Treasury Trading at the Close
고정수익 지수의 strike 시각은 미국 국채 거래가 몰리는 시간을 얼마나 바꾸는가?
미국 국채에는 거래소가 정한 단일 종가가 없는데도 왜 특정 시각에 주문이 몰릴까. 연구는 BrokerTec의 가장 최근 발행된 국채 note와 bond를 대상으로, 지수 strike 전후 열 분의 거래량 비중을 추적했다. 전체일과 월말을 나누고, Bloomberg의 달러채권지수 strike가 오후 세 시에서 네 시로 바뀐 전후를 비교했다.
변경 뒤 집중은 새 strike로 이동했다. 월말 오후 네 시 주변 거래비중은 2021년 평균 11.6%에서 2025년 20.4%로 높아졌다. 단순한 일중 계절성보다 지수추종과 tracking-error 관리가 주문시점을 형성한다는 해석과 맞는다.
실행모형에는 time-to-strike와 월말·리밸런싱 상태를 별도 feature로 넣을 가치가 있다. 다만 관측연구이므로 특정 execution algorithm의 인과적 절감효과나 실거래 P&L을 증명하지 않는다. 혼잡을 피하면 impact는 줄 수 있지만 benchmark 괴리는 커질 수 있어 implementation shortfall과 tracking error를 함께 평가해야 한다.
SCOPEBrokerTec의 on-the-run 미국 국채 interdealer 거래에 관한 관측분석이다. 고객시장·off-the-run 채권과 특정 실행전략의 비용절감 또는 P&L은 검증하지 않았다.
Evidence & verification ↓AI 투자 붐은 어떤 경로로 장기 국채금리와 term premium에 들어오는가?
AI boom이 국채 데스크에 중요한 이유는 기술주 valuation에 그치지 않는다. 캐나다은행은 데이터센터·반도체·전력설비 투자가 총수요를 강화해 더 높은 정책금리 기대를 만들 수 있다고 본다. 이는 장기금리의 기대단기금리 성분으로 들어오는 경로다.
두 번째 경로는 채권 공급이다. 기업이 AI 투자를 위해 더 많은 부채를 발행하고 정부도 장기채를 늘리면, 제한된 balance sheet를 가진 투자자는 추가 duration을 받아들이는 대가를 요구한다. 보고서는 이 수급이 최근 term premium 상승에 기여했을 가능성을 제시한다.
국내 적용에서는 AI 관련 발행을 독립 shock으로 단정하면 안 된다. 같은 주의 국채 입찰, 에너지 가격과 정책기대가 함께 움직이기 때문이다. 보고서의 국가별 금리분해도 model-dependent하다고 명시돼 있으므로 여러 term-premium 모형에서 부호가 유지되는지와 out-of-sample 설명력을 확인해야 한다.
SCOPE캐나다은행 통화정책보고서의 정책분석이다. AI 관련 발행이 금리나 term premium을 움직인 인과계수는 제시하지 않으며 국가별 분해는 모형 선택에 의존한다.
Evidence & verification ↓gilt repo의 중앙청산과 haircut은 dealer 중개여력과 stress 유동성을 어떻게 바꾸는가?
repo는 채권 position에 필요한 현금과 담보를 연결하므로 예측신호가 실제 보유량으로 바뀌는 관문이다. 영란은행은 globally active hedge fund가 gilt repo의 순현금 대여자에서 차입자로 바뀌었고, 최신 순차입이 £85 billion에 이르렀다고 설명한다. funding 조건이 나빠지면 포지션 축소가 dealer 중개한도를 압박할 수 있다.
중앙청산의 이점은 상계다. 영란은행의 Dash for Cash counterfactual에서는 포괄적 청산이 dealer balance-sheet 노출을 40% 줄였다. 그러나 이는 실제 개편 뒤 관측성과가 아니며, 청산이 margin call을 집중시켜 stress 유동성 수요를 키울 가능성도 별도로 측정해야 한다.
비청산 시장에서는 haircut의 절반이 상시 영으로 설정됐다는 관측도 제시한다. 낮은 haircut이 진정한 portfolio netting인지 경쟁압력인지에 따라 최소 haircut의 효과는 달라진다. 국내에서는 gross-to-net 절감만 보지 말고 금리와 담보가치 상관이 깨지는 stress에서 margin shortfall과 강제매각이 얼마나 늘어나는지 함께 비교해야 한다.
SCOPE영란은행의 공식 정책분석과 counterfactual 수치다. 중앙청산·최소 haircut 도입 뒤의 실현성과가 아니며, 공개자료는 기관별 position과 margin 임계값을 제공하지 않는다.
Evidence & verification ↓수천 상품의 ML 연구를 빠르고 재현 가능하게 돌리려면 계산그래프를 어떻게 배치해야 하는가?
좋은 모델도 연구완료까지 너무 오래 걸리면 시장이 바뀐 뒤에야 production에 도착한다. Optiver는 연구플랫폼의 우선목표를 아이디어에서 validated result까지의 loop 단축으로 둔다. 비용·용량·기능과 correctness는 이 반복시간을 줄이되 결과를 다시 만들 수 있게 하는 조건으로 설명한다.
Feature 생성, 학습과 simulation의 선형 pipeline은 상품과 날짜를 펼치는 순간 거대한 DAG가 된다. 글의 예시는 feature job이 100,000개를 넘는 수준으로 커져 수작업 배치가 불가능해지는 과정을 보여준다. Optiver는 GraphRunner가 runnable node를 추적하고 on-prem scheduler, cloud scheduler 또는 local pool로 개별 전송하게 했다.
배치원칙은 데이터를 매번 옮기기보다 workload를 데이터로 보내는 것이다. 공통 compute interface와 data catalog가 환경차이를 감추고, researcher code에 cloud 분기를 넣지 않게 한다. 이 구조는 research turnaround와 재현성을 위한 회사 설명이며 전략별 성과증거가 아니므로 국내 복제에서는 cost·재현실패·승격시간을 따로 측정해야 한다.
SCOPEOptiver의 공식 기술 설명이다. 공개된 것은 platform architecture와 예시 workload이며 전략별 연구속도 개선치, 모델성능과 P&L은 제공되지 않았다.
Evidence & verification ↓An Introduction to Machine Learning
ML 전략을 실제 자본에 배포할 때 Man AHL은 어떤 연구·실행·중단 고리를 공개했는가?
ML 예측을 client portfolio에 넣으려면 연구점수에서 주문까지 이어지는 gate가 필요하다. Man AHL은 ML을 faster systematic strategy, NLP, trade execution과 smart order-routing에 사용한다고 설명한다. 단순모형보다 추가 예측가치가 있을 때만 복잡한 모형을 쓰고 비정상성과 crowding·capacity·거래비용을 함께 묻는다.
공개 설명에서 빠른 ML 전략의 보유기간은 장중부터 수일이다. 더 짧은 신호는 client-scale fund의 alpha로 포착하기 어렵지만 주문집행에서는 단기 주문장 예측으로 front-load 또는 back-load를 결정해 비용을 줄일 여지가 있다고 본다. 전략 prediction과 execution optimization의 시간축을 구분한 대목이다.
신규 연구는 client capital을 위험에 두지 않는 test-trading을 거친다. 장기 위험조정성과와 다른 모델과의 상관이 allocation을 정하고, 지속적인 부진이나 분산효과 약화는 비중축소로 이어진다. 시장의 구조적 가정이 깨지면 해당 시장에서 모델을 끈다. 이는 회사 인터뷰이며 구체적 임계값과 P&L은 공개하지 않았다.
SCOPE2019년 Man AHL 공식 인터뷰로 최신성보다 process 공개의 기술적 가치 때문에 선정했다. 전략별 성과, 배분함수, 중단 임계값과 실시간 kill switch는 외부 검증할 수 없다.
Evidence & verification ↓다섯 자료를 연결하면 모델의 목표는 다음 수익률 하나가 아니라 주문이 몰릴 시각, 흡수해야 할 신규 duration, 담보와 balance sheet가 허용하는 포지션을 함께 예측하는 일에 가깝다. 한국 데스크는 시장미시구조·발행·repo 상태를 동일한 데이터 버전으로 묶고, 그 위에서 신호의 OOS 성능과 실행·위험 제약을 동시에 통과시키는 승격 절차를 설계해야 한다.
Sources & evidence
Original passages appear only when checked against the publication. Earlier briefing records are identified separately.
Treasury Trading at the Close2 primary · 0 archived +
분석대상은 BrokerTec에서 거래된 가장 최근 발행 미국 국채 note와 bond다.
ORIGINAL PASSAGEmost recently auctioned Treasury notes and bondsLiberty Street Economics, Empirical Approach and chart notes, 2026-09-22, accessed 2026-11-05월말 오후 4시 전후 거래비중은 2021년 평균 11.6%에서 2025년 20.4%로 높아졌다.
ORIGINAL PASSAGEfrom an average of 11.6 percent in 2021 to 20.4 percent in 2025Liberty Street Economics, Effects More Pronounced on the Last Day of the Month, 2026-09-22, accessed 2026-11-05Factors behind the rise in long-term sovereign bond yields3 primary · 0 archived +
AI 인프라 투자가 수요를 강화하고 더 높은 금리기대를 뒷받침했다고 분석했다.
ORIGINAL PASSAGErapid investment in infrastructure related to artificial intelligence (AI)Bank of Canada MPR, Markets expect higher policy interest rates, 2026-10-28, accessed 2026-11-05기업들은 AI 투자 붐을 조달하려고 더 많은 채권을 발행하고 있다고 설명했다.
ORIGINAL PASSAGEcorporations are issuing more debt to fund the AI investment boomBank of Canada MPR, Term premiums are rising for a variety of reasons, 2026-10-28, accessed 2026-11-05국가별 금리분해 추정치는 모형 의존적이다.
ORIGINAL PASSAGEmodel-dependentBank of Canada MPR, endnote 1, 2026-10-28, accessed 2026-11-05Gilt edged resilience: strengthening liquidity provision in the repo market3 primary · 0 archived +
Hedge fund의 gilt repo 순차입은 최신 자료에서 850억 파운드였다.
ORIGINAL PASSAGEnet borrowing position standing at £85 billionBank of England Bank Insights, Chart 2 discussion, 2026-07-17, accessed 2026-11-05Dash for Cash counterfactual에서 포괄적 중앙청산은 영국 dealer의 balance-sheet 노출을 40% 줄였다.
ORIGINAL PASSAGEreducing exposures on UK dealers’ balance sheets by 40%Bank of England Bank Insights, Challenge 1, 2026-07-17, accessed 2026-11-05Bilateral gilt repo haircut의 절반은 일상적으로 0에 설정됐다.
ORIGINAL PASSAGEHalf of all haircuts are routinely set at zeroBank of England Bank Insights, Challenge 2, 2026-07-17, accessed 2026-11-05Research at scale: Orchestrating ML for systematic trading3 primary · 0 archived +
연구플랫폼의 최우선 목표는 아이디어에서 검증결과까지의 loop를 줄이는 것이다.
ORIGINAL PASSAGEshorten the loop from idea to validated resultOptiver, Research at scale, What a Research Platform Must Optimize, 2025-12-18, accessed 2026-11-05확장된 예시는 10만개가 넘는 feature generation job을 만든다.
ORIGINAL PASSAGE100,000+ feature generation jobsOptiver, Research at scale, When Pipelines Scale Up, 2025-12-18, accessed 2026-11-05데이터를 옮기기보다 workload를 데이터 위치로 보내는 원칙을 쓴다.
ORIGINAL PASSAGEmove the workload to the dataOptiver, Research at scale, Addressing Compute Capacity, 2025-12-18, accessed 2026-11-05An Introduction to Machine Learning3 primary · 0 archived +
Man AHL은 ML을 거래집행과 smart order-routing에 폭넓게 사용한다고 설명했다.
ORIGINAL PASSAGEtrade execution and smart order-routingMan AHL, An Introduction to Machine Learning, introduction, 2019-12-12, accessed 2026-11-05빠른 ML 전략의 보유기간은 장중부터 수일까지라고 설명했다.
ORIGINAL PASSAGEholding periods extending from intra-day out to multiple daysMan AHL, best investment time horizon section, 2019-12-12, accessed 2026-11-05최신 연구아이디어는 client capital을 위험에 두지 않는 시험거래를 거친다고 설명했다.
ORIGINAL PASSAGEtest-trading program ... without risking client capitalMan AHL, good quant manager section, 2019-12-12, accessed 2026-11-05Show the original briefing text
채권시장 AI 연구 브리핑
2026년 11월 5일
조사 마감: 2026년 11월 5일 06:37 (Asia/Seoul)
원문 열람일: 2026년 11월 5일
중복 점검: 기존 91개 브리핑과 455개 연구의 제목·원문 URL을 대조했다. 전날의 WGNN, ECB AI 익스포저, Tradeweb Ai-Price, Jane Street 역공학과 Optiver 실시간 데이터 글은 제외했다. 1~3번은 전문과 표·주석을 확인할 수 있는 중앙은행 원문이며, 4~5번은 채용공고가 아닌 Optiver와 Man AHL의 공식 기술 글이다. 공개되지 않은 모델 가중치·비밀전략·위험한도·P&L은 추론하지 않았다.
1. Treasury Trading at the Close
구분: 뉴욕연은 시장미시구조 연구·국채 지수 strike와 장중 거래집중
발표일: 2026년 9월 22일
핵심 요약
뉴욕연은 원문은 BrokerTec의 on-the-run 미국 국채 interdealer 거래를 이용해 지수 산출시각 전후 10분의 거래비중을 추적한다. Bloomberg의 달러채권지수 strike가 2021년 오후 3시에서 4시로 바뀐 뒤 거래집중도 함께 이동했다. 월말 오후 4시 전후 비중은 2021년 평균 11.6%에서 2025년 20.4%로 높아져 가격관행이 주문시점을 형성함을 보여준다.
실무 시사점
종가추종 주문의 비용은 하루 평균 유동성보다 strike 주변의 짧은 혼잡구간에서 결정될 수 있다. 연구는 거래량 집중과 시장유동성의 관계를 보여주지만 특정 알고리즘의 성과나 인과효과를 검증한 것은 아니다. 채권 실행모형은 time-to-strike, 월말 여부와 지수변경일을 feature로 분리하고, 체결률뿐 아니라 market impact와 tracking error를 함께 봐야 한다.
한국 시장 복제 아이디어
국고채 현물·선물의 5분 거래량, bid-ask, 호가잔량과 지수·평가사 가격 산출시각을 정렬한다. 월말·리밸런싱일과 평일을 나눠 strike 전후 참여율, implementation shortfall과 가격회복을 추정하고, 균등분할·거래량추종·혼잡회피 실행을 rolling OOS로 비교한다.
2. Factors behind the rise in long-term sovereign bond yields
구분: 캐나다은행 통화정책보고서 분석·AI 투자와 장기국채 금리
발표일: 2026년 10월 28일
핵심 요약
캐나다은행 원문은 2026년 장기 국채금리 상승을 정책금리 기대와 term premium으로 나눠 해석한다. 데이터센터·반도체·전력설비를 포함한 AI 인프라 투자가 수요와 금리기대를 밀어 올렸고, 기업의 AI 투자용 채권발행과 정부채 공급이 민간투자자의 balance-sheet 제약을 통해 term premium을 높였을 가능성을 제시한다. 다만 분해치는 model-dependent한 지표다.
실무 시사점
AI boom은 성장 기대만이 아니라 회사채 공급과 duration 흡수능력을 통해 국채곡선에도 전해질 수 있다. 따라서 AI 관련 발행 캘린더를 단순 업종 event로 두지 말고, 동시기 국채 입찰·에너지 가격·정책경로 변화와 함께 term premium 설명변수로 관리해야 한다. 이 보고서는 방향을 설명하는 정책분석이며 AI 발행이 금리를 얼마나 움직였는지의 인과계수는 제공하지 않는다.
한국 시장 복제 아이디어
국내 AI·데이터센터·전력망 관련 회사채 발행액, 국고채 순발행, 보험·연기금 duration 수요와 에너지 가격을 주간 panel로 만든다. DNS 또는 ACM 계열 term-premium 추정치에 발행 surprise를 넣고, 발행주간 전후의 국고채 만기별 변화와 swap spread를 matched week와 비교한다. 결과는 모형별 부호 안정성과 out-of-sample 오차로 평가한다.
3. Gilt edged resilience: strengthening liquidity provision in the repo market
구분: 영란은행 시장구조 분석·gilt repo 중앙청산과 haircut
발표일: 2026년 7월 17일
핵심 요약
영란은행 원문은 hedge fund의 gilt repo 순차입이 최신 자료에서 850억 파운드에 이르렀다고 설명한다. 영란은행 연구에 따르면 2020년 Dash for Cash 때 포괄적 중앙청산은 영국 dealer의 balance-sheet 노출을 40% 줄였을 모의결과가 나온다. 동시에 bilateral gilt repo haircut의 절반이 상시 0으로 설정돼, 청산·haircut 개편이 유동성과 레버리지를 함께 바꿀 수 있음을 지적한다.
실무 시사점
repo 유동성의 취약점은 가격예측보다 dealer balance sheet, netting set과 margin 관행에서 생긴다. 중앙청산은 노출을 상계해 중개여력을 늘릴 수 있지만 stress 때 margin call을 한곳에 모으는 위험도 있어, 단순한 청산비율 목표로 끝낼 수 없다. 공개수치는 정책분석과 counterfactual이며 실제 개편 뒤 성과가 아니다.
한국 시장 복제 아이디어
국채 repo 거래를 counterparty·만기·담보·haircut별로 재구성해 dealer별 gross와 net exposure를 산출한다. 현행 bilateral, 확대 CCP, 최소 haircut 세 시나리오에서 balance-sheet 사용량, margin liquidity shortfall과 강제매각량을 비교하고, 금리·haircut 상관이 깨지는 stress에서 cross-margin 효과가 유지되는지 확인한다.
4. Research at scale: Orchestrating ML for systematic trading
구분: Optiver 공식 기술 글·대규모 ML 연구 오케스트레이션
발표일: 2025년 12월 18일
선정 이유: 최신성보다 연구 아이디어를 재현 가능한 production 결정으로 옮기는 인프라를 구체적으로 공개한 가치 때문에 선정했다.
핵심 요약
Optiver 원문은 feature 생성, model 학습과 simulation을 수천 상품·장기 이력으로 확장할 때 연구 turnaround가 병목이 되는 과정을 설명한다. 예시 pipeline은 병렬화 후 10만개가 넘는 feature job으로 커진다. Optiver는 재현성과 추적성을 전제로 계산을 데이터 위치로 보내고, GraphRunner가 task별 실행환경을 선택하게 한다.
실무 시사점
수익화 경로는 GPU 수보다 아이디어에서 검증결과까지 걸리는 시간과 오류 없는 재현에 있다. on-prem·cloud를 연구 코드에서 분기하면 환경차이와 data replica 불일치가 backtest를 흔든다. 공통 catalog, immutable input version과 node별 배치를 사용하면 research와 production이 같은 계산그래프를 공유할 수 있지만 회사는 전략별 속도개선이나 P&L을 공개하지 않았다.
한국 시장 복제 아이디어
국채선물·현물·IRS의 feature→학습→replay simulation을 DAG로 기록하고 dataset·code·parameter hash를 node마다 남긴다. 단일 scheduler와 node-level placement를 비교해 wall-clock turnaround, compute cost, cache hit, 재현실패율과 동일 코드의 production 승격시간을 측정한다.
5. An Introduction to Machine Learning
구분: Man AHL 공식 인터뷰·ML 전략의 연구·실행·위험관리
발표일: 2019년 12월 12일
선정 이유: 최신성보다 실제 ML 전략, 주문집행, 시험거래와 모델 중단을 한 흐름으로 설명한 공개자료의 기술적 가치 때문에 선정했다.
핵심 요약
Man AHL 원문은 ML을 일중·일간 systematic strategy, NLP 신호, trade execution과 smart order-routing에 사용한다고 설명한다. 빠른 전략은 장중부터 수일의 보유기간에 집중되며, 최신 연구는 client capital을 위험에 두지 않는 test-trading을 거친다. 성과가 약하거나 분산효과가 사라진 모델은 배분이 줄고 구조적 가정이 깨지면 해당 시장에서 중단한다.
실무 시사점
모형 정확도는 production 승인조건의 일부다. Man AHL의 설명은 단순모형 대비 추가 예측가치, 비정상성, 거래비용, capacity, 다른 전략과의 상관, 독립 risk 관리와 test-trading을 하나의 판단과정으로 묶는다. 이는 회사 인터뷰이므로 전략별 성과·중단 임계값·실시간 kill switch를 외부에서 검증한 자료는 아니다.
한국 시장 복제 아이디어
채권 ML 후보마다 단순 baseline, 비용차감 OOS 성과, capacity와 기존 book 상관을 승인표에 기록한다. shadow와 제한된 test-trading 단계를 분리하고 model allocation 감소, 시장별 off 조건과 human override를 사전에 정의해 prediction error뿐 아니라 실행비용·최대 DV01·분산기여를 함께 평가한다.