이 자료는 ML 논문 자체는 아니다. 오늘 포함한 이유는 dealer AI가 예측해야 할 target이 무엇인지에 상당히 중요한 힌트를 주기 때문이다.
편집 전 브리핑 원문 펼치기
구분: 회사채 시장미시구조 연구
상태: 2026년 8월 Accepted/In Press
출처: Advances in Pacific Basin Business, Economics and Finance
핵심 요약
이 연구는 회사채의 information risk를 시장미시구조 기반의 PIN(Probability of Information-Based Trading)으로 측정하고, 그 정보위험이 회사채 기대수익률에 가격되는지를 분석한다. 다른 liquidity 및 bond characteristic을 통제한 뒤에도 information risk와 기대 회사채수익률 사이에 유의한 양의 관계가 나타난다고 보고한다. PolyU 연구 페이지
이 자료는 ML 논문 자체는 아니다. 오늘 포함한 이유는 dealer AI가 예측해야 할 target이 무엇인지에 상당히 중요한 힌트를 주기 때문이다.
채권 트레이딩 시사점
Dealer 입장에서 fill은 동일하지 않다.
예를 들어 고객이 내 ask를 hit했을 때:
Case A
- 10분 뒤 가격 변화 없음
- good flow
Case B
- 체결 직후 시장이 3bp adverse move
- informed flow
이다.
따라서 단순한
P(fill)
만 예측해서는 안 되고,
P(fill) × Expected Mark-out
을 같이 봐야 한다.
더 나아가:
P(informed | counterparty, size, bond, state)
라는 latent variable을 만들 수 있다.
한국 시장 복제 아이디어
브로커·상대별로 체결 후:
- 10초 mark-out
- 1분 mark-out
- 5분 mark-out
- 30분 mark-out
을 저장한다.
그 뒤:
Broker / client
sizesidebond liquiditymarket regime→ Expected Adverse Selection
모델을 만든다.
결국 quote engine은:
Fair Value → Fill Probability → Adverse Selection → Inventory Cost → Optimal Quote
로 가야 한다.
회사채·장외채권에서는 이것이 단순 방향예측보다 훨씬 직접적인 P&L 모델이 될 가능성이 높다.
데스크 적용 우선순위: ★★★★★