무차익 조건을 지키는 신경망 수익률곡선

구분: 논문·arXiv 프리프린트
발표일: 2025년 11월 22일
원문: arXiv 원문

핵심 요약

이 연구는 HJM 금리모형의 무차익 드리프트 제약과 Dynamic Nelson–Siegel 선도금리 표현을 신경망 기반 상태공간모형에 결합했다. Kalman filter, extended Kalman filter, particle filter와 LSTM 계열 신경망을 연결하고, 학습 손실에 명시적인 arbitrage error regularization을 추가했다. 미국 국채와 회사채를 대상으로 1일 및 5일 후 금리·가격을 예측한 결과, 무차익 규제를 적용했을 때 특히 단기구간과 5일 예측에서 시장 정합성과 달러 기준 가격오차가 개선됐다. 평가에는 단순 RMSE뿐 아니라 예측가격이 실제 bid-ask 범위에 들어오는 비율도 사용됐다.

실무 시사점

• 트레이딩: 통계적으로 잘 맞는 커브라도 만기 간 차익기회를 생성하면 실제 호가·헤지 시스템에는 사용할 수 없다. 예측모형에 무차익 조건을 사후 보정이 아닌 학습단계부터 넣는 것이 중요하다.
• 커브 전략: 금리 포인트별 독립 예측보다 잠재요인과 상태전이를 함께 추정하는 방식이 3/10년, 10/30년 커브 포지션에 적합하다.
• 가격 검증: 금리 RMSE 외에 예측가격의 bid-ask 진입률, DV01 가중 오차, 헤지 후 잔여 P&L을 평가해야 한다.
• 한국 시장: 국고채 제로커브, 국채선물 이론가, 바스켓 CTD 관계를 동시에 제약조건으로 넣는 하이브리드 모형으로 확장할 수 있다.

데스크 적용 우선순위: ★★★★★