생산성 충격의 방향은 분배가 결정한다
Fabio Panetta 이탈리아 중앙은행 총재의 연설은 AI 투자 초기에 연산능력·전력·전문인력 수요가 물가를 밀어 올릴 수 있지만 장기에는 생산성 향상이 비용을 낮출 수 있다고 본다. 중요한 것은 생산성의 크기만 아니라 소득이 누구에게 돌아가고 소비와 저축이 어떻게 바뀌는가다.
노동보완형 도입은 임금과 소비를 지지해 수요 압력을 유지할 수 있고 자동화형 도입은 일자리 불안과 저축을 높여 디스인플레이션을 앞당길 수 있다는 분배경로다. 그래서 생산성 향상이 중립금리, 즉 경제를 과열시키지도 위축시키지도 않는 실질금리를 반드시 올린다고 단정할 수 없다.
한국에서는 AI 도입 산업을 노동보완형과 자동화형으로 구분해 설비투자, 고용·임금, 저축과 회사채 발행을 연결한다. 국고채 기대금리와 물가보상, 반도체·전력설비 발행사 스프레드를 생산성 기대 상향과 기대실망 두 시나리오에서 함께 본다.
더 빠른 정책 전달에는 더 빠른 위험측정이 필요하다
Banca d’Italia의 통화정책 AI 평가는 정보처리가 빨라지면 정책금리 변화가 신용조건과 금융가격에 더 빨리 반영될 수 있다고 설명한다. 기업의 가격조정 비용도 낮아지면 비용과 수요 충격이 물가로 전달되는 속도가 과거보다 빨라질 수 있다.
이는 중앙은행의 분석·예측·커뮤니케이션을 개선할 기회인 동시에 시장의 동조를 키울 위험이다. 보고서는 AI가 대응의 적시성을 높일 수 있지만 금융안정 위험도 동반한다고 평가하며, 특정 모델의 거래성과를 입증한 것은 아니다.
국내에서는 금통위 문구 변화가 국고채선물·현물·IRS·은행채·회사채에 전달되는 시간을 분·시간 단위로 측정한다. 평균 반응속도뿐 아니라 호가 깊이가 동시에 사라지는 구간과 딜러 재고의 급변을 위험한도로 연결한다.
AI 설비투자는 동아시아 공급망을 통해 채권으로 온다
연준 FEDS Note는 미국 AI 구축용 첨단 장비의 약 90%가 해외에서 조달되고 공급이 동아시아에 집중됐다고 설명한다. 구조적 VAR, 즉 여러 경제변수의 상호작용에서 충격을 식별하는 모형에서는 투자특이 기술충격이 미국 경상수지 변동의 약 60%를 설명했다.
1표준편차 충격 뒤 첫해 투자와 산출이 늘면서 경상수지 적자가 GDP 대비 약 0.2%포인트 확대되고 수입물가가 약 1%포인트 올랐다는 추정은 AI 투자가 달러와 물가를 거쳐 금리로 이어질 수 있음을 보여준다. 한국은 총교역 비중보다 첨단기술 공급망 노출이 더 클 수 있다.
미국 데이터센터 투자, 한국 반도체 수출·단가, 원/달러, 국고채와 관련 기업 스프레드를 하나의 월별 패널로 묶는다. 투자 가속과 급감의 비대칭 충격을 나눠 외화조달·차환·세수와 국채공급까지의 2차 효과를 시험한다.
시장조성의 적은 평균 지연이 아니라 꼬리 지연이다
Jane Street Tech Talk은 시스템 jitter, 즉 평균 주변의 불규칙한 꼬리 지연을 줄이면 추가 위험 없이 더 촘촘한 시장을 만들 수 있다고 설명한다. 초당 약 1GB의 시장데이터가 들어오는 환경에서는 10마이크로초의 지연도 낡은 가격에 거래할 위험을 만든다.
공개 실험에서는 가상머신의 637나노초 중앙값과 최대 16마이크로초 지연이 bare metal과 코어 격리 뒤 223나노초, 이어 194나노초 중앙값으로 줄었다. 발표는 터보를 끌 때 속도와 결정론 사이의 절충도 보여주지만 실제 전략·라벨·P&L은 공개하지 않는다.
국고채선물에서 현물·IRS 헤지까지 타임스탬프를 통일하고 평균보다 p99·p99.9, 오래된 시세의 체류시간과 체결 후 mark-out을 본다. 시세 나이가 한도를 넘으면 자동 호가축소와 취소가 작동하도록 모델 바깥 통제를 둔다.
공정가치는 위험보유와 실행비용을 지나 수익이 된다
XTX Markets 공식 설명은 머신러닝으로 위험을 의미 있는 기간 보유하면서 목표 체결률과 낮은 시장충격을 지향하고, 변동성이 큰 때에도 1만 개 넘는 자산의 공정시장가치를 가격에 반영한다고 밝힌다. 오늘은 과거의 규모·인프라 소개가 아니라 예측이 실행성과로 바뀌는 경로를 보기 위해 다시 선정했다.
FX 알고리즘은 fair market value 예측을 이용해 implementation shortfall, 즉 의사결정 가격 대비 실제 집행비용을 낮추는 것을 목표로 한다는 회사 설명이다. 공개자료에 기반한 추론으로는 공정가치, 체결확률, 재고위험과 헤지비용을 함께 최적화하는 구조가 수익 연결고리지만 정확한 모델·라벨·보유기간·P&L은 공개되지 않아 독립 검증이 제한적이다.
국고채·회사채 RFQ에서는 예상 mark-out, 체결확률, 재고 DV01과 헤지비용을 합친 quote score를 설계한다. 고객 신원 대신 요청 크기·긴급도·응답패턴을 규정에 맞게 집계하고 실행비용, 시장충격과 관계 품질을 함께 측정한다.
읽고 나서 남는 질문
국내 채권시장에 적용할 공통 원칙은 시간축을 섞지 않는 것이다. 장기 생산성·분배 시나리오, 월별 공급망·환율 충격, 정책 이벤트의 분·시간 반응, 주문경로의 마이크로초 지연을 각자 측정한 뒤 DV01·유동성·신용한도에서 결합해야 한다. 공정가치 예측은 체결확률과 재고·헤지비용을 지나야 실제 실행성과로 바뀐다.
편집 전 브리핑 원문 펼치기
채권시장 AI 연구 브리핑
2026년 9월 22일
조사 마감: 2026년 9월 22일 06:39 (Asia/Seoul)
원문 열람일: 2026년 9월 22일
중복 점검: 기존 51개 브리핑과 2026년 9월 21일 게시물을 대조했다. 전날의 OFR·BIS·FSI·HRT·Optiver 자료와 겹치지 않는 원문을 선정했다. 4번은 발표일이 공식 페이지에 표시되지 않아 열람일과 구분했고 최신성보다 저지연 시장조성의 기술적 가치 때문에 선정했다. 5번은 기존 XTX의 거래 규모·연구 인프라 소개와 달리 공정가치 예측에서 위험보유·실행비용으로 이어지는 수익화 경로를 확인하기 위해 업데이트 관점에서 재선정했다.
1. Banca d’Italia — AI 생산성의 분배가 물가와 중립금리 방향을 가른다
구분: 중앙은행 총재 연설·통화정책 및 자산가격
발표일: 2026년 9월 21일
핵심 요약
Fabio Panetta 이탈리아 중앙은행 총재의 연설은 단기적으로 AI 투자가 연산능력·전력·전문인력 같은 희소 투입재 수요를 키워 물가상승 압력을 만들 수 있지만, 장기에는 생산성 향상으로 비용을 낮출 수 있다고 설명한다. AI가 노동을 보완하고 새 업무를 만들면 노동소득과 소비가 늘어 수요 압력이 오래갈 수 있는 반면, 자동화가 일자리 불안을 높이면 저축이 늘어 디스인플레이션이 빨라질 수 있다는 분배경로의 차이를 강조한다. 이탈리아에서 AI가 널리 도입되면 노동생산성 증가율을 연 1%포인트 넘게 높일 수 있다는 것이 중앙은행 추정이지만, 실제 경로는 도입 속도와 노동시장 적응에 달려 있다. 생산성 상승은 중립금리를 올릴 수 있는 반면 불평등·저축·자본소득 비중 확대는 이를 낮출 수 있어 방향을 단정하기 어렵고, 기대가 실망으로 바뀌면 AI 관련 자산가격도 취약해질 수 있다.
실무 시사점
채권시장에서는 ‘AI=생산성 상승=금리 상승’이라는 단일 서사보다 투자수요, 임금·고용, 이익 분배와 저축률을 분리해야 한다. 장기금리·물가연동채·AI 투자기업 신용스프레드의 공통 시나리오에 생산성 기대의 상향뿐 아니라 기대실망과 설비과잉을 함께 넣어야 한다.
한국 시장 복제 아이디어
AI 도입 산업을 노동보완형과 자동화형으로 나누고 전력·반도체 설비투자, 고용·임금, 가계저축, 회사채 발행을 연결한 상태공간 모형을 구축한다. 국고채 기대금리와 물가보상, 반도체·전력설비 발행사 스프레드를 같은 충격 아래 평가하되 중립금리 변화는 범위로 제시한다.
2. Banca d’Italia — AI가 금리 전달과 기업 가격조정을 동시에 빠르게 만든다
구분: 중앙은행 Occasional Paper·통화정책 전달 및 AI
발표일: 2026년 7월 28일
핵심 요약
Banca d’Italia Occasional Paper No. 1051은 AI가 생산성과 시장구조뿐 아니라 정보처리 속도를 바꿔 통화정책의 전달경로 자체를 변화시킬 수 있다고 정리한다. 금융기관과 시장참가자의 분석·의사결정이 빨라지면 정책금리 변화가 신용조건과 금융가격에 더 신속하게 반영될 수 있고, 기업의 가격조정 비용이 낮아지면 비용·수요 충격의 물가 전가도 빨라질 수 있다는 초기 평가다. AI는 중앙은행의 분석·예측·커뮤니케이션과 대응 시점을 개선할 여지가 있지만 금융안정 위험도 키울 수 있어 효율성 향상만으로 평가해서는 안 된다. 이는 첫 평가 보고서이며 특정 모델이 정책예측 오차나 거래손익을 얼마나 개선했는지는 공개하지 않는다.
실무 시사점
금리 충격 뒤 채권·대출·예금 가격이 조정되는 속도가 과거와 같다는 가정이 깨질 수 있다. 정책 이벤트 연구와 리스크 한도는 일별 평균뿐 아니라 분·시간 단위의 가격발견, 유동성 공백과 딜러 재고 변화를 추적해야 한다.
한국 시장 복제 아이디어
금통위 문구 변화부터 국고채선물, 현물, IRS, 은행채·회사채 호가까지의 반응시간을 체계적으로 기록한다. AI 도입도가 높은 딜러와 발행사의 조정속도를 비교하되 공통 시장충격을 통제하고, 모델 간 동조로 깊이가 사라지는 구간을 별도 위험지표로 둔다.
3. Federal Reserve — 미국 AI 설비투자의 채권 충격은 동아시아 공급망을 지난다
구분: 중앙은행 FEDS Note·AI 투자와 대외불균형
발표일: 2026년 7월 14일
핵심 요약
연준 FEDS Note는 미국 AI 구축에 쓰이는 첨단기술 장비의 약 90%가 해외에서 조달되고 공급이 동아시아에 집중돼 있다고 설명한다. 1993~2019년 자료의 구조적 VAR에서 투자특이 기술충격은 미국 경상수지 변동의 약 60%를 설명했고, 1표준편차 충격 뒤 첫해 투자는 약 2%, 산출은 약 0.5% 늘며 경상수지 적자는 GDP 대비 약 0.2%포인트 확대됐다는 추정 결과를 제시한다. 같은 충격에서 수입물가는 첫해 약 1%포인트 오르며, 한국과 대만은 미국의 총교역 비중이 시사하는 것보다 첨단기술 공급망을 통해 더 크게 노출될 수 있다. 이 글은 연준 직원의 분석이며 연준 이사회의 공식 정책 견해는 아니다.
실무 시사점
미국 AI 투자 붐은 미국 회사채 발행만의 문제가 아니라 달러 경상수지, 아시아 수출·환율, 반도체 가격과 장기금리를 잇는 교차자산 충격이다. 투자 둔화 시에는 주문 감소, 재고 조정과 자산가격 기대실망이 동시에 나타날 수 있으므로 선형 상관보다 비대칭 시나리오가 필요하다.
한국 시장 복제 아이디어
미국 데이터센터 투자, 한국 반도체 수출·단가, 원/달러, 국고채 금리와 반도체·전력설비 기업 스프레드를 월별 패널로 연결한다. 투자 가속과 30% 급감 시나리오를 나눠 외화조달비용, 회사채 차환과 세수·국채공급까지의 2차 효과를 스트레스 테스트한다.
4. Jane Street — 평균 지연보다 꼬리 지연이 시장조성 위험을 결정한다
구분: 퀀트·마켓메이킹 회사 공식 Tech Talk·저지연 시스템
발표일: 미확인 (2026년 9월 22일 열람)
선정 이유: 최신성보다 저지연 시장조성 인프라의 기술적 가치 때문에 선정
핵심 요약
Jane Street의 Tudor Brindus가 공개한 Tech Talk는 지연의 평균뿐 아니라 드문 꼬리 지연인 jitter를 줄여야 추가 위험 없이 더 촘촘한 호가를 낼 수 있다고 설명한다. 거래소에 따라 시장데이터가 초당 약 1GB에 달할 수 있어 10마이크로초만 뒤처져도 이미 낡은 가격으로 거래할 위험이 있다는 공식 발표다. 장난감 ping-pong 실험에서 최적화하지 않은 가상머신은 최대 16마이크로초 지연과 637나노초 중앙값을 보였고, bare metal·코어 격리·nohz_full 같은 조치로 중앙값을 223나노초, 이어 194나노초로 줄였다. 터보를 끄면 속도와 결정론 사이의 절충이 생기며, 회사는 분석 도구 Magic Trace를 오픈소스로 공개했지만 실제 전략·라벨·P&L은 공개하지 않았다.
실무 시사점
공개자료로 확인되는 수익 연결고리는 꼬리 지연 감소→낡은 호가 노출 감소→같은 위험에서 더 경쟁력 있는 스프레드다. 다만 실거래 개선폭은 확인할 수 없으므로 평균 지연이 아니라 p99·p99.9 지연, 오래된 시세 체류시간, 체결 후 mark-out으로 검증해야 한다.
한국 시장 복제 아이디어
국고채선물에서 현물·IRS 헤지로 이어지는 경로마다 타임스탬프를 통일하고 ring buffer, 코어 격리와 추적 도구의 효과를 동일 replay에서 비교한다. 시세 나이가 한도를 넘으면 자동 호가축소·취소가 작동하게 하고 평균뿐 아니라 꼬리 지연과 DV01 손실을 함께 배포 기준으로 둔다.
5. XTX Markets — 공정가치 예측을 위험보유와 실행비용 절감으로 수익화한다
구분: 퀀트·마켓메이킹 회사 공식 고객·유동성 설명
발표일: 미확인 (2026년 9월 22일 열람)
업데이트 재선정: 기존 브리핑의 XTX 거래 규모·Foundation Models·TernFS 인프라와 달리, 오늘은 fair market value 예측→위험보유→고객 실행비용이라는 직접 수익화 경로를 분석한다.
핵심 요약
XTX Markets의 공식 고객 페이지는 은행·실물자금·헤지펀드·리테일 브로커에 미국·유럽 주식, FX, 금속과 NDF의 맞춤형 저시장충격 유동성을 제공한다고 설명한다. 회사는 머신러닝으로 위험을 의미 있는 시간 동안 보유하고 목표 체결률과 낮은 시장충격을 지향하며, 변동성이 큰 때에도 1만 개 넘는 자산의 공정시장가치를 차별화해 가격을 제시한다고 공식적으로 밝힌다. 기관·리테일 흐름을 구분해 유동성을 맞추고 FX 알고리즘은 fair market value 예측을 이용해 implementation shortfall, 즉 의사결정 가격 대비 실제 집행비용을 낮추는 것을 목표로 한다. 이는 회사의 공개 설명이며 정확한 모델·라벨·위험보유 기간·시장별 P&L은 공개되지 않아 독립 검증이 제한적이다.
실무 시사점
공개자료에 기반한 추론으로는 수익화가 단순 방향예측보다 공정가치, 체결확률, 재고위험과 헤지비용을 한 호가결정에 묶는 데서 나온다. 고객 흐름 분리는 정보비대칭과 서비스 품질을 관리할 수 있지만 차별적 가격이나 과도한 분류가 되지 않도록 공정성·감사 로그가 필요하다.
한국 시장 복제 아이디어
국고채·회사채 RFQ에서 예상 mark-out, 체결확률, 재고 DV01, 헤지비용을 합친 quote score를 만들고 가격결정과 주문실행을 분리해 검증한다. 고객 신원을 직접 쓰기보다 요청 크기·긴급도·응답패턴을 규정에 맞게 집계하며 implementation shortfall, 시장충격과 장기 관계 품질을 함께 측정한다.