이 논문 자체는 ML 논문은 아니지만 오늘 AI 브리핑에 포함할 가치가 있다. AI market maker를 설계하려면 먼저 자동화가 들어가는 시장의 경제구조가 무엇인지 알아야 하기 때문이다. 특히 회사채에서는 가격예측만 잘한다고 수익이 생기는 것이 아니라, balance-sheet cost·inventory capacity·dealer competition·electronic 유동성 availability가 함께 quote를 결정한다.
편집 전 브리핑 원문 펼치기
구분: 중앙은행 연구 · Federal Reserve Bank of Philadelphia Working Paper 26-27
발표일: 2026년 4월 28일
원문 링크: https://www.philadelphiafed.org/-/media/frbp/assets/working-papers/2026/wp26-27.pdf
핵심 요약
Philadelphia Fed 연구진은 미국 회사채시장에서 지난 수년간 동시에 진행된 dealer balance-sheet 비용 증가, 전자거래 플랫폼 확산, 새로운 liquidity provider의 등장을 하나의 OTC 시장모형으로 분석한다. 연구 결과 전자거래의 확대는 bid-ask spread를 의미 있게 낮추는 효과를 만들었으며, 시장구조 변화가 dealer intermediation과 고객 liquidity의 배분을 바꾸는 경로를 정량적으로 설명한다.
이 논문 자체는 ML 논문은 아니지만 오늘 AI 브리핑에 포함할 가치가 있다. AI market maker를 설계하려면 먼저 자동화가 들어가는 시장의 경제구조가 무엇인지 알아야 하기 때문이다. 특히 회사채에서는 가격예측만 잘한다고 수익이 생기는 것이 아니라, balance-sheet cost·inventory capacity·dealer competition·electronic liquidity availability가 함께 quote를 결정한다.
실무 시사점
AI market-making 모델을
Fair Value → Quote
두 단계로만 만들면 부족하다.
최소한:
Fair Value
→ Inventory
→ Balance-sheet Cost
→ Liquidity Competition
→ Fill Probability
→ Quote
여야 한다.
한국 적용: 국내 회사채·여전채는 미국보다 오히려 dealer relationship과 inventory 제약이 중요할 수 있다. 따라서 “이론가 대비 몇 bp 싸다”보다 현재 증권사 inventory와 자금조달비용 때문에 실제 dealer가 어디까지 가격을 줄 수 있는가가 더 중요한 순간이 많다.
또 시장의 전자화가 진행될수록 단순 중개 수수료보다 가격발견 모델·유동성 예측·inventory risk management의 가치가 커질 가능성이 높다는 점도 중요한 시사점이다. 이는 논문 결과에 기반한 실무적 추론이다.
데스크 적용 우선순위: ★★★★☆