AI 인프라 부채는 본사 밖 계약에서도 쌓인다
BIS의 분석에 따르면 미국 하이퍼스케일러의 2025년 회사채 총발행은 1,000억달러를 넘었고, 대부분 만기 5년을 넘는 장기물이었다. 그러나 이 숫자만으로 AI 인프라의 전체 차입을 볼 수 없다.
합작회사나 특수목적기구가 데이터센터를 보유하고 하이퍼스케일러는 소수지분, 장기 임차·용량구매와 보증을 제공한다. 부채는 사모신용·보험사가 보유하고 은행의 유동성 한도까지 연결되므로, 재조달 충격은 본사채 밖에서 시작해 안으로 들어올 수 있다.
국내에서는 데이터센터·전력·반도체 프로젝트의 회사채, PF, 유동화, 장기 임차와 지급보증을 최종 위험주체로 묶어야 한다. 최소구매·만기집중·금리재설정·담보가치를 함께 넣어 본사 등급과 프로젝트 레버리지를 따로 스트레스 테스트한다.
순환금융은 고객·투자자·채권자를 한 위험고리로 묶는다
IMF는 하이퍼스케일러가 2029년까지 예상되는 AI 설비투자 3.4조달러의 70%를 차지할 것으로 본다. 2025년 이후 AI 개발사·반도체회사·대형 기술회사가 서로 고객이면서 투자자·금융제공자가 되는 순환금융도 확대됐다.
이 구조에서는 한 회사의 매출이 다른 회사의 투자와 보증에 의존해 장부상 독립된 익스포저가 실제로는 같은 충격을 받는다. IMF는 현재 대형사의 재무상태는 강하다고 평가하면서도 장비 내용연수가 짧아지고 상관관계가 높아질 때의 비선형 전염을 경고한다.
국내 AI 가치사슬도 지분투자, 장기 구매계약, 보증과 대출을 공통 거래 ID로 연결한다. GPU 내용연수와 이용률을 달리한 시나리오에서 EBITDA, 담보가치, 차환스프레드와 계열 지원여력을 동시에 재계산해야 한다.
경제이론을 머신러닝 구조와 방향 제약으로 넣는다
영란은행의 구조화 머신러닝 연구는 예측변수를 경제적으로 의미 있는 블록으로 묶고, 블록 안에서는 비선형과 상호작용을 허용한다. Block-Additive Model은 블록별 기여도를 분리해 설명할 수 있게 한다.
또 이론상 방향이 알려진 관계에는 단조 제약을 걸어 공급충격과 수요충격처럼 반대 효과를 구분한다. 이는 사후 설명도구만 붙이는 것보다 재학습 때 경제적 방향이 뒤집히는 문제를 직접 통제하는 접근이다.
국고채·회사채 모델에서는 정책·물가·성장·수급·유동성·신용 블록을 사전에 정의한다. 자유형 모델과 블록가법·단조제약 모델을 같은 홀드아웃과 비용으로 비교하고, 블록 기여도와 충격 방향의 재학습 안정성을 승인 기준에 포함한다.
Man AHL은 에이전트에 구현을 맡기고 판단은 연구자에게 남긴다
Man AHL의 초과수익 신호 Assistant는 범용 LLM이 내부 포트폴리오 구성, 표본내·표본외 규칙, 신호 정규화와 거래비용을 알지 못해 그럴듯하지만 실행 불가능한 코드를 만든다는 문제에서 출발한다.
내부 에이전트는 시장데이터, 코드베이스, 결정론적 도구와 전문 하위 에이전트를 연결한다. 연구자가 신호 기간, 변동성 스케일, 한도, 유니버스와 백테스트 기간을 명시하면 계획을 승인받고 코드·표준 분석을 실행하지만, 새로운 가설과 결과 평가는 사람에게 남는다.
국내 채권 연구 에이전트에는 시점 데이터, 표준 DV01·비용·누수검사와 리포트 도구만 허용한다. 실행계획 승인, 독립 홀드아웃 개방과 경제적 해석을 사람이 맡으면 구현시간을 줄이면서 가설과 검증의 책임을 보존할 수 있다.
Optiver는 거래소 연결 자동화를 검증 게이트로 통제한다
Optiver의 agentic SDLC 실험은 새 거래소의 로그인·하트비트·세션통신 모듈을 에이전트로 구현했다. 회사는 특정 실험에서 출시시간 75%, 엔지니어링 투입 85% 감소와 약 90%의 리뷰 준비 상태를 보고했다.
초기 범용 에이전트는 시스템과 시험도구를 이해하지 못해 잘못된 우회책을 만들었다. 개선은 모델 교체보다 엄격한 명세, 실제 트래픽에서 얻은 도메인 맥락, 단계별 오케스트레이션과 자동 pass/fail 검증에서 나왔다. 공개 수치는 거래모델 P&L이 아니라 개발작업 결과다.
국내 거래소·브로커·RFQ 연결도 주문·취소·체결·복구 상태기계로 명세하고 익명화된 실제 메시지를 리플레이한다. 주문권한은 사람이 승인한 canary에서만 열고, 감사로그·격리 실행·kill switch와 종단간 시험을 에이전트 밖에서 강제해야 한다.
읽고 나서 남는 질문
국내 채권 AI의 공통 과제는 더 큰 모델을 고르는 일이 아니라 숨은 계약을 데이터로 연결하고, 경제적 방향과 실행 규칙을 기계가 어길 수 없게 만드는 것이다. Optiver의 사례처럼 에이전트의 성공 선언이 아니라 실제 메시지 리플레이, 독립 홀드아웃과 비생산 종단간 시험이 통과를 결정하도록 하면 연구속도와 통제를 함께 높일 수 있다.
편집 전 브리핑 원문 펼치기
채권시장 AI 연구 브리핑
2026년 9월 29일
조사 마감: 2026년 9월 29일 06:35 (Asia/Seoul)
원문 열람일: 2026년 9월 29일
중복 점검: 기존 58개 브리핑과 290개 연구의 제목·URL을 대조했다. 전날의 Reuters AI 회사채 공급, 미 재무부 바이백, 중국 회사채 머신러닝, Man AHL 강화학습 집행, Two Sigma 데이터 버전관리 자료와 겹치지 않는 원문을 선정했다. 4·5번은 채용공고가 아니라 퀀트회사가 공개한 실제 연구·엔지니어링 사례다. 공개되지 않은 모델·데이터·전략·P&L은 아는 것으로 단정하지 않고 확인 가능한 사실과 공개자료에 근거한 추론을 구분했다.
1. BIS: AI 인프라의 장외부채까지 합쳐야 실제 레버리지가 보인다
구분: 국제기구 연구·AI 인프라 신용과 자금조달
발표일: 2026년 3월 16일
핵심 요약
BIS Quarterly Review의 분석에 따르면 미국 하이퍼스케일러의 회사채 총발행은 2025년 1,000억달러를 넘었고 대부분 만기 5년을 넘는 장기물이었다. 동시에 합작회사나 특수목적기구가 데이터센터를 보유하고, 하이퍼스케일러는 소수지분과 장기 임차·용량구매·보증을 제공하는 장외부 구조가 확대됐다. 이 부채는 리스 현금흐름으로 상환되고 사모신용·보험사가 보유하며, 은행의 유동성 한도까지 연결된다. BIS는 이를 경제적으로 부채와 유사하지만 본사 재무제표 밖에 있는 'shadow borrowing’으로 설명한다.
실무 시사점
발행사 본사채만 보면 데이터센터 프로젝트의 재조달 위험, 보증 실행과 비은행 투자자 매도압력을 놓친다. 크레딧 모델은 본사·SPV·임차계약·용량구매·보증·은행 한도를 하나의 위험 네트워크로 합치고, 발행량과 CDS가 함께 넓어질 때의 전염경로를 점검해야 한다.
한국 시장 복제 아이디어
국내 데이터센터·전력·반도체 프로젝트의 회사채, PF, 유동화, 장기 임차와 지급보증을 최종 위험주체 기준으로 연결한다. 계약별 최소구매, 만기집중, 금리재설정과 담보가치를 상태변수로 두고 본사 신용등급과 별개로 프로젝트 레버리지와 재조달 공백을 스트레스 테스트한다.
2. IMF: AI 순환금융은 고객·투자자·채권자를 한 고리로 묶는다
구분: 국제기구 보고서·AI 가치사슬과 금융안정
발표일: 2026년 4월 14일
핵심 요약
IMF의 2026년 4월 Global Financial Stability Report는 하이퍼스케일러가 2029년까지 예상되는 AI 관련 설비투자 3.4조달러의 70%를 차지할 것으로 본다. 2025년 이후 AI 개발사·반도체회사·대형 기술회사가 서로 고객이면서 투자자·금융제공자가 되는 순환금융이 늘어 불투명성과 상관관계가 높아졌다고 분석한다. 보고서는 2025년 1월 이후 하이퍼스케일러의 채권조달이 1,000억달러를 넘었고, 장비의 내용연수가 회계상 약 7년보다 짧아지면 감가상각과 추가차입 압력이 커질 수 있다고 지적한다. 현재 대형사의 신용위험은 제한적이라는 평가와 장래의 비선형 전염 가능성을 함께 제시한다.
실무 시사점
AI 크레딧은 개별 발행사의 이자보상배율만으로 충분하지 않다. 고객이 동시에 지분투자자와 구매보증 제공자인 거래를 그래프로 만들고, 매출·기업가치·담보가치가 같은 충격에 함께 하락하는 중복 의존을 한도와 스프레드에 반영해야 한다.
한국 시장 복제 아이디어
반도체·전력설비·데이터센터·클라우드 발행사의 지분투자, 장기 구매계약, 보증과 대출을 공통 거래 ID로 연결한다. GPU 내용연수 2·3·7년과 이용률 하락을 나눈 시나리오에서 EBITDA, 담보가치, 차환스프레드와 계열사 지원여력을 동시에 재계산한다.
3. 영란은행: 경제이론을 머신러닝의 구조와 방향 제약으로 넣는다
구분: 중앙은행 논문·구조화 머신러닝
발표일: 2025년 9월 26일
선정 이유: 최신성보다 채권·거시 예측의 설명가능성과 안정성을 높이는 기술적 가치 때문에 선정
핵심 요약
영란은행 Staff Working Paper No. 1,144는 예측변수를 경제적 의미의 블록으로 묶고 블록 간에는 가법성을, 블록 안에는 비선형·상호작용을 허용하는 Block-Additive Model을 설명한다. 또 금리·물가·수요처럼 이론상 방향이 알려진 관계에는 단조 제약을 걸어, 공급충격과 수요충격처럼 반대 효과를 분리한다. 연구는 이런 구조화 방법이 머신러닝의 예측 유연성을 크게 버리지 않으면서 각 블록의 기여도를 해석할 수 있게 한다고 보고한다. 특정 채권전략의 손익이나 거래비용은 이 논문이 다루지 않는다.
실무 시사점
채권모형의 SHAP 설명을 사후에 붙이는 것만으로는 재학습 때 경제적 방향이 뒤집히는 문제를 막기 어렵다. 듀레이션, 인플레이션, 성장, 유동성, 신용 블록을 사전에 정하고 합리적인 단조 제약을 교차검증하면 표본외 성능과 설명 안정성을 함께 평가할 수 있다.
한국 시장 복제 아이디어
국고채 금리와 회사채 스프레드 예측변수를 정책·물가·성장·수급·유동성·발행사 신용 블록으로 나눈다. 완전 자유형 모델, 선형모형, 블록가법·단조제약 모델을 동일한 시계열 홀드아웃과 거래비용으로 비교하고, 충격 방향과 블록 기여도가 재학습마다 유지되는지를 승인 기준으로 둔다.
4. Man AHL: 에이전트가 연구코드를 쓰되 가설과 평가는 사람이 맡는다
구분: 퀀트회사 공식 연구·에이전트형 AI 연구자동화
발표일: 2025년 10월 15일
핵심 요약
Man AHL의 Alpha Assistant 사례는 범용 LLM이 내부 포트폴리오 구성, 표본내·표본외 규칙, 신호 정규화, 변동성·회전율, 거래비용과 슬리피지 가정을 알지 못해 그럴듯하지만 실행 불가능한 코드를 만든다고 보여준다. 내부 에이전트는 시장데이터와 코드베이스, 결정론적 도구와 전문 하위 에이전트를 연결하고, 연구자가 모멘텀 기간·변동성 스케일·신호 한도·유니버스·백테스트 기간을 명시하면 계획을 승인받은 뒤 코드와 표준 분석을 실행한다. 회사는 구현 병목을 줄이는 용도라고 설명하면서도 새로운 가설 생성과 복잡한 판단은 연구자에게 남긴다. 실제 전략의 배포 비중이나 P&L 개선폭은 공개하지 않았다.
실무 시사점
확인 가능한 수익 연결고리는 아이디어 자체보다 구현시간을 줄이고 사내 표준 백테스트를 빠뜨리지 않게 하는 데 있다. 공개자료에 기반한 추론으로 연구→검증 회전이 빨라질 수 있지만, 에이전트가 만든 전략은 독립 홀드아웃·거래비용·코드 리뷰와 사람이 승인한 가설 기록을 통과해야 한다.
한국 시장 복제 아이디어
국고채·IRS·회사채 연구 에이전트에 시점 데이터 접근, 표준 DV01·변동성 스케일, 거래비용, 누수검사와 결과 리포트 도구만 허용한다. 프롬프트에 목표, 유니버스, 신호·한도·기간·필수 산출물을 구조화하고 실행계획 승인과 최종 경제적 해석은 사람이 맡도록 권한을 분리한다.
5. Optiver: 거래소 연결 자동화는 모델보다 검증 게이트가 성패를 가른다
구분: 마켓메이커 공식 엔지니어링 글·에이전트형 SDLC
발표일: 2026년 6월 23일
핵심 요약
Optiver의 agentic SDLC 실험은 새 거래소의 로그인·하트비트·세션통신 모듈을 에이전트로 구현하면서 출시시간 75%, 엔지니어링 투입 85% 감소와 약 90%의 리뷰 준비 상태를 보고한다. 초기 범용 코딩 에이전트는 시스템과 시험도구를 이해하지 못해 잘못된 우회책을 만들었고, 개선의 핵심은 엄격한 명세, 실제 트래픽에서 얻은 도메인 맥락, 단계별 오케스트레이션과 자동 검증이었다. 회사는 에이전트의 성공 선언을 믿지 않고 캡처된 실제 트래픽 기반 테스트와 비생산 환경 종단간 시나리오가 통과 여부를 결정하게 했다. 이는 거래소 연결 개발 사례이며 거래모델·수익률·시장별 P&L은 공개되지 않았다.
실무 시사점
에이전트는 창의적 구현을 맡을 수 있지만 빌드·프로토콜 적합성·리플레이·회귀시험·배포 승인은 결정론적 게이트가 맡아야 한다. 수익 연결은 새 시장 연결과 변경 배포 시간을 줄이면서 세션 오류·주문손실·운영중단을 낮추는 데 있으며, 공개된 수치는 회사의 특정 실험 결과이지 일반적 성과가 아니다.
한국 시장 복제 아이디어
거래소·브로커·딜러 RFQ 연결을 로그인, 하트비트, 주문·취소·체결·복구 상태기계로 명세한다. 익명화된 실제 메시지 리플레이와 비생산 종단간 시험을 pass/fail 게이트로 만들고, 주문권한은 사람이 승인한 canary 환경에서만 열며 감사로그·격리 실행·kill switch를 에이전트 밖에서 강제한다.