특히 monetary-policy transmission 분석에서 algorithm이 선택한 corporate spread를 추가하자 credit-spread channel이 강해졌고, 저자들은 expected 부도위험가 중요한 transmission margin으로 나타난다고 보고한다.
이 논문의 핵심은 “SVAR에 ML을 썼다”기보다 어떤 변수를 모델에 넣을지조차 알고리즘이 OOS 성과를 기준으로 결정하게 한다는 데 있다.
편집 전 브리핑 원문 펼치기
구분: NBER Working Paper · Bayesian ML/Variable Selection + Monetary Policy/Credit Spread
발표일: 2026년 8월
핵심 요약
Atlanta Fed의 Tao Zha 등이 참여한 이 연구는 SVAR에서 사람이 임의로 변수세트를 정하지 않고, Bayesian methodology가 information set 자체를 데이터에서 선택하도록 한다. 모델은 OOS 기준으로 가장 큰 admissible system을 선택하고, monetary-policy shock 식별에서도 여러 instrument를 함께 사용하는 구조를 제안한다. NBER 원문
특히 monetary-policy transmission 분석에서 algorithm이 선택한 corporate spread를 추가하자 credit-spread channel이 강해졌고, 저자들은 expected default risk가 중요한 transmission margin으로 나타난다고 보고한다.
이 논문의 핵심은 “SVAR에 ML을 썼다”기보다 어떤 변수를 모델에 넣을지조차 알고리즘이 OOS 성과를 기준으로 결정하게 한다는 데 있다.
채권 트레이딩 시사점
금리 모델에서 우리는 보통:
CPI + GDP + Fed funds + unemployment + FX
처럼 처음부터 macro feature를 고정한다.
그런데 실제 관계는 regime에 따라 달라질 수 있다.
예를 들어 어느 시기에는:
Policy → Treasury
가 주 경로지만,
stress에서는:
Policy
→ credit spread
→ risk appetite / liquidity
→ Treasury
가 더 중요할 수 있다.
따라서 feature selection을 단순 Lasso 하나로 끝내지 않고 **“현재 regime에서 어떤 information set이 실제 OOS 설명력을 추가하는가”**로 볼 필요가 있다.
한국 시장 복제 아이디어
한국 금리 macro model에:
- 기준금리/OIS
- CPI
- 수출
- USD/KRW
- KOSPI
- 회사채 AA-/BBB spread
- 은행채 spread
- CDS
- 외국인 선물
을 후보 universe로 두고, 매 rolling window마다 information set selection을 다시 수행한다.
특히:
Credit Spread Feature Included?
자체를 regime indicator로 볼 수 있다.
평시에는 credit가 빠져도 되지만 stress에서는 신용스프레드가 금리모델 성능을 급격히 높인다면, 이는 monetary-policy→credit→rates transmission regime로 해석할 수 있다.
실무 적용 우선순위: ★★★★★