특히 예측 disagreement와 금리 불확실성은 서로 다른 채널로 작동한다. 즉 CPI surprise = +0.2%p 하나만으로 금리충격을 설명하는 것이 아니라 시장참여자들이 사전에 얼마나 의견이 갈렸고, 향후 정책경로를 얼마나 불확실하게 보고 있었는가가 response function을 바꾼다.
편집 전 브리핑 원문 펼치기
구분: BIS Working Paper 1361 · Treasury market microstructure / macro-event modeling
발표일: 2026년 6월 16일
선정: 최신성보다 macro-event feature engineering 가치 때문에 선정
핵심 요약
BIS 연구진은 1998~2024년 미국 Treasury의 물가·고용·GDP 등 6개 주요 경제지표 발표 직후 intraday yield movement를 분석한다. 핵심 결과는 같은 surprise라도 시장 반응 크기가 고정되어 있지 않고, 발표 전 forecast disagreement와 monetary-policy uncertainty 상태에 따라 달라진다는 것이다. BIS 원문
특히 forecast disagreement와 금리 불확실성은 서로 다른 채널로 작동한다. 즉 CPI surprise = +0.2%p 하나만으로 금리충격을 설명하는 것이 아니라 시장참여자들이 사전에 얼마나 의견이 갈렸고, 향후 정책경로를 얼마나 불확실하게 보고 있었는가가 response function을 바꾼다.
채권 AI 시사점
경제지표 event model의 target을:
ΔYield = β × Surprise
로만 잡으면 너무 단순하다.
더 현실적인 구조는:
ΔYield = f(Surprise, Disagreement, Policy Uncertainty, Regime)
다.
예를 들어 CPI가 consensus보다 +0.2%p 높아도:
Case A
consensus dispersion 작음
→ 진짜 surprise 큼
Case B
forecast dispersion 큼
→ 이미 시장이 다양한 결과를 준비
이면 반응함수가 다를 수 있다.
따라서 ML feature로 단순 Bloomberg consensus뿐 아니라:
- forecast std
- high-low range
- option-implied rate volatility
- OIS distribution
- 최근 policy communication uncertainty
를 넣는 편이 좋다.
한국 시장 복제 아이디어
한국 CPI·고용·GDP·금통위에서도:
Surprise
×
Economist Forecast Dispersion
×
3M/6M rate vol
interaction을 만들 수 있다.
그리고 target은:
- 발표 1분 3선
- 5분 3선
- 5분 10선
- 3/10 변화
- 30분 realized volatility
로 분리한다.
특히 event-day sizing model에 유용하다.
같은 surprise라도 uncertainty state가 다르면 포지션 size를 바꾸도록 한다.
실무 적용 우선순위: ★★★★★