CAT bond 시장은 소수의 발행사와 주관사가 많은 거래관계를 보유하는 scale-free network의 특징을 나타냈다. CATNet은 Random Forest와 XGBoost 같은 강한 표형 데이터 기준모형보다 높은 스프레드 예측력을 기록했으며, 중심성 지표는 발행사 평판·주관사 영향력·위험집중도를 수치화하는 역할을 했다. 연구는 연결구조가 가격뿐 아니라 충격 전염의 핵심 경로가 될 수 있다고 지적한다.
편집 전 브리핑 원문 펼치기
구분: 논문·arXiv 개정 프리프린트
최초 공개일: 2025년 8월 13일
최근 개정일: 2026년 4월 6일
원문 링크: arXiv 원문.
핵심 요약
재해채권의 발행시장 스프레드를 예측할 때 개별 채권을 독립적인 표본으로 보지 않고, 발행사·주관사·재해유형·지역을 연결한 그래프로 표현한 연구다. Relational Graph Convolutional Network를 활용해 네트워크상의 관계와 채권 특성을 함께 학습한다.
CAT bond 시장은 소수의 발행사와 주관사가 많은 거래관계를 보유하는 scale-free network의 특징을 나타냈다. CATNet은 Random Forest와 XGBoost 같은 강한 표형 데이터 기준모형보다 높은 스프레드 예측력을 기록했으며, 중심성 지표는 발행사 평판·주관사 영향력·위험집중도를 수치화하는 역할을 했다. 연구는 연결구조가 가격뿐 아니라 충격 전염의 핵심 경로가 될 수 있다고 지적한다.
실무 시사점
채권 트레이딩: 채권가격은 발행사 자체 특성만으로 결정되지 않는다. 동일 주관사, 동일 그룹, 동일 담보·보증구조와 투자자군으로 연결된 종목 간 네트워크 정보를 상대가치에 사용할 수 있다.
리스크관리: 포트폴리오의 발행사 수가 많더라도 동일 위험요인과 주관사·보험사·지역에 연결돼 있으면 실질적 분산효과는 작다.
시장미시구조: 거래 관계가 특정 허브에 집중된 시장에서는 핵심 딜러나 주관사의 호가 후퇴가 전체 시장 유동성을 빠르게 악화시킬 수 있다.
한국 적용: 회사채·여전채·PF 유동화증권을 발행사–그룹–주관사–신평사–보증기관–기초자산 그래프로 구축하면 스프레드 예측과 전염경로 분석에 활용할 수 있다.
데스크 적용 우선순위: ★★★★☆