레이션 관리 연구는 미국·유럽 국채곡선에서 전통 요인모형과 신경망을 예측 및 전략 성과로 비교한다. 미국에서는 곡선 요인과 압축 거시입력을 결합한 직접 예측이, 유럽에서는 거시입력 없는 주성분 신경망이 좋았다는 기록이다. 시장별 정보 집합의 차이를 보여주며 모든 신경망의 보편적 우위나 국내 성과를 확정하지 않는다.
Rates & curves / AI & modelsYield Curve Forecasting using Machine Learning and Econometrics: A Comparative Analysis
약 47년의 미국 국채곡선을 비교한 연구는 다수의 시간 구간에서 ARIMA와 간단한 계량 기준이 복잡한 기계학습보다 좋았다고 보고한다. 기계학습 안에서도 방법별 차이가 있었고 입력을 안정적인 변화값으로 바꾸는지 원자료로 쓰는지에 따라 결과가 달랐다. 최신 모형의 일반적 우위를 지지하지 않지만 모든 신경망의 무용성을 증명한 것도 아니다.
Rates & curves / AI & modelsOptiver — 현직 엔지니어가 공개한 “Latency와 Research Iteration을 동시에 잡는 Trading-System 설계”
Optiver 엔지니어의 기술글은 무거워진 거래모형을 빠르게 시험하면서 실제 주문 지연을 유지해야 하는 갈등을 설명한다. 단순 코드 최적화 외에 시스템 구조를 반복 재설계한 과정과 연구 배포 기반이 제시된다. 운영 사례이며 특정 구조의 속도 우위나 반복 적용된 모형 변경의 실제 수익 효과를 수치로 입증한 비교는 아니다.
Quant firmsMan Group / Man AHL — ML로 “Fallen Angel”을 미리 예측해 Corporate-Bond Portfolio를 관리
Man과 협력기관의 연구는 재무지표로 회사채 등급 전이확률을 미리 추정하는 과정을 다룬다. 보험사 자산·부채 관리와 자본 배분에 필요한 반복 가능한 예측이라는 방향이 공개됐다. 관련 인력의 채권 연구·구현 역할도 있지만 이는 성과 근거와 별개이며 구체적 정확도나 선제 매도의 수익을 검증한 자료는 아니다.
Quant firmsECB — Big tech, big debt: when US tech giants tap the euro area bond market
ECB는 미국 대형 AI 기업의 유로 채권 잔액이 약 400억유로로 지수의 1%를 조금 넘고, 2026년 유로 비금융기업 총발행에서는 거의 10%를 차지한다고 분석한다. 장기·고등급·기술 노출이 늘어 지수 구성이 바뀐다는 내용이다. 잔액과 연간 발행의 분모는 다르며 설비투자 전망을 완료된 조달이나 미래 수익으로 취급해서는 안 된다.
CreditYield Curves Dynamics Using Variational Autoencoders Under No-arbitrage
금리곡선 연구는 큰 변화를 허용하는 생성모형과 압축한 상태의 확률적 움직임을 결합하고 무차익 가격식 위반에 벌점을 준다. 달러·파운드·엔 국채에서 만기별 예측오차 지표인 RMSE의 표본 밖 평균 약 6.58bp를 보고하며 시나리오 생성도 다룬다. 제약을 둔 예측 결과이며 벌점만으로 모든 경로의 무차익이 보장되거나 국내 성과가 검증된 것은 아니다.
Rates & curvesSupervised Similarity for High-Yield Corporate Bonds with Quantum Cognition Machine Learning
유사도 학습 연구는 쿠폰·등급·업종의 단순 거리 대신 가격 등 목표를 잘 예측하는 채권 간 거리를 학습한다. 보존된 결과는 고위험 채권에서 QCML 표현이 기존 나무 기반 유사도보다 좋았고 투자등급에서는 차이가 작았다고 설명한다. 양자컴퓨터 성과 연구가 아니며 대체종목·헤지 활용의 실제 비용 차감 우위는 별도 검증이 필요하다.
Credit / AI & modelsTwo Sigma — Ben Wellington이 직접 설명한 “Feature Engineering에서 Alpha가 만들어지는 방식”
Two Sigma의 공개 인터뷰는 연구자가 입력변수를 각자 소유하기보다 공유 라이브러리와 공통 연구 플랫폼을 사용한다고 설명한다. 변수 설계·예측기간·기계학습과 과도한 탐색의 문제를 함께 다룬다. 보존된 일부 구절은 문맥이 불완전해 확대하지 않았으며 공통 플랫폼이 실제 수익이나 검증 품질을 높였다는 비교를 제공하지는 않는다.
Quant firmsMan AHL — Chief Scientist가 직접 밝힌 “약한 정보들을 ML로 결합해 거래 시스템으로 만드는 방식”
Man AHL의 책임자는 숫자·텍스트·날씨처럼 서로 다른 자료의 약한 정보를 기계학습으로 결합하는 접근과 실거래 도입을 소개한다. 천문학에서 쓰던 베이지안 방법을 브로커 추천 신호에 적용한 사례도 제시한다. 역사적 운영 설명이며 방법 이전이 채권전략의 비용 차감 수익이나 모든 약한 정보의 유용성을 입증한 것은 아니다.
Quant firmsTechnical Indicators and the Cross-Section of Corporate Bond Returns in a Machine Learning Era
회사채 연구는 가격·수익률·거래량의 146개 기술 지표와 전통적 채권 특성을 여러 모형에 넣어 향후 수익을 예측한다. 기술 지표는 특성 변수보다 강했지만 복잡한 기계학습은 선형 기준을 크게 개선하지 못했다는 결과다. 입력이 담는 상태 정보와 비선형 모형의 가치를 구분해야 하며 모든 시장·기간의 일반적인 선형 우위를 뜻하지는 않는다.
Credit / AI & modelsInternational Corporate Bond Returns: Uncovering Predictability Using Machine Learning
국제 회사채 연구는 여러 국가 자료를 묶어 종목 간 수익 차이를 예측한다. 미국과 비미국 모두 예측력이 있었지만 중요 변수와 미국 주식·채권시장 연결은 시장별로 달랐다. 예측력도 경기·유동성·위험회피 상태에 따라 변했다는 결과여서 전체기간의 단일 점수만으로 국내 적용성을 판단하기 어렵고 범위별 검증이 필요하다.
Credit / AI & modelsLarge Language Model and Bond Risk Premia in China
중국 채권 연구는 경제·시장 서사를 언어모형으로 읽어 감성지수를 만든다. 보존된 결과에서 감성이 높을수록 이후 국채 초과수익은 낮았고 미래 단기금리 기대와는 양의 관계를 보였다. 장기물에서 효과가 더 강했으며 투자자의 경제적 가치도 보고됐지만 인과효과나 국내 이전 가능성은 별도 검증이 필요하다.
Risk & portfoliosCitadel — Hua Zheng, Head of Market Impact Research가 직접 설명한 연구 프로세스
Citadel의 시장영향 연구 책임자는 가격 형성과 참가자 상호작용을 이해하는 경제적 직관에서 가설을 만들고 대규모 자료에서 여러 예측기간을 시험한다고 설명한다. 수학적 엄밀성과 경제적 추론을 함께 강조하는 연구 방식이다. 인터뷰는 특정 가설의 계수나 손익 검증을 제공하지 않으므로 실제 성과보다 과정의 공개로 읽어야 한다.
Quant firmsJane Street — 현직자들이 밝힌 “Deep Learning이 Systematic Trading의 최대 Driver가 된 과정”
Jane Street의 공개 대담과 연구 소개는 딥러닝이 체계적 거래의 큰 동력이라고 설명하며 자료분석·모형 조정·분산학습 오류·실제 거래분석을 연결한다. 역할 간 협업과 문제별 방법 선택, 다양한 연구기간도 공개됐다. 회사의 자체 평가는 검증된 손익 분해가 아니며 특정 모형이나 계산자원 배분의 성과를 추정할 수 없다.
Quant firmsRetailAgent: Structured Adverse Timing in Self-Conditioned Multimodal LLM Trading Agents
RetailAgent는 익명화된 장중 가격과 제한된 상태로 매수 보유 또는 미보유를 반복 선택하게 한다. 보유 비중을 통제한 비교에서 불리한 타이밍이 나타났고 이전 판단을 기억에 넣으면 지속성과 불리함이 커졌다. 행동순서를 섞으면 효과가 약해졌지만 제한된 실험이므로 모든 언어모형이나 실제 채권전략의 손실로 일반화할 수 없다.
AI & modelsMulti-Level Market Making with Reinforcement Learning
다중 가격대 시장조성 연구는 여러 가격에 지정가·시장가 주문을 나누는 행동을 학습한다. 수가 달라지는 주문 집합을 고정 표현으로 압축하고 거래매출·재고를 평가하며 다른 유형의 상대방이 있는 모의시장을 비교한다. 보상을 보조하는 설계도 사용하지만 실제 시장의 체결·수익 개선을 검증한 결과와는 구분해야 한다.
Trading & liquidity / AI & modelsOptimal Execution with Passive Market Impact
수동 실행 연구는 중간가격에서 멀어질수록 체결이 줄고 단기 가격이 거래방향 불균형에 반응하는 관계로 주문 영향을 모델링한다. 가까운 호가는 체결과 정보열위 비용을, 먼 호가는 미체결 비용을 높일 수 있어 최적 청산을 계산한다. 기초 가정은 주식·외환 자료에 보정됐으므로 장외채권의 주문 환경까지 검증된 것은 아니다.
Trading & liquidityHudson River Trading × CoreWeave — Vera Rubin NVL72 기반 차세대 AI Research Platform
HRT와 CoreWeave의 계약 발표는 외부 AI 연산뿐 아니라 내부 자료와 연결하는 전용 고대역 네트워크를 포함한다. 복잡한 모형과 커진 학습자료에서 자료 이동 지연·일관된 성능·운영 신뢰성을 중요 조건으로 제시한다. 발표된 확장 계획이며 설치 이후 속도나 투자성과 개선을 확인한 비교 실험은 아니다.
Quant firmsTwo Sigma — AI가 “모델”이 아니라 Quant Research Operating System이 되는 과정
Two Sigma 관계자들은 AI로 가설 생성이 늘면 아이디어 부족보다 검증 능력이 제약이 된다고 설명한다. 텍스트와 정형자료의 결합, 제약을 반영하는 포트폴리오 보조도구도 언급한다. 대리지표를 잘못 정하면 목표를 잘 최적화하는 AI가 의도하지 않은 행동을 할 수 있어 사람의 관찰이 필요하다는 판단이며 성과 비교는 공개되지 않았다.
Quant firmsFSB Chair’s Letter to G20 — Frontier AI, Leverage and Sovereign-Bond Fragility
FSB 의장 서한은 최전선 AI가 사이버 위험의 속도·규모·비용을 바꿀 수 있다고 지적한다. 높은 자산가격·집중·AI 낙관과 레버리지가 결합하면 조정을 키우고 비슷한 고레버리지 전략의 청산이 국채시장을 흔들 수 있다는 판단도 제시한다. 위험 경로의 경고이며 실제 조정의 시점과 크기를 추정하거나 AI를 유일 원인으로 지목한 결과는 아니다.
AI & modelsReading Copom’s Tone: A Weighted LLM Framework for Hawkish–Dovish Sentiment, Forward Guidance, and Uncertainty
Copom 성명 연구는 80건의 문서, 1,498개 문장에서 정책 방향뿐 아니라 표현 강도를 추정한다. 문서 단계에서는 향후 정책 예고의 방향·명확성과 불확실성을 별도 측정해 어조와 관련되지만 동일하지 않은 정보라고 설명한다. 목표는 추적 가능한 정책 언어 상태이며 금리나 선물 수익 예측력이 검증됐다는 주장은 아니다.
AI & modelsMachine Learning Meets Markowitz
NBER 연구는 모든 종목의 예측오차를 비슷하게 평가하는 학습과 실제 보유량의 중요도가 다른 문제를 지적한다. 기대수익 생성과 포트폴리오 최적화를 하나의 목표로 연결하고 위험 선호·제약·마찰에 따라 최적 선택이 달라진다고 설명한다. 투자 목적을 반영한 설계이며 특정 국내 포트폴리오의 개선 폭이나 보편적인 수익 우위를 제공하지 않는다.
AI & modelsCitadel EQR — “이상치 제거”가 아니라 Signal과 Bad Data를 구분하는 Data-Quality Model
Citadel EQR의 공개 프로젝트는 이상값을 오류·잡음·유용한 신호로 나누어 제외·감량·유지를 추천한다. 통계적 거리만으로는 부족해 자료의 사용 목적과 주변 정보를 반영하고 실제 사용자의 피드백으로 수정한다고 설명한다. 프로젝트 방식의 소개이며 분류 정확도나 투자성과 개선이 공개된 비교 실험은 아니다.
Quant firmsJane Street — Making GPUs Actually Fast: GPU Training Performance의 실제 병목
Jane Street의 기술강연은 이론 연산량보다 CPU·GPU 작업의 겹침, 연산 통합, 전용 커널 등 실제 대기를 줄이는 설계를 설명한다. 대형 연구 기반에서도 시장관계 변화와 경쟁 참가자의 적응이 학습의 과제로 남는다고 한다. 계산 최적화는 학습 처리량의 문제이며 예측 모형이나 수익의 우위를 자동으로 만들지는 않는다.
Quant firmsAI Infrastructure Debt Is Testing Private Market Valuations
S&P Global은 AI 데이터센터 조달이 회사채에서 사모신용·자산기반 금융·증권화로 넓어진다고 분석한다. 거래가 드문 자산은 공개시장 재평가를 늦게 반영해 보고가치와 위험이 벌어질 수 있고, 다른 계약도 같은 대형 고객 수요에 의존하면 집중이 숨을 수 있다. 이는 위험 구조의 판단이며 실제 손실이나 평가오차의 크기를 추정한 결과는 아니다.
Credit / AI & modelsCredit Market Lens: The AI Split Between USD and EUR Investment Grade
PIMCO는 2026년 8월 초 AI 대형 발행사의 지수편입 대상 순공급을 달러 투자등급에서 약 1,200억달러, 유로에서는 약 220억유로로 제시한다. 같은 기업의 금리 민감도를 맞춘 채권에서는 유로물의 스프레드 성과가 양호했다. 통화별 공급조건을 보는 관찰이며 금액의 통화·시장 분모가 다르고 환헤지·유동성·비용까지 포함한 확정 수익을 제시하지는 않는다.
Credit / AI & modelsJanus Henderson Quantitative Fixed Income — Agentic AI를 실제 Quantamental·Trading·Portfolio Management에 적용
Janus Henderson의 공식 인력 소개는 행동형 AI를 정량·재무 분석, 거래, 포트폴리오 관리와 체계적 전략 개발에 적용하는 역할을 설명한다. 문서 요약 외에 투자 업무 전반을 연구 대상으로 삼는다는 공개 범위다. 프로필은 구체적 권한·모형·성과 비교를 제공하지 않아 AI가 자율 주문하거나 수익을 개선했다는 결론으로 확대할 수 없다.
AI & models / Risk & portfoliosJump Trading — Vera Rubin NVL72와 “AI Trading Factory”
Jump의 인프라 발표는 차세대 GPU 기반을 다양한 금융모형의 빠른 시험·수정·확장에 쓰려는 구상을 설명한다. 단일 대형 언어모형보다 형태가 다른 모형을 여러 시장에 적용하는 능력과 신뢰성·에너지 효율을 강조한다. 도입 발표와 운영 방향이지 실제 설치 완료나 연구·수익 개선 폭을 입증한 비교는 아니다.
Quant firmsDRW Head of AI — 범용 AI가 아니라 Proprietary Information과 결합해야 Edge가 생긴다
DRW의 AI 책임자는 범용 도구보다 회사의 정보·기술에 맞춘 좁고 정확한 결과를 강조한다. 비정형 자료를 투자 통찰로 바꾸는 활용과 빠른 시험·피드백을 소개하면서 사실 생성 오류와 수치 약점 때문에 사람의 검증이 필요하다고 설명한다. 고유 자료의 추가 가치는 공개 성과가 없어 동일 조건의 비교를 통해 별도로 확인해야 한다.
Quant firmsA Survey on LLM-Enhanced Reinforcement Learning in Financial Markets
문헌연구는 언어모형을 텍스트 입력 변환, 추론·계획, 보상·환경 생성 등의 역할로 분류하고 강화학습과의 결합을 비교한다. 상태 해석·기억·도구 활용을 언어모형이 맡고 행동정책을 학습하는 방향도 다룬다. 변화하는 시장과 거래비용 때문에 검증이 어렵다는 정리이며 모든 결합이 기존 전략보다 우수하다는 실증 결과는 아니다.
AI & modelsBIS Bulletin 134 — Supervisory Screening with Large Language Models: Finding Divergences
BIS는 자본규제와 채권 설명서를 언어모형으로 비교해 잠재적 불일치를 순위화하는 절차를 제안한다. 추가기본자본 채권 문서와 익명화 사례에서 이후 분쟁에 중요했던 차이를 찾았다고 보고한다. 모형은 사람의 검토 후보를 줄이는 선별 도구이며 법적 효력이나 상환 순위를 최종 판정하는 시스템으로 제시되지 않는다.
AI & modelsInformed Trading and the Dynamics of Client–Dealer Connections in Corporate Bond Markets
거래상대가 식별되는 감독자료 연구는 회사채 고객과 딜러의 관계를 분석한다. 숙련된 고객은 여러 딜러에 주문을 분산할 때 성과가 좋았고 정보 민감 고객·고위험 채권·정보집약 시기에 관계가 강했다. 국채보다 회사채에서 효과가 크고 오래갔지만 관측된 관계를 분산 자체의 확정적인 인과효과로 읽어서는 안 된다.
CreditHudson River Trading — 20TB/일 Market Data + Deep Learning + Microsecond Engineering
HRT는 대량의 불규칙한 시장사건을 처리하는 기술과 딥러닝 연구를 소개하며 거래소 자료에 정답이 미리 붙어 있지 않다는 점을 강조한다. 미래 매수·매도 가격이나 중간가격 등 목표 선택이 연구문제라는 설명이다. 처리량과 낮은 지연은 운영 조건이며 어떤 목표가 더 높은 수익을 만들었는지 비교한 결과는 아니다.
Quant firmsD. E. Shaw Group — Millions of Compute Jobs를 어떻게 관측하고 Alpha Factory의 병목을 찾는가
D. E. Shaw의 계산 기반 사례는 작업별 요청 자원과 실제 소비를 식별자로 추적해 대기·과다 요청의 원인을 찾는다. 지표 저장·처리 비교에서는 같은 하드웨어·자료에서 ClickHouse가 초당 약 3.5백만 개의 표본, 비교대상은 약 480,000표본을 처리했다고 보고했다. 이는 인프라 성능의 사례이며 데이터베이스 선택이 예측 정확도나 투자수익을 개선했다는 실험은 아니다.
Quant firmsM3: A State-Event Generative Foundation Model for Market Microstructure Dynamics
M3는 주문 사건과 호가창 상태를 별도로 다루기보다 함께 학습해 미래 주문 흐름과 유동성 경로를 생성한다. 주식 주문자료에서 학습한 모형이 주요 시장 특성을 재현하며 스트레스·시장충격 모의실험에 활용될 수 있다고 보고한다. 생성 경로의 현실성과 정책 변경의 인과효과는 다른 검증이며 채권시장에 대한 성과는 제시되지 않는다.
Trading & liquidity / AI & modelsInformation Risk in the Corporate Bond Market
회사채 정보위험 연구는 정보에 근거한 거래의 확률을 나타내는 PIN으로 정보위험을 측정하고 기대수익과의 관계를 분석한다. 유동성과 채권 특성을 통제한 뒤에도 양의 관계가 남았다는 보고다. 추정 지표가 높다는 사실이 개별 거래자의 정보를 직접 관찰했다는 뜻은 아니며 국내 예측력과 거래비용 차감 성과는 별도 문제다.
Credit / Risk & portfoliosBond Market May Be Pricing AI Productivity Gains as Yields Rise — J.P. Morgan Private Bank
J.P. Morgan의 시장 해석은 장기금리 상승에 AI 생산성 향상 기대가 반영됐을 가능성을 제기한다. 동시에 AI 설비투자의 외부 조달과 장기 회사채 공급 확대가 자본 수요를 늘린다는 별도 경로도 제시된다. 가능성에 대한 전략 판단과 발행 전망이며 재정·물가 요인을 통제한 AI의 독립적인 금리 효과가 추정된 것은 아니다.
AI & modelsOptiver × NVIDIA — “It’s Not the FLOPS. It’s the Researcher Time.”
Optiver와 NVIDIA의 기술 설명은 GPU를 연산량뿐 아니라 자료 준비부터 배포까지 연구 반복시간을 줄이는 도구로 본다. 큰 메모리에서 자료를 처리하고 운영 추론에서는 소프트웨어와 가중치를 미리 올려 다음 사건을 기다리는 설계를 제시한다. 작업별 설명이며 모든 GPU 전환의 속도 개선이나 투자수익 기여를 비교한 결과는 아니다.
Quant firmsJane Street — Production Engineering When Trading Billions of Dollars a Day
Jane Street는 단순 서비스 정상률보다 특정 거래 사건을 경보로 정의하는 운영을 설명한다. 예상 밖의 큰 이익이나 거래량 점유의 급변도 자료·종목 연결·주문·전략 오류의 신호일 수 있어 주문 엔진까지 전달한다. 경보 설계의 사례이며 이상 이익이 항상 오류라는 뜻이나 사고 감소율을 입증한 실험은 아니다.
Quant firmsLiquidity for Transformation: Bank Credit and Firms’ AI Adoption
Fed 연구는 감독당국의 개별 대출자료와 AI 관련 채용공고를 연결해 신용공급이 AI 도입을 촉진하는지 분석한다. 기술에 대한 노출보다 자금 접근과 실제 채용 활동을 함께 보는 설계다. 보존된 기록에는 구체적인 추정계수나 인과 식별 결과가 없어 신용 여력의 중요성을 묻는 연구로 설명하며 도입 효과의 크기를 단정할 수 없다.
Credit / Trading & liquidity / AI & modelsReinforcement Learning and Heterogeneity in Nonlinear Financial Markets
강화학습 시장 연구는 투자자가 시장구조를 모른 채 수요함수를 배우는 상황을 분석한다. 개별 학습자는 균형 수요를 회복할 수 있지만 여러 학습자가 자신들의 거래로 정해지는 가격을 통해 연결되면 같은 학습규칙도 불안정해질 수 있다는 결과다. 이론·모형의 상호작용 분석이며 실제 회사채 시장에서 발생한 불안정의 추정은 아니다.
AI & modelsCorporate Credit Rating Prediction: A Multi-modal Framework Integrating ESG Data and Network Effects
신용등급 예측 연구는 S&P 500 기업 209개의 재무비율·ESG·업종 연결을 결합한다. 그래프 모형의 기업 표현을 LightGBM에 넣자 재무자료만 쓴 기준보다 성능이 개선됐고 각 등급의 분류 성능을 균등하게 반영한 Macro F1은 약 0.75였다. 지배구조와 연결 정보의 역할이 제시됐지만 현재 등급 분류의 초기 프리프린트 결과이며 미래 강등 탐지나 국내 성과와는 구분해야 한다.
CreditCitadel Securities — Quote Sizing을 “작은 파라미터 개선 × 수십억 호가”로 수익화
Citadel Securities의 옵션 인턴 프로젝트는 상품·시장상태별로 제시 수량을 바꾸는 변수가 전략 행동에 미치는 영향을 시험한다. 많은 호가에 반복 적용되는 변경은 전체 영향이 커질 수 있어 조건별 재검증과 실제 데스크 피드백을 강조한다. 옵션 업무 소개이므로 채권의 적정 호가량이나 검증된 수익 개선을 직접 제시한 자료는 아니다.
Quant firmsXTX Markets — Foundation Models + $300B/일 자동거래 + TernFS라는 ML 인프라
XTX의 강연은 대규모 딥러닝 예측과 자동 거래를 소개하고 TernFS 기술문서는 커진 학습 작업에 맞춘 분산 저장 기반을 설명한다. 변경되지 않는 파일을 대량으로 읽고 쓰는 작업에 맞춘 설계와 공개 코드가 제시된다. 실제 저장 운영량과 목표 용량은 구분해야 하며 저장 규모만으로 예측 정확도나 수익의 개선을 추정할 수 없다.
Quant firmsDirichlet-process Mixtures for Bond Regime Detection
발행사 군집 연구는 2018년 10월~2023년 10월 월별 자료로 비슷한 반응의 집단을 찾는 혼합회귀를 제안한다. 집단 수를 사전에 고정하지 않고 통합 회귀·고정 집단 모형과 비교한 결과, 큰 설명력 상승보다 이질적인 반응의 안정적 발견에 의미가 있었다. 미관측 발행사와 미래 12개월에도 경쟁력 있는 예측을 유지했다는 기록이지만 국내 등급체계의 대체를 입증한 것은 아니다.
AI & modelsReal-Time Macro Information and Bond Return Predictability: A Weighted Group Deep Learning Approach
국채 초과수익 연구는 당시 공개된 거시자료와 뉴스 관심 변수를 경제적 집단별 신경망에 넣는다. 보존된 결과에서 수익기간이 겹치지 않는 경우 예측력은 약했고 겹치는 경우 모형의 표본 밖 성과가 높았다. 이 조건 차이는 중요하며 현재 수정자료를 과거에 소급하거나 겹친 수익의 결과를 독립 관측의 성과처럼 읽어서는 안 된다.
AI & modelsThe Tech Pillars Shaping Fixed Income’s Future
Vanguard는 채권 운용을 정보 추출, 배분 판단, 실행으로 연결한다. AI 문서 요약과 운용자 판단으로 상대가치 신호를 만들고 유동성 자료·딜러 호가를 통해 실제 주문으로 옮긴다. 회사 보고에서 ETF 바스켓 생성은 약 2시간에서 10분 미만으로 줄었다. 지방채 호가 처리 등 작업별 결과는 있지만 각 기술의 독립 효과나 전체 투자수익의 개선을 측정한 실험은 아니다.
AI & modelsPDT Partners — “Dream, Experiment, Validate, Repeat” → Automated Trading
PDT Partners는 시장 움직임과 비효율을 정량모형으로 연구하고 충분한 실증 검증·동료 검토를 통과한 모형을 자동 거래에 배포한다고 설명한다. 연구팀의 예측을 기술팀이 실제 시스템으로 연결하는 절차다. 공개 채용 설명은 승인 구조를 보여주지만 검토가 어떤 오류를 줄였는지나 배포 전략의 수익을 비교한 자료는 아니다.
Quant firmsIMC Trading — Predictive ML + Agentic AI + “몇 시간 안에 Live Feedback”
IMC는 기계학습을 시장 예측·입력 확장·거래모형에 사용하고 행동형 AI도 연구·기술·거래 업무에 배치한다고 설명한다. 빠른 운영 피드백과 자료 수집부터 배포까지의 역할도 공개됐다. 업무를 돕는 AI가 반드시 자율매매를 뜻하지 않으며 각 활용의 경제적 효과와 비공개 손익 기여는 자료에서 확인할 수 없다.
Quant firmsTiming the Corporate Bond Market
회사채 시장 타이밍 연구는 실시간 거시·금융 입력으로 여러 예측을 결합해 기대 초과수익과 보유량을 조정한다. 보존된 결과는 고정 전략과 대표 요인모형보다 성과가 좋고 비용·레버리지 제약 뒤에도 유지됐다고 보고한다. 개별 종목 선택과 다른 시장 전체 노출 조절이며 국내 비용과 자료로 동일한 효과가 나는지는 별도 검증이 필요하다.
CreditRevisiting the Spanning Hypothesis with Machine Learning Methods: A Systematic Literature Review
국채 예측의 46개 동료평가 실증연구를 재검토한 문헌연구는 엄격한 검증에서도 간결한 신경망·나무 결합의 추가 정보가 있지만 개선 폭은 흔한 주장보다 작다고 설명한다. 수정된 거시자료의 소급 사용, 전체기간 전처리, 미래정보 누출과 잘못된 표본 밖 지표가 과장 원인이다. 기법의 일괄 순위보다 당시 정보와 같은 검증 규칙으로 비교할 필요를 보여준다.
AI & modelsThe AI Buildout Comes to the Bond Market
Vanguard는 대형 기술기업 5개사의 발행이 2025년 930억달러에서 2026년 7월 말 누적 약 1,320억달러로 늘었다고 분석한다. 더 넓은 AI 생태계의 2026년 3,000억~5,700억달러는 완료된 발행이 아닌 추정치다. 신용도가 강해도 장기물 공급이 늘면 채권지수의 기술 비중·금리 민감도가 높아지고 주식과 같은 투자사이클에 노출돼 분산효과가 줄 수 있다는 판단이다.
AI & modelsHeadlands Technologies — Predictive Signal → Trading Model → Production → P&L
Headlands의 역할 설명은 예측신호와 거래모형의 개발을 실제 전략의 측정 가능한 개선에 연결한다. 기술 역할은 모의실험과 실제 운영의 차이를 신호·지연·처리량·거래소 행동으로 조사한다고 소개한다. 이는 연구와 실행 사이 책임 범위의 설명이며 채용 목표가 실제 전략의 손익 개선을 입증하는 자료는 아니다.
Quant firmsRadix Trading — “Research Firm, Monetized Through Trading”
Radix는 기술을 기반으로 연구하고 거래로 수익화하는 회사라고 소개하며 기계학습·통계와 자동화된 연구 플랫폼을 강조한다. 아이디어에서 실행까지 시간을 줄이고 순수 주문 지연 경쟁 외의 통계 연구를 중시한다는 설명이다. 공개자료에는 반복시간 단축이나 통계 신호의 성과 비교가 없어 실제 경쟁우위의 크기는 확인할 수 없다.
Quant firmsOvernight Corporate Bond Trading
미국 회사채 야간 거래 연구는 TRACE 보고가 재개되기 전 공개되지 않는 거래를 분석한다. 야간 거래는 주간보다 크고 가격발견 기여도도 높았으며 거래방향 불균형이 해당 채권과 같은 발행사의 다른 채권 수익률을 예측했다. 발행사 관련 정보가 흐름에 담긴다는 해석이지만 사전에 사용할 수 있었던 신호인지는 정보 공개시점을 따로 확인해야 한다.
CreditTime-Series Momentum across the Capital Structure
자본구조를 함께 분석한 연구는 위험이 높은 기업의 주식에서는 추세 지속이, 회사채에서는 되돌림이 나타나고 과거 주식수익이 이후 채권수익을 예측했다고 보고한다. 주식의 기업가치 상승 선택권과 변동성·레버리지의 다른 작용이 설명으로 제시된다. 이 관계가 모든 위험 수준과 거래비용 아래 유지되는지는 보존된 기록만으로 확정할 수 없다.
AI & modelsDebt Betas: Maturity, Liquidity, and the Cost of Capital
미국 회사채 10,912개를 분석한 연구는 등급을 통제해도 만기와 거래 유동성에 따라 부채 베타가 달랐다고 보고한다. 시장변화에 수익이 함께 반응하는 정도인 베타는 만기가 1표준편차 늘 때 약 25%, 비유동성이 같은 폭으로 늘 때 약 13% 높았다. 둘 다 부채 베타의 추정 효과이며 스프레드 변화율이 아니다. 국내 종목의 베타 값이나 인과효과를 직접 제공하지는 않는다.
Credit / Trading & liquidityMillennium — Return Forecasting → Portfolio Construction → Execution → Risk Management
Millennium의 공개 정량 거래 역할은 기술·재무·감성·대체자료를 연구해 수익 예측, 포트폴리오, 실행, 위험 관리에 모형을 사용한다고 설명한다. 중간 빈도 신호의 연구가 실제 거래판단을 지원하는 범위다. 전사 데이터와 기술인력 규모는 운영 기반을 보여주지만 특정 팀의 비공개 신호나 검증된 수익 우위를 밝히지는 않는다.
Quant firmsPoint72 Systematic Macro — Order-Book Tick Data → Microstructure ML → Production
Point72의 체계적 거시 역할은 호가창 사건자료로 장중·일별 입력을 만들고 선형모형과 기계학습으로 신호를 결합한다고 설명한다. 가설, 자료처리, 모형, 모의검증, 배포의 전 과정과 별도 역할의 포트폴리오·실행 관찰도 제시된다. 채용 요구사항은 업무 범위를 보여줄 뿐 특정 채권·스왑 전략의 성과를 입증하지 않는다.
Quant firmsFirm-Specific Capital and Corporate Financing: Evidence from Generative AI
미국 상장사의 채용공고로 생성형 AI 도입을 추정한 연구는 도입 전후 자본구조를 비교해 레버리지 하락과 이자보상배율 상승을 보고한다. 기업 업무에 깊게 결합된 AI에서 효과가 더 컸다. 저자는 재배치·담보화가 어려운 기업 고유 자본이 늘어난다는 해석을 제시하지만 채용공고 기반 도입 측정의 한계까지 없어지는 것은 아니다.
AI & modelsRecovery Incidence and Debt Composition in AI-Agent Firms
AI 운영규칙과 자금조달 조건의 결합을 다룬 이론연구는 지표에 연동한 조달과 일반 부채를 함께 분석한다. 인증된 연결은 일부 조달능력을 높일 수 있지만 기업 유형을 가리는 기능을 약화하거나 잘못된 지표를 최적화하는 손실을 만들 수 있다. 일부 조건에서는 중간 수준의 연결이 최적이며 실제 회사채 자료에서 확인된 효과는 아니다.
Credit / AI & modelsPublic Responses to FSB Sound Practices for Responsible Adoption of AI
FSB의 AI 실무지침과 공개 의견수렴은 전사 책임, 개발·배포의 전체 과정, 사이버·외부업체 위험을 함께 다룬다. 생성형·행동형 AI를 기존 모형위험 체계가 감당하는지와 기관별 적용 수준도 검토 대상이다. 보존된 기록은 당시의 의견수렴 단계이며 최종 규칙의 현행 내용이나 준수 효과를 확인한 자료는 아니다.
AI & modelsMan AHL — ML 신호를 Systematic Credit과 Execution Competition으로 연결
Man AHL은 여러 시장의 신호를 주문 상계와 자동화로 처리하고 자체·외부 알고리즘과 수동 실행을 경쟁시켜 비교한다고 설명한다. 회사채 전자화 확대는 체계적 선택과 실행의 기반으로 제시된다. 모의실험에서 모의거래와 운영으로 연결하는 절차가 공개됐지만 각 실행 경로의 우위나 신용전략 수익을 검증한 비교는 아니다.
Quant firmsVirtu — Alert+: 자동화된 Liquidity Capture + Transaction Cost Analytics
Virtu의 Alert+는 큰 주문이 처음 경로에서 모두 채워지지 않으면 잔여 주문을 다른 알고리즘으로 넘겨 비공개 유동성을 찾는 기능이다. 사전 비용 추정과 거래 후 비용 분석은 실행 결과를 평가하는 별도 도구로 소개된다. 기능의 목표가 체결량 확대라는 사실과 실제 비용 절감이 입증됐다는 주장은 구분해야 하며 채권 전용 성과도 아니다.
Quant firmsCorporate Bond Pricing under Climate Policy Uncertainty: Evidence from Firm-Level Exposure
기업 공시를 언어모형으로 읽어 기후정책 불확실성 노출을 만든 연구는 노출이 높은 기업의 회사채 스프레드가 더 넓었다고 보고한다. 재무 곤경과 유동성의 경로가 함께 제시됐으며 ESG 수준의 완충효과와 평가기관 의견차의 증폭효과를 구분했다. 관측된 관련성으로 정책 불확실성의 독립적인 인과효과까지 확정할 수는 없다.
Credit / AI & modelsThe Co-Pricing Factor Zoo
주식과 회사채의 수익률을 공동 분석한 연구는 국채 기간구조 위험을 통제한 뒤에도 주식·비거래 요인이 회사채 위험 보상에 중요하다고 보고한다. 여러 후보 모형의 가능성을 반영해 결합한 방식의 표본 밖 샤프비율은 약 1.5~1.8로 저차원 모형보다 높았다는 기록이다. 많은 변수가 공통 위험을 불완전하게 측정한다는 해석이며 비용 차감 실거래 우위까지 확인한 것은 아니다.
AI & modelsArtificial Intelligence and Financial Stability
IMF의 금융안정 논의는 생성형 AI가 코딩·검증·배포 시간을 줄여 거래 자동화의 확산을 가속할 수 있다고 본다. 회사채·사모시장처럼 분절된 장외시장에서는 거래소 보호장치가 동일하게 작동하지 않고 여러 AI의 상호작용도 문제가 될 수 있다는 경고다. 실제 공모나 위기가 발생했다는 실증 결과가 아닌 위험 경로에 대한 판단이다.
Risk & portfoliosCitadel — Inside EQR: What It Means to Work in Alpha Research
Citadel EQR 소개는 시장 가설을 예측모형으로 표현한 뒤 새 시기와 자료에서 유지되는지 검증하고 위험·비용·시장 마찰 이후 거래 판단을 개선하는지 확인하는 역할을 설명한다. 평가의 범위가 예측 점수에서 실행 결과까지 이어진다는 운영 내용이다. 소개 자료만으로 구체적인 신호나 실거래 성과를 재현할 수는 없다.
Quant firmsOptiver — Research-Powered Trading, Engineered to Scale
Optiver는 기계학습과 정량모형을 가격발견·실행·유동성 공급에 사용하며 연구·기술·거래팀의 피드백을 연결한다고 설명한다. 연구팀의 패턴 탐색을 빠른 실험과 배포 기반이 지원하고 거래팀이 실제 흐름과 위험을 반영한다. 규모가 크면 작은 변경도 많은 결정에 적용되지만 그 변경의 수익 개선은 별도로 검증해야 한다.
Quant firmsREFLEX: Reflexive Equilibrium Fixed-point Learning for Endogenous eXchanges
REFLEX는 호가를 좁히면 고객 구성과 체결이 바뀌고 그 자료가 다음 학습에 들어가는 되먹임을 분석한다. 모의실험에서 안정성 진단의 차이는 8% 이내였지만 경쟁 딜러가 2개·3개일 때 불안정성은 각각 1.74배·3.16배 커졌다고 보고한다. 공개자료를 보정한 위기 상태에서도 안정성 여유가 줄었다. 이 수치는 모의실험·보정 결과이며 실제 딜러 손익의 비교가 아니다.
AI & modelsContext Is Not Authority: Structured Runtime Governance for Financial Market Agents
SAGE-Fin은 AI가 만들려는 주문·고객 약속·정책 변경을 구조화된 객체로 바꾸고 시장·계좌·정책·대화 상태에 따라 권한을 다시 확인한다. 사례 집합에서 명세와 구현의 일치를 점검했고 일부 실제 요청에 적용됐다는 보고도 있다. 운영 근거는 정성 평가에 제한돼 실제 오류 감소율이나 거래 성과까지 확인한 결과는 아니다.
AI & modelsDrawdown Risk Beyond Brownian Motion: A Monte-Carlo Framework, Non-Gaussian Extensions, and Long Memory
낙폭 연구는 정규분포 기반 경로에서 출발해 꼬리위험, 변동성 군집, 추정오차와 장기기억을 추가한 모의실험을 비교한다. 최대낙폭과 최대손실, 마지막 손실시점, 회복기간은 같은 변화에도 다르게 반응했다. 수익의 지속성이 높으면 시간에 따른 분산 증가가 더 빨라질 수 있으며 결과는 설정한 확률과정과 보정에 의존한다.
Risk & portfoliosPoint72 / Cubist — Proprietary Data + State-of-the-Art ML → AI-driven Trading Signals
Cubist는 자료와 정량연구를 투자 가설로 바꾸는 체계적 운용을 설명하며 관련 역할은 예측신호 생성과 포트폴리오 최적화를 구분한다. Point72의 IAC는 자체 자료와 기계학습을 활용한 신호 개발을 별도로 소개한다. 서로 다른 조직의 공개 역할을 한 전략의 성과로 묶을 수 없으며 구체적 수익이나 신호 결합법은 공개되지 않았다.
Quant firmsJane Street — 2027 ML 채용자료에서 드러나는 Fair Value → Algorithm → Simulated Market → Production ML 구조
Jane Street의 채용·교육 자료는 시장자료로 거래 가능한 가치 추정을 만들고 코드로 전략을 구현해 서로 다른 거래구조의 모의시장에 연결하는 과정을 설명한다. 실제·모의 자료의 기계학습 연구와 대규모 연산자원도 소개된다. 교육과 연구 환경의 설명이며 해당 과정을 거친 모형의 실거래 수익이 검증됐다는 근거는 아니다.
Quant firmsInterpretable Machine Learning for Macro Alpha: A News Sentiment Case Study
GDELT 뉴스를 FinBERT로 처리해 감성·의견차·기사량·사건 중요도를 만든 연구는 XGBoost로 다음 날 선물 수익을 예측한다. 미 10년 국채선물의 2017년~2025년 4월 검증에서 비용 반영 샤프비율 4.65를 보고했고 평균 감성보다 의견차와 기사 중요도의 기여가 컸다. 매우 높은 저자 보고치여서 기사 공개시점과 검증 절차를 맞춘 독립 재현이 필요하다.
AI & modelsBISTRO: a general purpose oracle for macroeconomic time series
BIS의 BISTRO는 범용 시계열 모형을 거시자료에 추가 학습해 여러 변수의 기본·조건부 예측을 생성한다. 실제 공개시점을 맞춘 입력을 사용하며 물가 급등의 지속성을 평균회귀 기준보다 잘 포착했다고 보고했다. 조건부 유가 경로를 넣은 물가 반응도 다루지만 이는 모형 예측이며 유가 변화의 인과효과나 모든 국가의 우위를 뜻하지 않는다.
AI & modelsMAS Annual Report 2025/2026 Remarks — AI investment boom and credit-market concentration
MAS는 AI 관련 기업의 주식시장 비중과 회사채 신규 조달 비중이 함께 커졌다고 지적한다. 현재 현금흐름과 확정 주문이 투자를 지탱하지만 계획이 매출·현금흐름을 넘어서면 추가 자금조달이 필요할 수 있다는 판단이다. 수익화 부진이 투자 축소와 자산 재평가로 이어지는 위험 경로를 제시하며 확정된 위기를 예측한 것은 아니다.
Credit / AI & modelsTwo Sigma — 실제 공개된 Data → Model → Portfolio → Execution 체계
Two Sigma는 데이터 준비에서 모형, 포트폴리오, 실행으로 이어지는 절차를 공개한다. 포트폴리오 단계에서 여러 독립 예측을 합치고 거래비용과 위험을 반영해 목표 배분을 정하며 실행 중에도 위험을 관찰한다고 설명한다. 공개 내용은 절차의 연결이며 사용 데이터 규모나 복잡한 모형이 수익 우위를 입증하는 것은 아니다.
Quant firmsXTX Markets / XTY Labs — 최첨단 ML 연구를 실제 트레이딩 모델로 얼마나 빨리 넘길 수 있는가
XTX는 다양한 자산의 가격을 기계학습으로 예측해 거래와 고객 유동성 공급에 사용한다고 설명한다. 별도 연구조직 XTY Labs와 빠른 피드백을 통한 모형 개선도 공개됐다. 인프라 규모는 연구의 처리 범위를 보여주지만 구체적 신호, 학습비용 대비 효과, 국내 채권의 재현 가능한 수익을 제시한 증거는 아니다.
Quant firmsEquity Prices the Opportunity, Debt Prices the Risk: Generative AI and Corporate Credit Spreads
기업 노동력의 생성형 AI 노출을 비교한 연구는 ChatGPT 출시 뒤 노출이 1표준편차 높은 기업의 신용스프레드가 약 8bp 더 넓어지는 동시에 주가는 상승했다고 보고한다. 주주는 성장의 이익을 얻지만 채권자는 상환 불확실성을 부담한다는 해석이다. 재무 취약성·노동집약도·지배구조에 따라 차이가 컸으며 저자의 설명 자체가 독립적인 인과 증명은 아니다.
Credit / AI & models / Risk & portfoliosThe AI Boom: Rational Enthusiasm or the Next Dot-com Bubble?
ECB 분석은 AI 주식의 높은 가격이 비이성적 버블이 아니어도 기술 확산 과정에서 급등과 급락이 생길 수 있다고 설명한다. 초기 기업별 위험이 경제 전반의 위험으로 바뀌면 요구수익률이 높아질 수 있다. 펀드 환매가 유동성 높은 자산의 매도로 연결되는 경로도 제시하지만 특정 조정 시점이나 채권 손실 규모를 예측한 것은 아니다.
AI & modelsArtificial Intelligence in Finance: What Have We Learned?
금융 AI 정리논문은 알고리즘 정확도에서 새로운 자료, 의사결정 자동화, AI 참가자가 시장을 바꾸는 문제로 연구 범위가 확대됐다고 설명한다. 언어자료를 수치화하는 활용과 수익·위험 예측, 참여자 행동 변화가 함께 다뤄진다. 개별 전략의 성과를 통합 검증한 결과는 아니므로 적용 범위를 연구 지형의 정리로 한정해야 한다.
AI & modelsCitadel Securities — High Touch, Rewired: Flow Intelligence → Timing → Risk → Execution
Citadel Securities는 글로벌 거래에서 유동성·자금 흐름·시장 변화를 관찰하고 이를 사람과 시스템이 처리해 고객의 시점·위험·실행 판단에 연결한다고 설명한다. 대규모 주문과 유럽 금리 등으로 적용 범위를 넓힌다는 내용이다. 공개자료는 사업 운영의 설명이며 관찰 규모가 곧 고객의 비용 절감이나 투자수익을 입증하지는 않는다.
Quant firmsOptiver — Pricing·Forecasting·Signal Discovery → Production Feedback
Optiver는 가격 계산, 미래 예측, 신호 탐색을 구분해 문제에 맞는 통계·수학·기계학습 방법을 선택한다고 설명한다. 실제 운영에서 모형의 행동을 관찰해 다음 연구 가설을 수정하는 과정도 공개됐다. 이는 연구 운영의 구조를 보여주며 특정 모델의 예측 개선이나 채권 손익을 비교한 실증 결과는 아니다.
Quant firmsThe AI-Powered Fixed Income Trader: Navigating the Future of Market Intelligence
Tradeweb은 채권 AI를 실시간 시장정보를 정리해 고객이 직접 조회하고 판단하도록 돕는 층으로 설명한다. 종목이 많고 거래가 드문 채권에서는 마지막 가격만으로 거래 가능성을 알기 어렵다. 거래·호가·유동성 자료의 압축이 제안된 기능이며, 이 회사 설명만으로 자동 거래의 수익 개선이 검증된 것은 아니다.
AI & modelsEnhanced Fill Probability Estimates in Institutional Algorithmic Bond Trading Using Statistical Learning Algorithms with Quantum Computers
유럽 회사채 호가요청 연구는 양자컴퓨터로 입력을 변환한 뒤 기존 통계학습 모형에 넣어 체결확률을 예측한다. 일부 모형은 원자료나 잡음 없는 모의변환 대비 표본 밖 점수가 최대 약 34% 상대 개선됐다고 보고했다. 절대 정확도가 그만큼 상승한 것은 아니다. 하드웨어 잡음의 역할도 가설로 제시되지만 모든 모형의 우위나 실제 주문 수익을 입증하지는 않는다.
AI & modelsThe Evolution of the Corporate Bond Market: A Theoretical Analysis
Philadelphia Fed 연구는 딜러의 대차대조표 비용, 전자플랫폼 확대, 새 유동성 공급자를 장외시장 모형에서 함께 분석한다. 보존된 결과는 전자거래가 매수·매도 호가 차이를 낮추고 중개와 고객 유동성의 배분을 바꾼다고 설명한다. 기계학습 성과 연구가 아니므로 자동화 모형의 수익률에 직접 적용할 수는 없다.
CreditOld Mission Capital — ML → Pricing Model → Execution → Portfolio Risk
Old Mission은 과거 시장자료를 통계와 기계학습으로 가격모형에 바꾸고 엔지니어의 실행 알고리즘, 트레이더의 재고·위험 관리로 이어간다고 설명한다. 연구자·엔지니어·트레이더의 역할을 연결한 운영 구조다. 공개자료에는 특정 채권의 신호나 수익 비교가 없어 조직 설명을 실증된 초과수익으로 해석할 수 없다.
Quant firmsMaven Securities — NLP·Overfitting·Adaptive ML을 실제 Systematic Alpha에 쓰는 방법
Maven은 뉴스·인터뷰 등 언어자료에서 투자정보를 뽑는 과정에서 범용 언어모형의 숫자 비교 능력을 문제로 지적한다. 또한 잡음이 많은 금융자료에서 모형이 과거에만 맞는 과적합을 줄이기 위해 복잡도와 규제를 연구한다고 설명한다. 공개 내용은 연구 과제이며 특정 언어신호의 실거래 성과 비교를 제공하지 않는다.
Quant firmsForecasting the U.S. Treasury Yield Curve: A Distributionally Robust Machine Learning Approach
미 국채 금리 연구는 거시정보를 반영한 수익률곡선 모형과 랜덤포레스트를 결합하고 큰 예측오차에 추가 벌점을 부과한다. 보존된 결과에서는 단기 예측에 적응형 결합이, 더 긴 예측에 랜덤포레스트가 강했다. 시장 스트레스에서 결합 비중을 바꾸는 방식은 오차의 변동을 줄였지만, 이 결과가 거래수익을 보장하지는 않는다.
Rates & curves / AI & modelsCausal Interventions in Bond Multi-Dealer-to-Client Platforms
BBVA의 유럽 국채 호가요청 연구는 체결 예측과 가격 변경의 효과를 구분한다. 고객·호가의 선택관계를 넣은 구조모형의 체결 분류 점수는 0.742로 LightGBM의 0.743과 거의 같았지만, 고객에게 유리한 가격일수록 체결확률이 높아지는 제약도 만족했다. 분류 능력은 유지하면서 가격 반응을 경제적으로 일관되게 만들려는 설계이며 인과효과의 해석은 가정한 구조에 의존한다.
AI & modelsFlowPulse: A Flow-Based Liquidity Factor Framework for Corporate Bond Markets
FlowPulse는 기관 거래의 방향을 발행사·업종·만기별로 합쳐 유동성 압력을 나타내는 변수로 만든다. 최근 거래가격이 없는 채권에도 관련 집단의 매수·매도 불균형을 참고할 수 있다는 제안이다. 보존된 자료에는 재현 가능한 성과 비교가 충분하지 않아 검증된 매매신호보다는 변수 설계의 틀로 읽어야 한다.
Credit / Trading & liquidityQube Research & Technologies — Data → Prediction → Execution을 전 자산·전 horizon으로 산업화
QRT는 짧은 거래 단위부터 장기간 모의실험까지 데이터를 평가하고 예측을 실행으로 연결하는 플랫폼을 소개한다. 대학과 협력하는 QRT Labs는 장기 연구를 지원하는 별도 축이다. 공개자료는 연구와 배포의 범위를 보여주지만 어떤 데이터가 실제 초과수익을 만들었는지나 공통 플랫폼의 비용절감 폭은 밝히지 않는다.
Quant firmsSquarepoint Capital — ML 모델과 Fully Automated Strategy를 한 투자조직에서 결합
Squarepoint는 거래·연구·기계학습을 결합해 자동 전략을 개발하고 연구 플랫폼과 고성능 거래시스템을 공통 기반으로 연결한다고 설명한다. 모형 개발 이후 실제 실행과 개선을 이어가는 조직 구조가 공개된 내용이다. 이 자료는 특정 신호나 채권전략의 성과 비교를 제공하지 않아 자동화 자체를 수익의 증거로 삼을 수 없다.
Quant firmsAI 투자 회수가 늦을 때 부채와 공급망을 함께 보다
BIS 기록은 AI 기업의 회사채 발행이 2023년 790억달러에서 2025년 2,430억달러로 늘고 사모신용이 약 2,000억달러에 이르렀다고 소개한다. 생산성 개선 가능성과 투자 회수 부족의 위험을 함께 다룬다. 발행사·공급망의 동시 압박 경로에 관한 평가이며 실제 부도 발생을 추정한 결과는 아니다.
AI & models주문흐름은 현재 주문장 상태를 넘는 정보가 있는가
BTC·ETH 선물 주문장 연구는 가격 방향 대신 유동성 상태의 전이를 예측한다. 기록은 이벤트 직전 주문장 상태가 가장 강하고 얕은 비선형 모형이 개선했으며 주문흐름은 상태 위에 더했을 때만 가치가 있었다고 소개한다. 단계별 표본외 검증의 결과로 국채 집행에 적용하려면 별도 평가가 필요하다.
Trading & liquidity재고와 체결 목표의 호가 보정항을 분리하다
RFQ 시장조성 모형은 기대마진과 재고 부담, 목표 체결률 이탈 비용을 함께 최적화한다. 기록은 호가를 기본 스프레드·재고·체결 목표 보정으로 나누고 상관된 채권 재고가 가격 기울기와 체결률에 영향을 준 수치 결과를 소개한다. 모형의 포트폴리오 효과이며 실제 고객 손익의 직접 증거는 아니다.
Trading & liquidityG-Research의 예측 이후 최적화 역할
G-Research는 잡음 시장자료의 예측과 가설 검증을 지원하고 고급 최적화로 아이디어 가치를 추출한다고 설명한다. 예측 뒤 위험과 상관을 고려하는 단계의 필요성을 보여주는 공개 업무 구조다. 회사가 공개하지 않은 포지션 규칙과 수익은 추정할 수 없으며 국내 전략간 배분은 별도 실험으로 남는다.
Quant firmsGraham의 정량 신호와 운용자 판단을 따로 기록하다
Graham은 ML·NLP 정량 신호와 재량 운용자의 판단을 결합하고 시장 변화에 맞춰 진화하는 전략을 설명한다. 포트폴리오 구성과 위험관리의 원칙이며 결합의 독립 성과를 제시한 실험은 아니다. 다른 오류를 보완할 수 있다는 국내 가설은 사람·모형·최종 포지션을 별도로 기록해 검증해야 한다.
Quant firms금리 직접 예측과 요인 예측의 시차별 차이
미국 제로쿠폰 금리를 직접 예측하거나 DNS·Svensson 요인을 예측하는 방식을 같은 거시자료로 비교한다. 2015~2025년 표본외 개선은 단기와 기울기에 집중됐고 시차가 길거나 중장기에서는 요인 방식이 상대적으로 강했다. 금리오차와 거래가치는 같지 않아 듀레이션·기울기 모사도 평가한 기록이다.
Rates & curves / AI & models신호 혼잡과 자기 거래가 약화시키는 알파
이론모형은 공통 신호 혼잡과 거래로 학습환경을 바꾸는 효과, 경쟁적 AI 투자를 연결한다. 기록의 보정은 신호 반감기를 과거 5~7년에서 약 18개월로 줄이지만 이는 인과 추정이 아니다. 기관 보유자료의 수렴을 분석해 동조 위험도 논의하며 모든 실제 전략의 수명으로 읽을 수 없다.
AI & modelsHFT를 유동성 공급과 소비로 나눠 측정하다
실제 HFT 표지가 있는 비공개 자료로 분류기를 학습해 공개 장중자료에 적용한다. 공급형·수요형 활동을 나눠 기존 대용지표보다 시간별 움직임을 잘 포착했다고 기록한다. 실적발표 주변 가격 정보성의 효과도 반대였으며 측정 도구의 유효성을 모든 채권시장이나 인과 효과로 확대할 수 없다.
AI & modelsAkuna의 신호 연구와 집행 코드의 업무 연결
Akuna의 채용 설명은 신호·특성 연구와 예측모형, 재현 가능한 ML 흐름을 거래전략 개발에 연결한다. 별도 역할에는 가격·집행 논리와 운영 코드도 포함된다. 옵션 시장조성의 업무 범위이며 예상 체결률·역선택을 국내 채권에 적용하는 수익 경로는 별도 가설로 시험해야 한다.
Quant firmsOptiver 행사가 소개하는 연구·운영의 AI 보조
Optiver 행사는 기초모형을 연구·엔지니어링 흐름에 넣어 아이디어 시험과 실시간 시스템 개선을 돕는 방향을 소개한다. 앞선 LLM 모사 거래의 갱신 한계와 평가 대상이 다르다. 연구 속도와 유용성을 검증해 확대한다는 회사 설명이며 직접 자율거래나 예시 시간 단축의 성과를 입증한 것은 아니다.
Quant firmsEU 곡선 예측은 복잡성보다 이벤트에 민감했다
EU 채권의 금리를 NS·Svensson 요인으로 추정하고 ARIMA와 XGBoost를 재귀 표본외 비교한다. 2024년 자료로 2025년 1월을 평가한 기록은 Svensson에서 ARIMA가 우수하고 NS에서는 비슷했다고 소개한다. 오차는 입찰·공동발행·ECB 사건 주변에서 컸으며 짧은 평가를 전체 EU 시장으로 일반화할 수 없다.
Rates & curves거시 패닉과 만기별 수익 분포의 나쁜 꼬리
QRF는 거시정보의 상단 꼬리를 압축한 macro-panic 요인으로 채권 위험프리미엄의 분포를 예측한다. 기록은 여러 분위의 개선과 침체기의 강한 패턴, 단기의 현금 확보 수요와 장기의 안전자산 수요 차이를 소개한다. 꼬리의 조건부 예측이며 다음 위기의 손실 규모를 확정하지 않는다.
AI & models / Risk & portfolios단순한 결합과 넓은 입력의 회사채 예측
Stacking으로 여러 회사채 예측을 결합해 단일 모델과 비교한다. 기록은 국채·주식 입력을 함께 썼을 때 가장 좋고 등급·만기별 개선이 있었다고 소개한다. 그러나 복잡한 결합보다 단순한 앙상블이 더 나았다. 추가 입력과 결합 구조의 효과를 분리해야 하며 국내 비용 차감 성과는 별도 평가다.
Credit / AI & modelsTower가 더 긴 보유기간에서 다시 설계한 위험
Tower는 초단기 거래에서 더 긴 보유기간으로 확장하며 기술을 재사용하지만 팩터·위험·포트폴리오 감시는 재설계해야 한다고 설명한다. 분산된 거래장소에서는 속도와 계산·집행·위험의 결합을 강조한다. 회사의 전략 방향이며 긴 보유가 수익을 개선했다는 독립 성과는 아니다.
Quant firmsFlow Traders의 거래자료 재사용과 별도 모델 통제
Flow Traders는 AI를 연구·가격·위험관리에 통합하고 자체 체결자료로 모델을 계속 개선하는 방향을 설명한다. 모델 승인·모니터링·재검증과 사람의 감독도 소개된다. 거래자료가 계속 쌓인다는 사실과 그로 인해 가격·알파가 개선됐다는 실증은 다르며 보고서의 목표를 달성 성과로 바꾸면 안 된다.
Quant firmsRMATS의 성과는 반복 토론보다 위험 중단에서 나왔다
RMATS는 정량 신호를 여러 역할로 나눠 배분하며 현재 구현은 LLM 자율 시스템이 아니다. 812거래일의 샤프 0.953과 최대낙폭 8.48%를 보고했고 위험 중단 규칙은 스트레스 낙폭을 0.84%p 줄였다. 반복 의사소통의 개선은 거의 없었다는 기록으로 구조의 복잡성과 실증 기여를 구분해야 한다.
AI & models / Risk & portfolios과거값 유지 기준과 분수차분의 추가 정보
미국 종합채권지수의 수준과 수익률을 일반 신경망과 시계열 이미지 신경망으로 비교했다. 수준에서는 과거값 유지 기준을 크게 못 이겼고 수익 예측은 거의 영에 모였다. 추세를 줄이되 과거 정보를 남기는 분수차분의 일반 신경망이 가장 나았다. 이미지 방식은 표본외 오차가 기준보다 컸다. 입력 변환과 비교 기준이 모형 순위를 이해하는 조건이다.
AI & models회사채 변화를 국채 상태와 신용보상으로 분해하다
중국 국채와 등급별 회사채를 레짐전환 CIR 구조로 함께 추정한다. 2014~2025년 주간자료에서 수준·변동성이 다른 두 국채 상태를 찾고 신용 블록을 순차 추정해 단일 상태보다 적합도를 개선했다. 금리와 신용보상을 분리하는 모형이며 분해된 각 요인이 실제 원인과 일치한다는 보장은 없다.
Rates & curves / CreditJump의 실시간 추론과 연구·운영 코드 연결
Jump는 하드웨어부터 주문집행까지 통합한 시스템과 실시간 추론·빠른 반복의 ML 구조를 설명한다. 연구를 시장에서 점검한 뒤 확장 가능한 운영 시스템으로 만든다는 공개 주장이다. 국내 참고는 연구와 운영의 동일 특성 계산을 검증하는 과정이며 지연과 수익의 실제 효과는 비공개다.
Quant firmsDRW 채용 역할의 예측과 운영 준비
DRW는 높은 차원의 구조·비정형 자료에서 신호를 추출해 예측하고 운영 가능한 모델로 배포하는 역할을 설명한다. 특성 생성·튜닝·확장 가능한 파이프라인과 실거래 경험을 요구한다. 공개 채용 범위는 알 수 있지만 특정 모델의 안정성·가격 우위·수익이 실증됐다는 뜻은 아니다.
Quant firms문서 후보와 통계 검정을 양방향으로 연결하다
미국 금리·거시자료와 FOMC 회의록을 함께 써 시장의 관계가 바뀌는 시점을 찾았다. LLM이 문서에서 후보를 내면 통계 검정이 확인하고 수치 후보도 문서로 교차검증한다. 2010~2024년, 14개 변수의 평가에서 탐지 정확성과 놓치지 않는 정도를 묶은 F1·F2 점수는 0.82·0.86으로 데이터 전용 방식보다 높았다. 공개 시차를 반영한 실시간 성능은 별도 문제다.
Rates & curves명목채와 물가연동채의 전망 입력을 다르게 두다
글로벌 채권 Black–Litterman 배분은 명목채의 모멘텀·캐리와 물가연동채의 실질금리·물가 팩터로 전망을 생성한다. 시장균형의 출발값과 신뢰도를 결합해 반복 갱신하는 구조다. 이 날짜 기록은 예측과 배분의 연결을 설명하며 자동화 자체가 비용 차감 성과를 개선했다는 수치 근거는 제공하지 않는다.
Risk & portfolios추가 학습 없이 관련된 시계열을 묶어 예측하다
Chronos-2는 과제별 추가 학습 없이 공동 시계열과 보조변수를 처리한다. 미국 국채·기술주 비교의 기록은 관련 만기를 함께 넣으면 성능이 개선되지만 주식과 금리를 큰 패널로 섞으면 악화됐다고 소개한다. 시계열 간 공통 구조의 활용을 보여주며 모든 기초모형의 입력 확장 효과로 일반화할 수 없다.
AI & modelsSIG의 연구·엔지니어·트레이더 공동 과정
SIG의 행사 자료는 연구원·엔지니어·트레이더가 데이터를 분석해 전략을 설계하고 배포한다고 설명한다. 잡음, 국면 변화와 짧은 지연, 실제 비용을 동시에 다루는 금융 환경을 강조한다. 공동 업무의 방향을 알 수 있지만 강연·홍보자료만으로 특정 모델의 견고함과 수익이 검증됐다고 볼 수 없다.
Quant firmsTwo Sigma가 말하는 특성 생성 속도와 과적합
Two Sigma는 AI가 원자료를 예측 특성으로 바꾸는 시간을 줄이고 연구·운영 도구에 통합된다고 설명한다. 동시에 많은 가설의 과적합과 학습 기준일 이전 백테스트의 기억 누출을 경고한다. 회사의 운영 발언이며 속도 개선을 자동적인 알파 증가로 해석하지 않고 독립 표본과 출처를 보존해야 한다.
Quant firmsAI 발전 뉴스와 장기 명목·실질금리의 반응
주요 AI 모델 발표 전후 미국 채권 반응을 분석한다. 기록은 30개 발표에서 좋은 AI 뉴스 이후 장기 국채와 물가연동채 금리가 하락하고 효과가 수주간 이어졌다고 소개한다. 실질금리도 움직여 인플레이션 기대만의 설명은 제한된다. 시장 믿음의 해석이며 다음 발표의 금리 하락을 보장하지 않는다.
AI & models기대수익 대신 위험 대비 포트폴리오를 직접 학습하다
Deep Tangency Portfolio는 회사채·주식·옵션의 132개 특성을 압축해 매수·매도 팩터를 만들고 기준 포트폴리오와 결합한다. 기록은 표본외 샤프가 팩터에서 1, 결합에서 2를 넘는다고 소개한다. 예측과 배분을 직접 연결한 비교이며 실제 비용과 공매도·수량 조건이 확인돼야 실현 성과로 읽을 수 있다.
Risk & portfolios과거 경제 예측에서 기억과 예측 능력을 구분하다
연구는 학습 기준일 이전의 경제·가격·뉴스를 LLM이 기억해 과거 예측을 오염시키는 문제를 다룬다. 기록은 미래정보 금지 지시와 기업명 가리기로 문제가 사라지지 않고 기준일 이후 기억의 이점이 줄었다고 소개한다. 문서의 공개시점을 맞춰도 모델 내부의 기억까지 제거됐다고 볼 수 없다.
AI & modelsHRT의 거래 판단 연구와 불규칙 이벤트 처리
HRT는 딥러닝이 거래의 상당 비중을 구동하고 특성·구조·학습뿐 아니라 거래 결정도 연구 범위라고 설명한다. 낮은 신호와 변화하는 분포, 실시간 이벤트 처리의 어려움을 함께 공개한다. 조직의 역할과 운영 제약의 자료이며 특정 전략의 실현 알파와 재학습 효과가 입증된 것은 아니다.
Quant firmsD. E. Shaw의 연구 계산과 배포 아키텍처
D. E. Shaw는 금융자료의 지식 발견을 위한 고성능 계산 구조와 실제 판단·거래에 연결되는 모델 배포를 연구 역할로 설명한다. 학습 흐름의 효율·확장·신뢰성과 GPU 최적화도 포함된다. 연구 처리량이 가치일 수 있다는 해석은 가능하지만 기술 목록과 채용 목표가 검증된 알파를 뜻하지는 않는다.
Quant firms예측의 변수 효과와 상호작용을 사전에 살피다
EBM은 많은 회사채 특성을 쓰면서 변수별 비선형 효과와 상호작용을 보여준다. 기록은 블랙박스에 가까운 예측력과 금리구조·거시 불확실성의 관계를 소개한다. 실제 포트폴리오 선택의 이유를 검토하는 데 유용하지만 설명이 경제적 원인의 확정이나 국내 수익을 보장하지는 않는다.
Credit / AI & models유사채의 가까움과 실무 필터를 분리하다
발행사·업종·국가를 임베딩으로 바꾸고 코사인 유사도로 가까운 채권을 찾은 뒤 통화·만기·등급 필터를 적용한다. 희소 발행사 곡선을 보완하는 실험에서 안정적 결과를 보고한다. 통합 임베딩의 성능과 속성별 설명 사이의 절충이 있으며 검색 유사성을 실제 헤지 적합성으로 확정할 수 없다.
AI & models경제 서사에서 성장·물가·정책 전망을 추출하다
BlackRock은 리서치와 투자자 대화에서 성장·물가·정책 전망, 컨센서스와 의견 차이를 LLM으로 구조화하는 접근을 소개한다. 여러 시장의 자료를 함께 학습하는 운용 사례도 기록에 묶여 있다. 문서를 정형 신호로 바꾸는 설명이며 공개되지 않은 계수와 실현 알파를 추정해서는 안 된다.
AI & modelsOptiver 모사 시험에서 드러난 연속 판단의 한계
Optiver는 트레이더 시험과 모사 시장조성에서 LLM의 계산·이론 이해를 평가했다. 기록은 기본 개념은 잘 수행했지만 새 정보의 가격 갱신과 이후 참가자 반응에서 어려움을 보였다고 소개한다. 기대값을 알아도 과도한 헤지나 불리한 거래가 나타났다. 회사 시험의 결과이며 모든 LLM의 일반적 한계로 확정할 수 없다.
Quant firmsIMC가 연결하는 실험과 실시간 피드백
IMC 공식자료는 시장행동 예측과 특성 확장, 모델 배포를 거래 과정에 통합하고 실시간 피드백을 받는 연구 인프라를 설명한다. 에이전트의 엔지니어링·거래·연구 업무 삽입도 소개한다. 배포 속도는 회사의 운영 주장으로, 더 많은 실험이 검증된 알파를 더 만든다는 추론은 별도 평가가 필요하다.
Quant firms다른 시장과 RFQ가 기준가격을 갱신하는 정보
CP+ 기준가격과 미래 회사채 체결을 대규모 자료로 비교한다. 기록은 마지막 체결보다 높은 정보력과 채권·주식·옵션의 움직임 및 RFQ 종목 정보의 반영을 소개한다. 가격발견의 기여를 다룬 실증으로 CP+가 제시하는 가격에 실제 거래할 수 있거나 초과수익이 남는다는 뜻은 아니다.
Credit / Trading & liquidity / AI & models거래량 예측을 가격충격과 배분 손실에 연결하다
개별 종목의 예상 거래량을 시장충격과 결합해 거래비용과 추적오차를 함께 최적화한다. 기록은 큰 포트폴리오에서 비용 차감 개선의 경제적 가치가 크다고 소개한다. 저유동 구간의 거래량 과대예측은 특히 비싸므로 평균 오차 외에 행동 비용을 학습 목적에 반영한 비교이며 채권 전용 효과는 아니다.
Trading & liquidity인덱스 가격 시각에 모이는 회사채 거래
회사채 체결과 분 단위 추정가격으로 인덱스 산출시각 주변의 거래를 분석했다. 2024년에는 전후 1분에 하루 거래량 약 10%가 모였다는 기록이다. 산출시각 변경을 이용한 비교는 인덱스 수요의 영향을 뒷받침했다. 그 시간의 거래 여건은 좋아져도 다른 시간에는 악화될 수 있고 스트레스 때 편익도 약해져 하루 전체 유동성 개선으로 읽을 수 없다.
CreditCitadel의 새 데이터 검증과 배포 역할
Citadel의 인터뷰는 대체데이터 발굴, 기존 자료 대비 추가 정보 검증, 신호 추출과 투자팀의 사용 설계, 개발자의 배포를 설명한다. 금리·거시 등 여러 팀과 협력한다는 조직 구조는 알 수 있다. 새 데이터가 실제 알파를 만드는지와 상용 효과의 크기는 비공개이며 인터뷰를 수익성 실증으로 읽을 수 없다.
Quant firmsMillennium 채용 설명에서 읽는 투자팀 내 AI 역할
Millennium의 채용 기록은 투자팀과 함께 AI 도구·에이전트를 설계하고 구현하는 역할을 소개한다. 기술을 개별 투자 과정 안에 넣는 구조를 보여주지만 실제 구현된 에이전트의 기능과 수익은 확인되지 않는다. 가설 검증을 빠르게 하는 국내 사용은 자료 조회와 결과 검토의 운영 실험으로 분리해야 한다.
Quant firms회사채 팩터의 비용을 베이지안 방식으로 추정하다
회사채의 관측 팩터와 특성에서 추출한 잠재 팩터에 베이지안 추정 거래비용을 적용했다. 비용 전 수익성 있는 관측 팩터 20개 중 단 하나만 남았고, 잠재 팩터 포트폴리오의 위험 대비 수익을 나타내는 샤프비율은 7.80에서 2.25로 줄었다. 예측 가능한 수익과 얻을 수 있는 수익의 차이를 보여주며 비용 추정·종목 접근 가정에 따른 결과다.
Credit캐리 분해의 예측 개선이 유동성 비용을 넘는가
캐리를 계산하고 잔여 가격수익만 학습한 미국 회사채 모형이 직접 총수익 예측보다 표본외 성능을 개선했다는 기록이다. 그러나 거래비용 이후 수익성 상당 부분이 사라지고 알파가 낮은 유동성 시기에 집중됐다. 예측 개선과 획득 가능한 수익을 구분하며 일시적 오가격이라는 해석도 가능성으로 남는다.
AI & models평가 시차와 전처리를 맞춰 금리모형을 비교하다
미국 국채 일별 자료에서 전통 시계열·앙상블·신경망을 넓게 비교한다. 기록은 ARIMA와 단순 기준이 대체로 강하고 일부 머신러닝이 상대적으로 양호했다고 소개한다. 금리 수준의 비정상성을 처리하는 방식, 예측 시차와 국면이 결과를 바꿔 구조 이름만으로 우월성을 정할 수 없다.
Rates & curves / AI & modelsJane Street가 공개하는 모델과 학습·추론 인프라
Jane Street의 공식·채용자료는 거래전략을 구동하는 신경망과 학습·추론 인프라를 개발한다고 설명한다. 약한 신호와 국면 변화, 자기 거래가 데이터에 영향을 주는 반사성도 언급한다. 기술 업무의 연결은 확인할 수 있지만 특정 전략과 수익은 공개되지 않아 학습 루프의 운용 효과는 별도 가설이다.
Quant firmsXTX의 가격 판단과 재고 보유를 연결하는 설명
XTX는 여러 상품의 머신러닝 가격을 거래와 유동성 공급에 사용하고 고객 주문 위험을 일정 기간 보유해 시장충격을 낮춘다고 설명한다. 포지션·주문·보유기간의 별도 통제도 소개된다. 가격 판단과 재고의 연결은 회사의 사업 설명이며 실제 수익과 국내 모사 성과가 검증됐다는 뜻은 아니다.
Quant firms뉴스 사건의 심각도와 발생 가능성을 나누다
ECB의 SPOT은 금융뉴스에서 잠재 충격의 심각도와 가능성을 따로 추출한다. 기록은 과거 충격 이전의 상승과 부문 식별, 기존 취약성 변수에 더했을 때 경제 하방위험 추정 개선을 보고한다. 금융 위험 상태의 정보력이며 다음 가격이나 위기를 정확히 맞힌다는 보장은 아니다.
AI & models / Risk & portfoliosAI를 사용하는 것과 생산에 통합하는 것은 다르다
ECB는 유로지역 기업의 AI 도입과 투자를 조화된 설문으로 분석한다. 기록은 국가·규모별 격차와 단순 사용, 생산과정에 깊이 통합한 활용의 차이를 소개한다. 회사채에는 실제 비용과 생산성 실현을 나눠 볼 가설을 주지만 설문만으로 차입부담이나 스프레드 효과를 추정한 결과는 아니다.
AI & models자동화의 평시 이점과 스트레스 상호작용을 묶어 읽다
사전 기준으로 선별한 연구를 PRISMA 방식으로 정리해 AI·자동매매·HFT의 유동성·가격발견·안정성 영향을 살핀다. 기록은 평시 효율 개선 가능성과 유사 모델의 스트레스 동조 위험을 함께 소개한다. 연구마다 시장과 평가조건이 달라 하나의 효과 크기나 채권 전용 성과로 합칠 수는 없다.
Trading & liquidityBondGPT의 모니터링에서 거래 티켓까지
LTX는 BondGPT가 조건에 맞는 시장을 관찰하고 기회를 탐색해 허용 범위의 거래 티켓 생성·거래 개시에 연결된다고 발표한다. 유사채·가격·유동성 도구를 연쇄 호출하는 제품 설명이다. 기능 확대와 독립적 수익 개선은 다른 주장으로, 실제 권한과 사용자 승인 조건을 확인해야 한다.
AI & models체결 후 가격 변화를 분해해 고객 흐름의 품질을 평가하다
회사채 호가 모형은 거래 후 가격 변화를 시장·캐리·발행사 상대가치·수급 요인과 잔여 역선택으로 분해한다. 잔여 부분을 주문의 품질에 반영해 체결 목표를 조정하고 시뮬레이션에서 서비스와 수익의 절충을 개선했다는 기록이다. 원인 분해와 모사 성과의 정확성은 실제 국내 RFQ로 따로 검증해야 한다.
Credit / Trading & liquidity환율로 연결한 합성 국채가 희소 만기를 보완하다
미국 국채를 현물환·선물환으로 다른 통화의 합성채권으로 바꿔 현지 곡선과 함께 추정했다. 6개 주요국 비교에서 자료가 부족한 만기의 금리오차는 기존 커널 모형 대비 최대 44%, NSS 곡선 모형 대비 68~87% 낮아졌다는 기록이다. 개선은 해당 만기의 선물환이 있을 때 주로 나타났다. 미국 금리를 단순 복사한 결과로 일반화할 수 없다.
Rates & curves / AI & models소프트웨어 공통 차주에 집중된 사모대출 위험
BIS는 기업에 대출하는 미국 사업개발회사 BDC의 소프트웨어 차주를 분석했다. 대출 약 1,150억 달러는 전체 BDC 대출의 약 20%지만 기술 포트폴리오 안에서는 80% 이상이다. 당시 AI로 인한 매출 불확실성이 가격에 뚜렷하지 않았고, 좁아진 스프레드와 공통 차주 집중을 취약요인으로 평가했다. 현재 가격과 담보만으로 미래 손실이 없다고 볼 수는 없다.
Credit / AI & models같은 신경망도 거시정보의 효과는 시장별로 달랐다
미국·유럽 국채에서 금리곡선 요인과 신경망을 비교하고 듀레이션 운용까지 평가한다. 미국은 DNS와 압축 거시정보의 결합이, 유럽은 PCA 금리요인만 쓴 구성이 더 나았다는 기록이다. 경제적 성과를 함께 봤다는 특징과 입력 조합의 시장 차이를 읽어야 하며 국내 우열은 별도 비교가 필요하다.
Rates & curves / AI & models비상장 차주의 위험을 공개시장 비교기업에 연결하다
랜덤포레스트로 공개 회사채의 위험 관계를 학습하고 RF-GAP 유사도로 비상장 차주와 가까운 상장기업을 찾는다. 산업·규모만으로 비교하는 대신 위험 예측에 중요한 공간에서 소수의 같은 섹터 기업을 선정한다. 공개가격의 참고 체계이며 비상장 차주의 실제 부도확률과 대출조건을 자동 대체하는 것은 아니다.
Credit / AI & models / Risk & portfolios호가 비용 외에 신호를 놓치는 거래 지연을 계산하다
여러 회사채 팩터와 머신러닝을 실제 호가·체결지연 조건으로 평가한다. 기록은 비용 전에는 시장을 이기는 전략이 많아도 스프레드와 지연을 함께 반영하면 알파가 대부분 사라지거나 음수가 됐다고 소개한다. 거래가 드문 채권에서 원하는 시점의 체결 가정이 결과를 바꾸며 모든 시장·전략의 실패로 일반화할 수 없다.
AI & models부도 여부에서 만기별 생존확률로 질문을 바꾸다
동적 생존 신경망은 시간에 따라 바뀌는 기업정보로 부도의 시점과 누적 위험을 추정한다. 여러 과제가 공통 표현을 쓰도록 설계하고 관측 종료까지 부도나지 않은 자료도 고려한다. 기록은 모형 구조와 적합한 문제 구성을 설명하지만 기준 대비 성능 수치를 남기지 않아 우월성을 확정할 수 없다.
Credit중국의 제도와 공매도 제약을 예측 평가에 반영하다
중국 회사채의 종목별 수익률을 거시·채권·발행사 정보로 예측해 머신러닝과 선형모형을 비교한다. 기록은 예측력과 포트폴리오 성과 개선, 공매도 제약을 고려한 매수 전용 평가를 소개한다. 정부지원과 제도 변화라는 중국의 조건이 있어 미국이나 한국의 같은 성과로 일반화하기 어렵다.
Credit / AI & models발표 빈도가 다른 지표와 뉴스로 경기침체를 예측하다
일본의 월별 거시지표와 주별 금융자료, 신문 텍스트를 함께 써 경기침체를 예측했다. 서로 다른 발표 주기를 연결하는 회귀 구조에 머신러닝을 적용한 의사 실시간 비교에서 단순 확률모형보다 예측력이 높았다는 기록이다. 뉴스가 정량자료의 빈 곳을 보완했지만 당시 실제 공개 자료와 같은지 확인해야 하며, 채권 거래 수익을 직접 평가한 결과는 아니다.
AI & models바이사이드의 AI 사용을 후보 선별과 집행으로 나누다
바이사이드 조사 자료는 종목 스크리닝, 문서 분석과 가격·유동성 정보를 제공하는 AI 보조 사용을 소개한다. 많은 종목과 분산된 거래를 처리하는 운영 역할이 강조된다. 업계 채택과 기대의 자료이므로 동일 조건에서 측정한 성과나 완전자율 운용의 수익성 증거로 해석할 수 없다.
AI & models사전 호가와 유사채 관계로 지방채 곡선을 갱신하다
Tradeweb은 Municipal AiPrice와 플랫폼의 사전 호가·RFQ를 결합해 AAA 지방채 곡선을 만든다고 설명한다. 만기·콜·쿠폰·자금용도가 유사한 종목의 관계를 학습하는 상용 사례다. 운영 방식을 알 수 있지만 회사 설명만으로 독립적인 오차 개선이나 그 가격의 실제 체결 가능성을 확정할 수 없다.
Rates & curves / AI & models주식과 회사채의 특성 정보를 교차해 사용하다
미국 회사채·주식의 특성으로 관리 포트폴리오를 만들고 시장 내부 정보와 교차시장 정보의 배분을 비교한다. 기록은 교차 활용이 평균분산 효율을 개선했다고 소개한다. 같은 기업의 위험이 다른 속도로 반영될 수 있다는 해석은 가능하지만 비효율의 원인과 실제 비용 차감 성과를 확정하는 결과는 아니다.
Credit리픽싱과 조기상환이 함께 바꾸는 전환사채 가치
경로에 따라 발동되는 리픽싱과 콜 조항을 포함한 전환사채 가치를 신경망으로 근사한다. 중국 전환사채 사례에서 기초 주가모형보다 계약조건의 영향이 컸고 하향 리픽싱이 콜을 앞당겨 가치를 낮출 수도 있었다는 기록이다. 조건의 상호작용을 다룬 모형 결과이며 모든 전환사채에 같은 효과를 일반화할 수 없다.
AI & models재해채권의 발행 관계망을 가격 입력으로 사용하다
CATNet은 재해채권의 발행사·주관사·재해유형·지역 관계를 그래프로 연결해 스프레드를 예측한다. 기록은 랜덤포레스트·XGBoost보다 높은 예측력과 소수 중심 참여자에 집중된 구조를 소개한다. 연결의 예측 가치와 충격 전염 가능성의 해석은 구별해야 하며 발행시장 결과를 유통시장 수익으로 확대할 수 없다.
Credit / AI & models평균 거래비용과 극단 청산비용을 따로 예측하다
미국 회사채의 미래 유동성 분포를 예측해 평균적 비유동성과 극단 비유동성 지표를 만든다. 현재 거래여건만으로 미래 분포가 모두 설명되지 않고 종목·시장·딜러 조건이 추가 정보를 준다는 기록이다. 평균 전망과 꼬리 위험은 다른 종목에서 나타날 수 있어 평시 비용만으로 청산 위험을 평가하기 어렵다.
Trading & liquidity공통 기술 공급망 장애를 금융 위험으로 연결하다
IMF는 AI가 공격 비용을 낮추고 공통 클라우드·소프트웨어·결제 인프라에 의존하는 기관들의 동시 장애 위험을 높일 수 있다고 평가한다. 직접 손실 외에 자금조달과 담보관리, 가격발견의 차질을 논의한다. 공격과 금융 충격의 경로를 설명한 위험 평가이며 미래 사고 확률이나 AI의 순수 효과를 추정한 자료는 아니다.
Risk & portfolios펀드와 운용사 특성으로 지속 성과를 찾다
미국 채권펀드 3,021개의 과거 성과와 펀드·운용사 특성으로 이후 성과를 예측했다. 예측 상위 10%를 사고 하위 10%를 판 비교는 기준 위험으로 설명되지 않는 월평균 약 30bp 수익과 최대 36개월의 예측 지속을 보고했다. 회사채·지방채 펀드에서 강했지만, 하위 펀드 매도 가능성과 비용을 확인해야 실제 투자 성과로 해석할 수 있다.
Risk & portfolios산업의 실제 AI 사용도와 발행 위험 프리미엄
미국 신규 회사채에서 산업의 AI 집약도와 발행 스프레드를 분석한다. 기록은 실제 AI 사용도의 프리미엄이 다른 노출·혁신 지표보다 강하고 중장기채에서 뚜렷했다고 소개한다. 성장 기대와 달리 채권자가 투자비용과 장기 불확실성을 가격화할 수 있다는 해석이며 산업 상관을 기업별 인과효과로 확대할 수 없다.
Credit / AI & models / Risk & portfolios투자 경쟁과 금융 연결망이 만드는 과잉 설비
AI 인프라 경쟁을 시간에 따라 투자 결정을 바꾸는 기업 모형으로 분석했다. 경쟁에서 뒤처질 위험 때문에 전체 산업이 효율 수준보다 과투자할 수 있다. 기본 보정은 효율 수준의 약 1.5배, 수요 탄력성이 낮은 가정은 약 3배의 투자를 낸다. 회사채·비은행 대출과 기업 간 계약은 충격 전달 경로다. 이 비율은 미래 투자액 예측이 아닌 가정별 모형 결과다.
AI & models기업 정보의 효과가 거시국면에 따라 달라지는가
기업 재무·채권 특성과 거시·시장변수를 함께 사용해 회사채 위험프리미엄을 예측하는 연구다. 같은 기업 정보의 효과가 금리·경기·유동성 국면에 따라 달라질 수 있다는 구성을 다룬다. 이전 기록은 질문과 입력을 설명하지만 비교 성과나 효과 크기는 제시하지 않아 결합의 우월성을 확정할 수 없다.
Credit / Risk & portfolios채권가격에서 경제적 제약을 지키는 할인곡선
국채가격으로부터 할인곡선을 학습하면서 평활성과 경제적 타당성을 정규화에 반영한다. 커널 릿지 회귀 형태의 계산으로 희소·잡음 가격에서도 안정적인 곡선을 얻는 접근이다. 기록은 게재와 데이터·코드 공개를 소개하지만 현재 가격 추정의 재현성과 미래 금리 예측 성과는 구별해야 한다.
Rates & curves / AI & models당시 자료만 검색하는 금융 리서치 환경
FinanceHarness는 투자 당시 공개된 자료만 검색하고 금융 실무의 도구·평가기준을 적용하는 리서치 에이전트다. 400개 투자 논제 평가에서 같은 기반모형의 종합 점수가 25.3%에서 32.4%로 높아졌다는 기록이다. 전문가 자료 통과율 82%에 비해 평가 에이전트는 모두 40% 미만이었다. 작업 구조의 개선과 실제 투자 판단의 신뢰는 구분해야 한다.
AI & models보험 시나리오의 경로를 압축하는 대리모형
보험사의 장기 자산부채관리에서 경제 시나리오의 경로를 signature로 압축해 결과를 근사한다. 금리와 신용곡선은 PCA로 줄이고 경로의존 현금흐름을 회귀로 계산한다. 더 많은 시나리오를 낮은 비용으로 평가하는 목적의 대리모형으로, 극단 손실과 새로운 국면의 정확성은 별도 확인해야 한다.
AI & models거래비용을 상태로 기억하는 동적 배분
SciPhy는 관측된 과거 경로에서 HJB 방정식을 활용해 위험민감형 배분 정책을 학습한다. 거래비용을 누적 상태에 넣고 실제 목표 보유량을 선택하며 가격충격을 비용으로 반영한다. ETF 실험에서 정적·근시안적 기준보다 샤프지수 개선과 회전율 통제를 보고하지만 특정 실험의 비용 가정에 걸린 결과다.
AI & models / Risk & portfolios국채 국면에 조건부인 등급별 신용곡선
중국의 국채와 등급별 회사채 곡선을 무차익 레짐전환 모형으로 함께 추정한다. 국채 상태를 먼저 필터링하고 그 상태에 조건부인 신용요인과 부도강도를 추정한다. 단일 국면보다 곡선 적합도가 개선됐다는 기록이며 금리와 신용보상 분해의 목적과 미래 예측의 우월성을 구분해야 한다.
Rates & curves / CreditAI의 공통 신호가 거래되면서 약해지는 과정
이론모형은 AI 채택과 신호 상관이 높아질수록 혼잡과 거래에 의한 신호 소멸이 강화된다고 설명한다. 기관 보유자료로 수렴을 보정하고 신호 반감기 단축을 제시하지만 수명은 채택·상관 가정에 의존한다. 모형 보정 결과를 모든 실제 전략의 관측 수명으로 사용해서는 안 된다.
AI & models변수의 비선형 효과를 드러내는 회사채 예측
회사채 특성마다 수익과의 비선형 관계를 곡선으로 보여주고 특성 간 상호작용을 따로 설명하는 EBM 예측모형을 평가했다. 설명을 유지하면서 경쟁력 있는 예측을 얻었고 변수의 효과가 일정한 기울기 대신 임계값과 구간에 따라 달랐다는 기록이다. 공개 코드로 결과를 재현할 수 있지만 모형의 설명을 경제적 원인의 증명으로 해석할 수는 없다.
Credit / AI & models팩터 전망과 확신도를 시장균형에 결합하다
글로벌 채권지수 배분에서 팩터 신호로 Black–Litterman의 기대수익 전망과 확신도를 자동 생성한다. 시장균형 수익률과 결합한 포트폴리오가 표본외 샤프지수에서 비교대안보다 개선됐다는 기록이다. 전망을 그대로 비중으로 바꾸지 않는 구조이며 성과는 신호와 신뢰도, 균형 가정에 달려 있다.
Risk & portfolios만기별 공동 움직임과 무관한 추가 입력을 비교하다
Chronos-2로 미국 국채 금리를 예측하며 개별 만기와 전체 커브 입력을 비교한다. 기록은 관련된 만기를 함께 넣으면 모든 만기의 오차가 줄었지만 기술주까지 더하면 금리 예측이 조금 악화됐다고 소개한다. 사전학습 모형의 효과는 입력 간 경제적 관계에 달렸으며 추가 변수 자체가 개선을 보장하지 않는다.
AI & models개정 전 거시자료로 평가하면 남는 예측력
실제 투자시점에 공개돼 있던 거시자료와 뉴스 관심도로 미국 국채 초과수익을 예측한다. 성장·물가·고용 같은 그룹을 신경망에 반영해 공선성을 줄인다. 뉴스의 추가 정보가 보고되지만 최신 개정본은 겹치지 않는 단기 표본의 예측력이 약하다고 소개한다. 엄격한 시점 정합성이 결과 해석의 조건이다.
AI & models운용사 사례에서 AI가 줄이는 정보처리 업무
운용사 취재 기사는 AI가 비정형 리서치 처리, 종목 스크리닝과 가격 비교를 보조하는 사례를 소개한다. 많은 종목과 발행사 정보를 압축해 후보를 좁히는 역할이 강조된다. 활용 범위를 알 수 있지만 도입 효과를 같은 표본과 비용으로 비교한 연구는 아니며 수익 개선은 별도 확인이 필요하다.
AI & modelsAI 투자 확대를 성장과 물가의 시간차로 읽다
BIS는 AI의 생산성 효과와 투자·전력 수요, 자금조달 확대가 성장·물가·금융안정에 미치는 영향을 정리한다. 생산성이 개선되는 경로와 단기 수요 압력은 동시에 존재할 수 있다. 국가별 인프라와 도입 역량도 달라 금리·환율 반응은 대칭적이지 않을 수 있다는 평가이며 하나의 금리 방향을 예측한 연구는 아니다.
AI & models예측오차가 함께 움직이면 숨은 위험요인을 찾다
미국 국채 예측의 잔차 공분산에서 모델이 놓친 공통요인을 복원하고 듀레이션 결정에 반영한다. DNS 확장 모형과 랜덤포레스트를 사용하며 예측 평균과 공분산의 불확실성을 함께 고려한 강건 최적화를 적용한다. 기록은 최악 조건의 샤프비율 개선을 소개하지만 이를 평균 손익의 보장으로 해석할 수 없다.
Risk & portfolios단순 시계열 모형을 강한 기준으로 남기다
미국 국채 곡선의 장기 자료로 ARIMA, 앙상블과 여러 신경망을 비교한다. 기록은 대부분 평가구간에서 ARIMA와 단순 계량모형이 전체적으로 우수했다고 소개한다. 머신러닝의 순위도 금리 수준·변화의 선택과 구조적 단절 처리에 달렸다. 특정 비교의 결과로 모든 딥러닝의 실패를 일반화할 수는 없다.
Rates & curves / AI & models회사채와 국채·주식의 예측을 메타 모형으로 결합하다
미국 회사채 수익률을 여러 모델로 예측하고 Stacking 메타 모형으로 결합한다. 기록은 국채·주식 변수까지 넣었을 때 예측력과 경제적 성과가 높고 등급·만기별로 단일 모델보다 안정적이었다고 소개한다. 하위 모델의 기여를 학습하는 방식으로 단순 평균과 구별되며 표본외 학습 절차의 확인이 필요하다.
Credit / AI & models같은 AI 노출을 주주와 채권자는 다르게 평가하다
미국 기업의 인력이 생성형 AI에 노출된 정도와 ChatGPT 공개 후 회사채·주식 반응을 비교했다. 노출이 1표준편차 높은 기업은 회사채가 기준금리 위에 더 부담하는 스프레드가 평균 약 8bp 확대됐지만 주가는 올랐다는 기록이다. 성장 기회와 전환 위험을 투자자가 다르게 평가했다는 해석이며, 업종과 재무 상태가 섞인 관계를 AI만의 인과효과로 볼 수는 없다.
Credit / AI & models / Risk & portfolios캐리를 먼저 계산하고 남은 가격 변화를 학습하다
미국 회사채 수익률을 캐리와 잔여 가격수익률로 나누고 머신러닝은 잔여 부분만 예측하게 하는 연구다. 이미 수익률곡선과 보유기간에서 결정되는 성분을 다시 학습할 필요를 줄인다. 대규모 관측과 예측변수를 활용한 비교 설계지만 기록에는 개선 크기가 없어 하이브리드 구조의 효과를 수치로 확정할 수 없다.
AI & models거래가 없는 동안 기준가격에 새 정보가 담기는가
MarketAxess의 CP+ 기준가격과 이후 회사채 체결가격을 비교한 연구다. 기록은 CP+가 마지막 체결보다 정보력이 높고 다른 시장의 공통 움직임과 개별 RFQ 정보를 함께 반영한다고 소개한다. 스트레스 시 정보가치 확대는 회사 설명에도 등장한다. 기준가격의 정보력을 실제 거래 가능성과 별도로 평가해야 한다.
Credit / Trading & liquidity / AI & models계획과 도구 실행을 연결하는 금융 에이전트의 책임
에이전틱 AI는 목표를 받고 계획을 세운 뒤 데이터를 조회하고 도구를 실행하며 결과를 검증하는 시스템이다. 금융 분야 종합 리뷰는 운영 효율의 가능성과 목표 오해석·도구 오사용·공통 행동의 위험을 함께 정리한다. 개별 전략의 수익성 비교가 아니며 단계별 권한과 감사 기록의 설계 문제로 읽어야 한다.
AI & models희귀한 금리 상황을 합성하고 별도 시장자료로 평가하다
인과 관계를 반영한 GAN으로 국채와 회사채 수익률을 생성하고 강화학습으로 보완한 뒤 LLM의 신호와 위험평가에 연결한다. 기록은 통계적 적합도, 예측오차와 손익 등을 함께 제시한다고 소개하지만 제한된 표본과 언어모형 평가가 포함된다. 합성자료의 그럴듯함과 실제 시장 재현성을 구분해야 한다.
Trading & liquidity / AI & models생성형 AI의 채권 활용을 업무별로 구분하다
채권 분석·거래·금리모형과 위험관리에서 생성형 AI를 사용하는 문헌을 정리한 리뷰다. 뉴스와 공시 요약, 신용 이벤트 추출, 합성 시계열과 가격 예측을 함께 다룬다. 활용 지도를 제공하지만 포함된 문헌의 검증 수준은 균일하지 않다. 문서 사실성과 수치 예측의 성능을 각각 평가해야 한다.
AI & models / Risk & portfolios펀드 환매 실험에서 갈린 학습형 AI와 언어모형
ECB 연구는 펀드 환매를 모사한 환경에서 Q-learning과 LLM 투자자를 비교한다. Q-learning은 행동을 잘 맞췄지만 부도위험이 있을 때 과도한 동시 환매를 보였다. LLM은 신념이 분산돼 일관성이 낮았다. 이는 모형 환경의 비교이며 어느 방식이 현실 금융시장에서 항상 더 안전하다는 결론은 아니다.
Risk & portfolios지수의 기억을 얼마나 남길지부터 비교하다
미국 종합채권지수를 일반 신경망과 시계열을 이미지로 바꾸는 신경망으로 예측한 연구다. 추세의 지속성을 줄이되 과거 정보를 일부 남기는 분수차분을 썼을 때 일반 신경망의 추가 예측력이 가장 높았다. 이미지 방식은 학습에 쓰지 않은 구간에서 기준 예측보다 오차가 컸다. 복잡한 구조보다 입력 변환과 비교 기준이 결과를 갈랐다.
AI & models미래 금리 예측에 무차익 조건을 넣다
미국 국채·회사채 예측에 금리곡선의 경제적 일관성을 요구하는 조건을 넣었다. 위험 없이 확정 이익이 생기는 가격 조합을 허용하지 않도록 학습하는 방식이다. 1일과 5일 후 예측을 비교했고 단기구간과 5일 예측에서 가격오차가 개선됐다는 기록이다. 예측가격이 실제 호가 범위에 들어가도 거래비용을 넘는 수익 기회를 뜻하지는 않는다.
Rates & curves / AI & models양자 장치를 체결확률 학습의 전처리에 쓰다
기관 규모 회사채 주문의 체결확률을 예측할 때 양자 하드웨어로 미리 변환한 데이터를 기존 머신러닝에 넣었다. 원자료 입력 대비 일부 표본외 점수가 최대 약 34% 높았다는 기록이다. 하드웨어 잡음이 과도한 학습을 줄였을 가능성도 있어 양자 우위로 확정할 수 없다. 개선은 특정 설정의 예측 점수이며 실시간 거래속도나 손익의 변화가 아니다.
AI & modelsAI 거래의 유동성 개선과 동조 위험을 함께 점검하다
연준 자료는 AI가 비정형 정보 처리와 시장조성·감시를 개선할 가능성과 공통 모델의 동시 반응 위험을 함께 다룬다. 회사채 유동성이 당시 양호하더라도 스트레스 때 알고리즘 상호작용은 별도 위험이라는 평가다. 블랙박스의 감사 가능성도 논의하며, AI 때문에 실제 위기가 발생했다고 입증한 분석은 아니다.
AI & models체결률 목표를 호가 최적화의 제약으로 넣다
고객의 가격 요청에 응하는 채권 딜러의 호가를 기대손익, 재고와 체결률 목표를 함께 고려해 정하는 모형이다. 보수적인 가격은 거래 기회를 줄이고 공격적인 가격은 불리한 거래와 재고 부담을 늘린다. 연구는 이를 최적화 문제로 연결하지만 기록에는 실제 딜러 손익 개선의 수치가 없다.
Trading & liquidity업종과 국가의 관계를 학습해 유사채를 찾다
채권의 업종·국가 같은 범주형 속성을 학습한 숫자 표현으로 바꿔 유사채를 검색한다. 단순한 등급·만기 비교나 범주를 따로 표시하는 방법과 달리 속성 간 관계를 활용한다. 거래자료가 부족한 발행사의 곡선을 보완하는 평가에서 개선을 보고했지만 이를 매매 수익의 개선으로 읽을 수는 없다.
AI & models채권에 유리한 뉴스라는 라벨을 다시 정의하다
BondBERT는 2018~2025년 영국 채권 기사 약 3만 건으로 학습한 언어모형이다. 경기 호재가 금리 상승과 채권가격 하락으로 이어질 수 있어 채권 관점의 분류가 필요하다. 기존 금융 언어모형보다 국채 수익률과의 관계와 예측지표가 개선됐다는 기록이지만, 거래비용을 뺀 손익과 한국어 적용 성과는 확인되지 않았다.
AI & models이상가격에 흔들리지 않는 모기지채 곡선을 추정하다
스웨덴 모기지채권의 희소하고 잡음이 큰 가격에서 신경망으로 곡선을 추정한다. 곡선의 매끄러움과 안정성을 학습 목적에 반영하고 무위험 기준금리와의 제약도 넣을 수 있게 설계했다. NSS와 커널 회귀보다 안정적인 곡선을 보고했지만 매끄러운 추정값이 실제 거래 가능한 가격임을 뜻하지는 않는다.
Rates & curvesAI 설비투자가 차입으로 이동할 때의 상환 위험
BIS는 AI 기업의 대규모 투자 재원이 내부 현금과 주식에서 회사채·은행 및 사모대출로 넓어지는 과정을 분석한다. AI 기업 대출의 건당 규모는 크지만 만기·담보·스프레드 조건은 크게 다르지 않았다는 기록이다. 투자 수익이 기대에 못 미칠 때 레버리지와 불투명한 사모금융이 충격을 키울 수 있다는 위험 평가다.
Credit / AI & models금리곡선의 정보를 압축한 뒤 듀레이션을 선택하다
미국과 유럽의 국채 금리곡선을 전통 모형과 신경망으로 예측하고 듀레이션 전략까지 비교한 연구다. 미국에서는 금리 요인에 압축한 거시정보를 더한 구성이, 유럽에서는 금리 요인만 쓴 구성이 우수했다. 신경망의 개선을 보고하지만 입력의 효과는 시장에 따라 달라졌다. 예측 정확도와 운용 성과를 함께 확인해야 한다.
Rates & curves / AI & models개별 거래 개선과 시장 전체의 반응을 구분하다
AI와 알고리즘 거래의 시장 영향을 가격발견, 유동성, 거래비용, 참가자 간 상호작용으로 나눠 정리한 문헌 리뷰다. 개별 알고리즘의 체결 개선과 시장 전체의 안정성을 별도로 살핀다. 특정 채권시장에 대한 성과 추정은 아니며, 포함된 연구마다 표본과 비용 가정이 달라 동일한 효과 크기로 읽을 수 없다.
Trading & liquidityAI가 담당하는 업무와 독립 통제를 함께 설계하다
FMSB는 도매금융시장 실무자 의견을 바탕으로 가격·유동성·체결확률 예측과 거래장소 추천처럼 거래 과정의 일부를 맡는 AI를 설명한다. 위험은 기술 이름보다 자율성과 시장에 미치는 범위에 달려 있다는 평가다. 보고서의 통제 제안은 실제 운용 설계에 유용하지만 수익 개선을 입증한 실험은 아니다.
AI & models모델의 내부 표현이 비슷할 때 생기는 동시 행동
여러 AI가 시장 상태를 내부에서 비슷하게 표현할 때 스트레스 국면의 행동이 수렴하는 경로를 다중에이전트 모형으로 분석한다. 평시 전망의 차이만으로 모델 분산을 판단하기 어렵다는 주장이다. 동시 포지션 축소와 유동성 악화의 가능성을 제시하지만 실제 채권시장에서 측정한 효과는 아니다.
AI & models / Risk & portfolios회사채 딜러의 정보처리 능력을 유동성에서 평가하다
미국 회사채 연구는 딜러의 AI 활용 가능성과 거래비용·유동성의 관계를 분석한다. 거래가 드문 종목의 가격 추정과 재고관리까지 기술의 역할에 포함한다. 다만 이전 기록은 개선 방향이나 효과 크기를 구체적으로 제시하지 않는다. AI 도입이 언제 유리한지라는 연구 질문과 확인된 결과를 구분해 읽어야 한다.
Credit / AI & modelsNo matching results.
Try another search term or date.