changjinhan
FIXED INCOME / FIELD NOTES

Large Language Model and Bond Risk Premia in China

시장 서사의 긍정적 감성은 중국 채권에 어떤 방향의 정보였는가?

Research note2 min readSources & evidence ↓

경제 전망이 긍정적으로 표현되면 채권에도 같은 방향의 수익 신호인지 물어야 한다. 연구는 경제와 시장의 서사를 언어모형으로 처리해 감성지수를 만들고 중국 국채 초과수익을 예측한다. 문장의 낙관 정도와 채권의 보유 성과를 구분하는 분석이다.

보존된 결과에서 감성은 표본 안팎의 이후 채권 초과수익을 음의 방향으로 예측했다. 수익률곡선 모형에 감성을 넣었을 때 미래 단기금리 기대와는 양의 관계가 나타났다. 긍정적인 서사가 금리 기대와 보유수익에 서로 다른 방향으로 연결된다는 구체적인 비교다.

관계는 장기물에서 더 강했고 평균·분산을 고려하는 투자자에게 경제적 가치도 있었다고 보고한다. 다만 기대 단기금리와 위험 보상이 분리된다는 모형 해석을 감성이 금리를 직접 바꾼다는 주장으로 읽을 수는 없다. 국내에서는 표현의 언어·제도 차이와 정보 공개시점을 맞춰 별도로 검증해야 한다.

SCOPE역사적 연구 기록이다. 언어 감성의 인과효과, 국내 예측력, 비용 차감 개선 폭은 확인하지 않았다.

Evidence & verification ↓

Sources & evidence

Original passages appear only when checked against the publication. Earlier briefing records are identified separately.

Large Language Model and Bond Risk Premia in China0 primary · 2 archived +
EARLIER BRIEFING RECORD

These 2 records come from the earlier briefing, not a newly verified original publication. They are retained in the original briefing below; no primary-source quotation is shown.

Read the earlier record ↓
Publication links ↑
Show the original briefing text

구분: 연구논문 · SSRN / LLM + 국채 term structure
최종 개정: 2026년 2월 20일
선정: 최신성보다 한국 국채 NLP에 직접 복제 가능한 구조 때문에 선정

핵심 요약

저자들은 LLM으로 경제·시장 narrative에서 narrative sentiment index를 만들고 중국 국채 excess return을 예측한다. 이 sentiment는 IS와 OOS 모두에서 향후 bond excess return을 음(-)의 방향으로 유의하게 예측했으며, 저자들은 mean-variance 투자자에게 경제적 가치도 존재한다고 보고한다. SSRN 원문

특히 narrative sentiment를 affine term structure model에 넣었을 때 재미있는 두 채널이 나타난다. sentiment는 미래 단기금리 기대와는 양(+)의 관계, bond excess return과는 음(-)의 관계를 보이고, 효과는 장기물에서 더 강해진다.

즉 텍스트가 단순히 “금리가 오를까 내릴까”를 말해주는 것이 아니라 expected short rate와 term/risk premium을 서로 다른 방향으로 움직이는 정보를 포함할 수 있다는 것이다.

채권 트레이딩 시사점

이 부분이 굉장히 중요하다.

10년 금리는 대략:

Expected future short rates + Term premium

이다.

따라서 LLM sentiment가 hawkish하다고 해서:

무조건 10년 숏

으로 번역해서는 안 된다.

예를 들어:

hawkish narrative → expected short rate ↑

동시에

risk sentiment 개선 → term premium ↓

이면 장기금리의 최종 움직임은 애매해질 수 있다.

따라서 NLP 모델의 target을 처음부터:

Δ3Y Δ10Y

하나로 만들기보다,

Policy-rate component 와 Risk-premium component

로 분리하는 게 좋다.

한국시장 복제 아이디어

한국은행·기재부·언론·증권사 자료를 LLM으로 읽어:

Policy Narrative

  • inflation
  • growth
  • hawkish/dovish
  • forward guidance

Risk Narrative

  • 지정학
  • 금융안정
  • credit
  • global risk appetite

를 따로 만든다.

그 뒤:

Policy Narrative → 3년 Risk / Term-premium Narrative → 10/30년

관계를 별도로 학습한다.

데스크 적용 우선순위: ★★★★★