결과는 상당히 실무적이다. 단기에서는 Markov-switching HAR, 월간 horizon에서는 ARFIMA가 강했고, ML은 기본 HAR를 이기는 경우가 있지만 broader econometric set을 지속적으로 이기지는 못했다.
저자는 결론적으로 모델 class보다 해당 horizon에서 persistence와 비선형 dynamics를 얼마나 잘 표현하느냐가 더 중요하다고 판단한다. 이 결과는 information set, re-estimation frequency, estimation window 등을 바꿔도 유지된다.
편집 전 브리핑 원문 펼치기
구분: Federal Reserve FEDS · Volatility Forecasting / ML Benchmarking
최신 개정: 2026년 9월 2일
주의: underlying data는 주식 realized volatility지만 채권 volatility/risk model의 방법론적 가치 때문에 선정
핵심 요약
Fed 연구는 HAR, ARFIMA, threshold HAR, smooth-transition HAR, Markov-switching HAR와 XGBoost 및 여러 neural network를 동일 조건에서 비교한다. 평가도 단순 MSFE가 아니라 MAE·QLIKE·Model Confidence Set·Diebold–Mariano test뿐 아니라 realized utility, VaR, Expected Shortfall까지 포함한다. Federal Reserve 원문
결과는 상당히 실무적이다. 단기에서는 Markov-switching HAR, 월간 horizon에서는 ARFIMA가 강했고, ML은 기본 HAR를 이기는 경우가 있지만 broader econometric set을 지속적으로 이기지는 못했다.
저자는 결론적으로 모델 class보다 해당 horizon에서 persistence와 nonlinear dynamics를 얼마나 잘 표현하느냐가 더 중요하다고 판단한다. 이 결과는 information set, re-estimation frequency, estimation window 등을 바꿔도 유지된다.
채권 리스크관리 시사점
이 결과를 국채 volatility에 옮기면 중요한 교훈이 있다.
“Transformer로 volatility를 예측할까?”
보다 먼저:
현재 시장의 volatility dynamics가
long memory 문제인지, regime-switching 문제인지 판단해야 한다.
예를 들어 금통위·CPI 직후 volatility는 regime jump 성격이 강하므로 Markov-switching 계열이 더 자연스러울 수 있고, 평시 일별 realized vol은 HAR/long-memory model이 훨씬 강한 benchmark가 될 수 있다.
한국 시장 복제 아이디어
3선/10선 realized volatility prediction에서 최소한 아래를 한 scoreboard에 넣는다.
HAR
HAR + event dummy
Markov-switching HAR
LightGBM
MLP/LSTM
그리고 horizon을:
- 5분
- 30분
- next day
로 나눠 각각 winner를 따로 정한다.
최종 risk budget은:
Expected Alpha / Predicted Volatility
이므로 volatility model의 개선은 direction alpha가 없어도 position sizing과 stop/risk control을 통해 직접 P&L로 연결된다.
실무 적용 우선순위: ★★★★★