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.
편집 전 브리핑 원문 펼치기
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: ★★★★★