연구는 post-trade markout을 크레딧 팩터, 캐리/roll-down, 발행사-relative-value, ETF·index 수급과 설명되지 않는 residual 불리한 정보에 따른 체결 위험으로 분해한다. 그리고 마지막 residual 부분만 고객 주문의 독성으로 취급해 quality-adjusted hit ratio를 최적화한다. 시뮬레이션에서는 단순 hit-ratio 목표보다 서비스 수준과 경제적 수익성의 trade-off가 개선된다.
편집 전 브리핑 원문 펼치기
구분: 논문 · arXiv 프리프린트
발표일: 2026년 5월 28일
원문: arXiv 원문
핵심 요약
전자 회사채 RFQ 마켓메이킹에서 흔히 사용하는 hit ratio 목표가 경제적으로 잘못된 행동을 유도할 수 있다는 문제를 다룬 연구다. 모든 고객 주문의 품질이 같지 않은데 단순히 체결률만 높이려고 하면, 체결 직후 가격이 불리하게 움직이는 toxic flow까지 공격적인 가격으로 받아줄 수 있기 때문이다.
연구는 post-trade markout을 크레딧 팩터, carry/roll-down, issuer-relative-value, ETF·index 수급과 설명되지 않는 residual adverse selection으로 분해한다. 그리고 마지막 residual 부분만 고객 주문의 독성으로 취급해 quality-adjusted hit ratio를 최적화한다. 시뮬레이션에서는 단순 hit-ratio 목표보다 서비스 수준과 경제적 수익성의 trade-off가 개선된다.
실무 시사점
마켓메이킹: 얼마나 많이 체결했나보다 무슨 주문을 어떤 가격에 체결했나가 중요하다. RFQ별 예상 markout을 모델링해 고객별·시장상태별 quote aggressiveness를 조정해야 한다.
손익분해: 체결 후 −2bp가 발생해도 그것이 고객 정보 때문인지, 시장 전체 크레딧 약세 때문인지 구분하지 않으면 고객 flow toxicity를 잘못 추정한다.
시장미시구조: 최적 호가는 대략 기본 스프레드 + inventory skew + alpha skew + toxicity charge 구조로 보는 것이 유용하다. 여기에 고객 관계나 서비스 목표가 추가된다.
한국 적용: 국채·크레딧 중개 데이터가 확보된다면 고객/브로커별 체결 이후 10초·1분·5분 markout을 저장하고, 시장 beta를 제거한 residual markout으로 주문 품질을 학습하는 것이 유력하다.
주의: 현재 논문의 수치실험은 proprietary RFQ 실데이터가 아니라 합성데이터 기반이므로 메커니즘 연구로 보는 것이 적절하다.
데스크 적용 우선순위: ★★★★★