Repo and the Liquidity Risk Premium
안전한 국채 담보의 익일물 레포인데도 왜 딜러 중개스프레드가 정책금리와 준비금에 따라 달라지는가?
국채를 담보로 하루 빌리는 거래도 딜러에게 무위험은 아니다. 담보가격 하락과 급매 할인, 현금공급자의 롤오버 중단에 대비하려면 유동성 버퍼를 보유해야 한다. 연구는 이 버퍼의 기회비용이 딜러가 자금을 빌리는 금리와 레버리지 고객에게 빌려주는 금리 사이의 스프레드에 어떻게 들어가는지 묻는다.
표본은 코로나 충격과 SLR 면제 종료 이후인 2021년 봄부터 시작한다. FICC DVP의 거래별 금리·원금·CUSIP·상대방 자료에서 담보 확보 목적의 특수 레포를 걸러내고, 익일물 미 국채 조달거래만 남겼다. 이 구간의 고객 간 평균 중개스프레드는 7.5bp였고, 금리가 오르거나 연준 부채와 준비금이 줄 때 프리미엄이 커졌다.
평균 금리·준비금 조건에서 지급준비금 이자율 100bp 상승은 프리미엄 0.9bp 상승으로 환산됐다. 같은 방향의 변화는 준비금 감소로도 나타났고, 비용은 주로 딜러에게서 현금을 빌리는 레버리지 고객의 대출금리에 반영됐다. 다만 이는 거래자료를 이용한 추정이며 정책실험이 아니고, 중앙청산 익일물 중심 결과를 다른 만기와 한국 시장에 그대로 적용할 수 없다.
SCOPE2021년 4월~2024년 12월 미국의 FICC 청산 익일물 국채 레포와 삼자간 레포에 대한 관측연구다. 정책금리와 준비금 효과는 모형 추정치이며 다른 담보·만기·시장에 대한 인과효과를 직접 제시하지 않는다.
Evidence & verification ↓거시·금리계열용 파운데이션 모델은 목적별 예측모형을 실제로 대체할 수 있는가?
BISTRO는 텍스트의 다음 단어 대신 시계열의 다음 값을 예측하는 트랜스포머다. 범용 MOIRAI가 서로 다른 빈도와 분야의 방대한 관측치로 학습됐지만 장기 거시예측과 공변량 처리에는 약했다. BIS는 모델을 일별 빈도와 고정 패치로 제한하고 중앙은행 거시자료에 미세조정해 기초모형을 목적영역에 맞췄다.
내부 자료는 63개 경제의 4,925개 계열이며 국내금리·채권수익률 731개를 포함한다. 월·분기 자료는 새 값이 발표될 때까지 직전 값을 유지하고 실제 발표시차를 반영해 일별 축에 놓았다. GDP를 실제 발표일 이전에 보지 못하게 하는 방식이어서, 채권 백테스트에서 흔한 개정치·미래정보 누출을 줄이는 설계다.
미국 물가에서는 가장 짧은 지평을 제외한 모든 지평에서 단순 자기회귀 모형과 MOIRAI보다 정확했고, 물가상승의 지속성도 단순 평균회귀 모형보다 잘 포착했다. 그러나 일부 선진국의 최근 평가구간에서는 단순모형보다 큰 오류를 냈다. 저자도 최종 해답이 아니라 저비용 기준선으로 규정하므로, 금리곡선용 모델은 만기와 스트레스 구간마다 단순모형을 이기는지 별도로 확인해야 한다.
SCOPE중앙은행 거시예측을 위한 파운데이션 모델 연구다. 주요 실증은 물가에 집중되고 채권수익률 자체의 거래성과를 보고하지 않는다. 일부 국가·기간에서 단순 AR(1)보다 오차가 컸으며, 2021년 물가 사례의 일부는 학습구간과 겹친다.
Evidence & verification ↓현물과 선도로 재고위험을 헤지해도 MBS 베이시스가 닫히지 않은 이유는 무엇인가?
딜러는 현물 지정풀을 사서 재고로 들고 TBA 선도를 반대방향으로 거래해 가격위험을 줄인다. 그런데 현물은 총액이 보완적 레버리지비율의 익스포저에 잡히는 반면 표준 파생상품의 익스포저는 훨씬 작다. 헤지가 성공해도 현물 재고가 대차대조표를 차지하면 현물–선도 가격차가 유지될 수 있다.
논문은 TRACE의 딜러 식별 거래와 연준 매입자료를 결합해 위기 사건을 일별로 나눴다. 연준이 결제를 앞당긴 비표준 TBA 매입을 시작한 날 베이시스는 43bp 줄었고, 실제 결제가 시작된 날에는 29bp 더 줄었다. 일반 TBA 매입과 자금지원 발표 주변에서는 같은 축소가 나타나지 않았다.
유동성 지원 뒤 딜러의 순현물 매입은 크게 늘었고 비표준 TBA를 통해 빠르게 연준에 넘겨졌다. 고객 매도는 가격괴리가 줄 때 오히려 늘었으므로 단순한 매도중단 설명과 맞지 않는다. 다만 짧은 위기 사건연구이고 정책이 동시에 시행돼 완전한 인과분리는 어렵다.
SCOPE2020년 3월 미국 agency MBS 위기의 짧은 사건창을 다룬 관측연구이며 2026년 9월 개정본이다. 여러 정책이 동시에 시행돼 모든 효과를 완전히 분리할 수 없고, 국고채나 한국 MBS 시장의 계수를 직접 제시하지 않는다.
Evidence & verification ↓주문장 예측모델의 아이디어는 어떤 특징·전송·검증 구조를 거쳐 실거래 시스템에 들어가는가?
시장가 한 개를 맞히는 문제와 주문장 안의 각 주문이 체결·취소·잔존할지를 맞히는 문제는 입력과 출력의 모양부터 다르다. Jane Street가 공개한 프로젝트는 가변 크기 주문장에 하나의 공통 시퀀스를 넣고 개별 주문의 미래에 답하는 신경망을 탐색했다. 다른 프로젝트는 수익률과 미래 입력특징을 함께 예측해 트리 탐색·자기증류가 직접 수익률 예측보다 나은지 검증했다.
연구특징을 실시간으로 계산하는 경로도 바꿨다. 과거에는 한 프로세스가 시장자료 수신, 특징상태 유지와 벡터 평가를 모두 맡았지만 일부 계산을 별도 프로세스로 옮기고 대칭 이중버퍼 공유메모리로 거래시스템에 제공했다. 이는 모델의 복잡도를 늘리면서도 실시간 경로의 지연과 장애영역을 분리하려는 생산 설계다.
내부 메시지버스 Aria의 인덱싱 개선은 실제 시나리오에서 CPU 사용량을 30% 줄였고, 연구용 객체저장소를 POSIX로 연결한 시스템은 1.3GiB/s 읽기 속도에 도달했다. 공개 글은 연구→생산 연결의 구체적 부품을 보여주지만 인턴 프로젝트 표본이며 전략별 라벨·위험한도·수익기여는 밝히지 않는다.
SCOPEJane Street가 2026년 인턴 프로젝트 일부를 설명한 공식 기술 글이다. 내부 모델과 인프라의 존재·목적은 확인되지만 완전한 아키텍처, 검증표본, 위험통제와 전략별 P&L은 공개되지 않았다.
Evidence & verification ↓Designing for latency and research iteration
저지연 거래시스템은 연구자가 새 모델을 빠르게 생산에 올리는 능력과 어떻게 함께 설계되는가?
첫 세대는 트레이더가 시각 그래프로 전략을 조립해 아이디어를 쉽게 표현했지만 노드와 경로가 늘수록 실시간 경로가 무거워졌다. 두 번째 세대는 고수준 언어의 평가로직을 빠른 생산코드로 컴파일했다. 이 방식이 머신러닝을 연구와 실거래에 넣었지만, 모델이 복잡해지면서 컴파일러 성능·표현력·빌드시간을 유지하는 비용이 새 병목이 됐다.
세 번째 세대는 시장자료 수신부터 주문전송까지 네이티브 코드로 계층을 줄였다. 목표는 특징과 모델이 쌓여도 지연이 악화되지 않게 하고, 연구자가 쓸 수 있는 추상화를 실행비용 거의 없이 제공하는 것이다. 복잡성을 빠른 경로 밖에 두고 연구·엔지니어링의 소유권을 나누지 않는 설계가 반복속도와 지연을 함께 다룬다.
Optiver는 시뮬레이션이 생산에서 재현될 수 있어야 한다고 명시한다. 초기 배포에서 내부 성능지표가 개선됐지만 수치는 공개하지 않았고 스택도 계속 전환 중이다. 회사 설명이므로 독립 벤치마크나 P&L 증거가 아니며, 국내 적용에서는 같은 리플레이와 위험한도 아래 기존 구조와 새 구조를 비교해야 한다.
SCOPEOptiver 엔지니어가 APAC 거래스택의 진화를 설명한 공식 기술 글이다. 초기 개선 방향은 회사 설명이며 구체적 지연수치, 모델·라벨, 위험한도와 전략별 P&L은 공개되지 않았다.
Evidence & verification ↓같은 원리는 한국 채권 데스크에도 적용된다. 예측은 시점 데이터로 검증하고, 포지션은 실제 조달·결제비용을 반영하며, 시뮬레이션과 실거래는 같은 데이터 계약과 위험통제를 써야 한다. 이 세 연결고리가 기록돼야 모델 성능과 시장에서 벌어들인 결과를 구분해 설명할 수 있다.
Sources & evidence
Original passages appear only when checked against the publication. Earlier briefing records are identified separately.
Repo and the Liquidity Risk Premium3 primary · 0 archived +
표본은 2021년 4월 1일부터 2024년 12월 말까지다.
ORIGINAL PASSAGEApril 1, 2021New York Fed Staff Report No. 1189, Section 1.1, page 9, March 2026, accessed 2026-10-16표본기간 딜러의 고객 간 평균 중개스프레드는 7.5bp였다.
ORIGINAL PASSAGE7.5 basis pointsNew York Fed Staff Report No. 1189, Introduction, page 5, March 2026, accessed 2026-10-162024년 평균 조건에서 지급준비금 이자율 100bp 상승은 유동성 위험 프리미엄 0.9bp 상승으로 추정됐다.
ORIGINAL PASSAGE100-basis-point increase in the interest rate on reserve balances results in a 0.9 basis point increaseNew York Fed Staff Report No. 1189, Abstract, page 2, March 2026, accessed 2026-10-16BISTRO: a general purpose oracle for macroeconomic time series3 primary · 0 archived +
BISTRO의 내부 자료는 63개 경제의 4,925개 시계열이다.
ORIGINAL PASSAGE4,925 time series across 63 economiesBIS Quarterly Review, BISTRO, Box A, March 2026, accessed 2026-10-16자료에는 국내금리와 채권수익률 731개가 포함된다.
ORIGINAL PASSAGEdomestic interest rates and bond yields (731)BIS Quarterly Review, BISTRO, Box A, March 2026, accessed 2026-10-16미국 물가에서 BISTRO는 1개월 앞을 제외한 모든 예측지평에서 AR(1)과 MOIRAI보다 나았다.
ORIGINAL PASSAGEall horizons except the one-month-aheadBIS Quarterly Review, BISTRO, Forecasting inflation section, March 2026, accessed 2026-10-16Dealers and the Dealer of Last Resort: Evidence from the Agency MBS Market in the COVID-19 Crisis4 primary · 0 archived +
논문은 2020년 7월 초판이 2026년 9월 개정됐다.
ORIGINAL PASSAGEJuly 2020; revised September 2026New York Fed Staff Report No. 933, title page, accessed 2026-10-16비표준 TBA 매입 시작일인 3월 19일 현물–선도 베이시스가 43bp 축소됐다.
ORIGINAL PASSAGEdecreased significantly by 43 bpsNew York Fed Staff Report No. 933, Section 4.2, page 28, revised September 2026, accessed 2026-10-16비표준 TBA 매입의 결제가 시작된 3월 24일 베이시스가 29bp 축소됐다.
ORIGINAL PASSAGEdeclined by 29 bpsNew York Fed Staff Report No. 933, Section 4.2, page 29, revised September 2026, accessed 2026-10-16PDCF 설치 뒤 딜러 순현물 매입은 하루 평균 약 150억달러로 늘었다.
ORIGINAL PASSAGEabout $15 billion per dayNew York Fed Staff Report No. 933, Figure 4 discussion, page 30, revised September 2026, accessed 2026-10-16What the interns have wrought, special jumbo 2026 edition4 primary · 0 archived +
개별 주문의 미래를 예측하는 신경망과 수익률·미래특징을 함께 예측하는 시퀀스 모델을 탐색했다.
ORIGINAL PASSAGEfuture of any order on the bookJane Street Blog, ML Research and Engineering, 30 September 2026, accessed 2026-10-16특징 엔진은 거래시스템에 입력을 공급하며 일부 계산을 별도 프로세스로 분리했다.
ORIGINAL PASSAGEfeeds into our trading systemsJane Street Blog, Software Engineering, 30 September 2026, accessed 2026-10-16Aria 인덱싱 개선은 실제 시나리오에서 CPU 사용량을 30% 줄였다.
ORIGINAL PASSAGE30% less CPU utilizationJane Street Blog, Software Engineering, 30 September 2026, accessed 2026-10-16Depot의 FUSE 연결은 1.3GiB/s 읽기 속도에 도달했다.
ORIGINAL PASSAGEread speeds of 1.3 GiB/sJane Street Blog, Linux Engineering and IT, 30 September 2026, accessed 2026-10-16Designing for latency and research iteration4 primary · 0 archived +
두 번째 세대는 고수준 언어를 빠른 생산코드로 컴파일해 머신러닝의 연구·생산 적용을 열었다.
ORIGINAL PASSAGEcompiled to fast production codeOptiver Technology Blog, Three generations, 20 July 2026, accessed 2026-10-16세 번째 세대는 시장자료에서 주문까지 네이티브 코드 종단구조를 택했다.
ORIGINAL PASSAGEnative code end-to-endOptiver Technology Blog, Three generations, 20 July 2026, accessed 2026-10-16연구결과가 생산에서 재현되도록 시뮬레이션 정합성을 설계요건으로 뒀다.
ORIGINAL PASSAGEKeeping simulation honest relative to productionOptiver Technology Blog, Three generations, 20 July 2026, accessed 2026-10-16초기 배포에서 개선이 있었지만 구체적 수치는 공개되지 않았다.
ORIGINAL PASSAGEspecifics subject to disclosure policyOptiver Technology Blog, Outcomes, 20 July 2026, accessed 2026-10-16Show the original briefing text
채권시장 AI 연구 브리핑
2026년 10월 16일
조사 마감: 2026년 10월 16일 06:31 (Asia/Seoul)
원문 열람일: 2026년 10월 16일
중복 점검: 기존 72개 브리핑·360개 연구의 원문 URL과 대조했다. 전날의 영국 비은행 레포, 거시뉴스 국채반응, FOMC NLP, HRT 네트워크 병목, IMC 연구·기술 자료는 제외했다. 1~3번은 중앙은행·국제기구의 원문 연구이고 4~5번은 채용공고가 아닌 퀀트회사의 공식 기술 글이다. 공개되지 않은 전략별 라벨·위험한도·P&L은 추론하지 않았다.
1. Repo and the Liquidity Risk Premium
구분: Federal Reserve Bank of New York Staff Report·미 국채 레포 중개비용
발표일: 2026년 3월
핵심 요약
뉴욕 연은 Staff Report No. 1189는 2021년 4월부터 2024년 12월까지 FICC 청산 익일물 미 국채 레포와 삼자간 레포의 거래자료를 분석한다. 딜러가 고객 사이에서 자금을 중개해 받은 평균 스프레드는 7.5bp였고, 2024년 평균 조건에서 지급준비금 이자율 100bp 상승은 유동성 위험 프리미엄을 0.9bp, 즉 약 10% 높이는 것으로 추정됐다. 같은 효과는 총지급준비금 4,290억달러 감소로도 나타났으며, 비용은 주로 딜러에게서 차입하는 레버리지 고객의 금리에 전가됐다.
실무 시사점
레포 스프레드는 담보의 안전성만이 아니라 딜러가 부도·롤오버 위험에 대비해 보유하는 유동성 버퍼의 기회비용을 반영한다. 금리와 준비금이 동시에 변하면 베이시스 거래의 조달비용도 비선형적으로 달라질 수 있으므로, 현물–선물 신호의 백테스트에 정책금리와 시스템 유동성을 함께 넣어야 한다.
한국 시장 복제 아이디어
국고채 담보 익일물 레포를 딜러 차입·대출 방향과 상대방 유형별로 나누고 중개 스프레드를 계산한다. 기준금리, 지준·결제유동성, 담보종목의 특수성, 레버리지 차주의 거래비중을 설명변수로 두어 평균모형과 비선형모형의 시점 외 오차를 비교하고, 조달비용 충격을 국채선물 베이시스 포지션의 비용차감 손익에 반영한다.
2. BISTRO: a general purpose oracle for macroeconomic time series
구분: BIS Quarterly Review·시계열 파운데이션 모델
발표일: 2026년 3월
핵심 요약
BIS BISTRO 원문은 MOIRAI 기반 시계열 트랜스포머를 63개 경제의 4,925개 거시계열에 미세조정했다. 학습자료에는 국내금리·채권수익률 731개가 포함됐고, 발표시차를 반영해 실제 발표 전 정보를 보지 않도록 모든 계열을 일별로 정렬했다. 미국 물가 예측에서는 1개월을 제외한 모든 지평에서 AR(1)과 범용 MOIRAI보다 나았지만, 영국·뉴질랜드의 2023~24년처럼 AR(1)보다 큰 오류를 낸 구간도 있어 만능 예측기로 볼 수 없다.
실무 시사점
금리곡선 예측에 파운데이션 모델을 쓸 때 중요한 것은 거대한 모델 자체보다 빈도·발표시차·개정 이력을 보존한 시점 데이터다. 사전학습 모델은 목적별 모형을 빠르게 비교하는 기준선으로 유용하지만, 금리 수준·변화·커브 팩터별로 단순 AR과 목적형 모형을 이기지 못하면 생산모델로 승격할 이유가 없다.
한국 시장 복제 아이디어
한국은행·통계청·KOFIA·거래소의 거시·금리·수급 자료를 최초 발표시각 기준으로 버전 관리하고, 국고채 3·5·10년 수익률과 커브 팩터를 목표로 둔다. 고정된 롤링 창에서 BISTRO 계열 모델, AR(1), 동적 Nelson–Siegel을 비교해 만기별 RMSFE, 방향정확도, 비용차감 손익과 스트레스 구간 최대오차를 함께 평가한다.
3. Dealers and the Dealer of Last Resort: Evidence from the Agency MBS Market in the COVID-19 Crisis
구분: Federal Reserve Bank of New York Staff Report·MBS 현물–선도 베이시스
발표일: 2020년 7월, 2026년 9월 개정
핵심 요약
뉴욕 연은 개정 논문은 TRACE의 딜러 식별 거래와 연준 매입자료를 결합해 2020년 3월 agency MBS 현물 지정풀과 TBA 선도의 가격괴리를 분석한다. 연준이 결제를 3영업일로 앞당긴 비표준 TBA 매입을 시작한 3월 19일 베이시스는 43bp, 실제 결제가 시작된 3월 24일에는 29bp 축소됐다. 같은 기간 딜러의 순현물 매입은 하루 평균 약 150억달러로 늘었고, 고객 매도는 오히려 증가해 가격회복의 주된 경로가 매도중단보다 딜러 대차대조표 해소였음을 뒷받침한다.
실무 시사점
현물과 헤지수단의 가격괴리가 커질 때 자금조달·헤지유동성·대차대조표 제약을 구분해야 한다. 헤지는 가능해도 현물 포지션의 총액이 레버리지 규제에 잡히면 베이시스가 닫히지 않을 수 있으며, 위기대응은 매입 발표보다 실제 결제와 재고 이전 속도가 더 중요할 수 있다.
한국 시장 복제 아이디어
국고채 현물–선물과 MBS 현물–스왑 헤지의 베이시스를 딜러별로 만들고, 결제일·레포한도·증거금·자기자본 사용량을 함께 기록한다. 유동성 공급조치의 발표일과 실제 결제일을 분리한 사건연구로 베이시스, 순매입, 호가깊이의 변화를 비교하고 대차대조표 제약이 큰 딜러에서 반응이 더 큰지 검증한다.
4. What the interns have wrought, special jumbo 2026 edition
구분: Jane Street 공식 기술 글·주문장 예측과 특징 엔진
발표일: 2026년 9월 30일
핵심 요약
Jane Street 공식 글은 주문장 안의 각 주문이 앞으로 어떻게 될지를 답하는 신경망, 수익률과 미래 입력특징을 함께 예측한 뒤 트리 탐색·자기증류를 비교하는 시퀀스 모델, 거래시스템에 공급되는 특징 엔진 개선을 공개했다. 특징 계산을 시장자료 수신 프로세스에서 분리해 공유메모리의 이중버퍼로 제공했고, 내부 메시지버스의 실제 사용 시나리오에서는 CPU 사용량을 30% 줄였다. 이는 예측라벨·특징생성·생산전송·성능검증이 하나의 연구→생산 고리로 이어짐을 보여주지만 전략별 수익과 위험한도는 공개하지 않는다.
실무 시사점
호가잔량 전체를 한 시점 벡터로 압축하면 개별 주문의 체결·취소 경로와 가변적인 장부 크기를 놓칠 수 있다. 주문별 목표와 공통 시퀀스 표현을 함께 설계하고, 특징 계산을 실시간 경로에서 분리하되 스냅샷 일관성과 지연 상한을 검증해야 모델 개선이 실제 주문결정으로 이어진다.
한국 시장 복제 아이디어
국채선물 주문별 10ms·100ms·1초 뒤 상태를 체결·취소·잔존으로 라벨링하고, 공통 주문장 시퀀스에서 주문별 확률을 내는 모델을 만든다. 직접 수익률 예측과 미래 특징을 함께 예측하는 멀티태스크 모델을 비교하며, 정확도뿐 아니라 Brier score, 체결 후 mark-out, 특징서비스 p99와 공유메모리 누락률을 평가한다.
5. Designing for latency and research iteration
구분: Optiver 공식 기술 글·연구에서 저지연 생산까지의 아키텍처
발표일: 2026년 7월 20일
핵심 요약
Optiver 공식 기술 글은 거래스택이 시각 그래프, 고수준 언어를 빠른 코드로 바꾸는 컴파일 방식, 네이티브 코드 종단구조의 세 세대를 거친 과정을 설명한다. 컴파일 방식은 머신러닝을 연구와 생산에 넣는 데 기여했지만 모델과 전략이 복잡해질수록 빌드시간과 도구 유지비가 병목이 됐다. 세 번째 구조는 시장자료에서 주문까지 계층을 줄이고 시뮬레이션과 생산의 재현성을 맞추는 데 초점을 뒀으며, 초기 성능개선은 확인됐지만 구체적 수치는 공개정책상 제시되지 않았다.
실무 시사점
저지연과 연구속도는 하나를 택하는 문제가 아니라 복잡성을 어느 계층에 둘지의 문제다. 백테스트에서만 가능한 특징이나 실행순서를 허용하면 연구성과가 생산에서 재현되지 않으므로, 동일 코드·데이터 계약·위험검사로 모의와 실거래 경로를 재생하는 것이 중요하다.
한국 시장 복제 아이디어
국고채 자동집행의 현행 연구·모의·실거래 경로를 단계별로 계측하고 새 특징 하나가 빌드시간, tick-to-order p99, 처리량과 재현성에 미치는 비용을 기록한다. 컴파일 전략모듈과 네이티브 종단모듈을 같은 리플레이 자료에서 비교하되, 모델 밖의 DV01·수량·일손실 한도와 kill switch는 동일하게 강제한다.