회사채 금리는 무위험 금리와 신용위험 보상을 함께 포함한다. 국채와 회사채를 따로 맞추면 같은 시장국면의 영향을 일관되게 반영하기 어렵다. 연구는 중국의 국채 금리를 지속적인 상태가 바뀌는 레짐전환 모형으로 두고 등급별 신용곡선을 그 상태에 연결한다.
CIR 계열은 금리의 확률적 움직임을 표현하는 모형이다. 연구는 이를 확장해 국채 금리 블록을 Unscented Kalman Filter로 먼저 추정한다. 필터는 관측된 금리에서 보이지 않는 상태를 추론한다. 이후 국채 상태에 조건부인 등급별 신용요인과 부도강도 블록을 순서대로 추정한다. 추정은 2014~2025년 중국 주간자료에 기반한다.
기록은 단일 국면 모형보다 곡선 적합도가 개선되고 할인요인과 신용보상을 더 명확히 분해했다고 소개한다. 현재 관측곡선을 잘 설명하는 것과 미래 변화의 예측을 잘하는 것은 평가가 다르다. 중국 시장의 등급과 제도에 맞춘 상태 구분을 국내에 그대로 적용하기보다 안정성과 표본외 오차를 확인해야 한다.
SCOPE중국 주간 자료의 곡선 적합 결과로 국내 예측력과 신용요인의 인과 해석은 확인되지 않았다. 이 설명의 근거는 이전 브리핑 기록이며 원문 전체를 다시 검증한 결과가 아니다.
Evidence & verification ↓Sources & evidence
Original passages appear only when checked against the publication. Earlier briefing records are identified separately.
국채 국면에 조건부인 등급별 신용곡선0 primary · 3 archived +
These 3 records come from the earlier briefing, not a newly verified original publication. They are retained in the original briefing below; no primary-source quotation is shown.
Read the earlier record ↓Show the original briefing text
구분: 논문·arXiv 프리프린트
발표일: 2026년 4월 28일
원문: arXiv 논문
핵심 요약
중국 국채와 등급별 회사채 수익률곡선을 함께 추정하는 무차익 레짐전환 모형이다. 국채 금리는 두 개의 지속적인 레짐을 갖는 generalized CIR 과정으로 모델링하고, 회사채는 금리 레짐에 조건부인 등급별 신용요인과 부도강도 구조로 설명한다.
2014~2025년 주간 데이터를 이용해 Unscented Kalman Filter로 먼저 국채 금리 블록을 추정하고 이후 크레딧 블록을 순차적으로 필터링한다. 단일 레짐 모형보다 커브 적합도가 개선됐으며, 회사채 수익률을 무위험 할인요인과 신용보상으로 더 명확히 분해했다고 보고한다.
실무 시사점
- 크레딧 트레이딩: 같은 스프레드 수준도 금리 레짐에 따라 의미가 다르다. 저변동 완화국면의 50bp와 고변동 긴축국면의 50bp를 동일하게 평가하면 안 된다.
- 리스크관리: 회사채 손익을 국고채 커브 변화와 순수 크레딧 요인으로 분리하면 듀레이션 손실을 신용 악화로 오해하는 문제를 줄일 수 있다.
- 한국 적용: 국고채 커브 레짐을 먼저 추정하고, 특수채·은행채·여전채·회사채 등급별 스프레드 커브를 조건부로 모델링하는 구조가 적합하다.
- 모델 확장: 전통적인 상태공간모형 위에 ML을 사용해 레짐 전환확률이나 관측오차를 보정하는 하이브리드 접근이 현실적이다.
데스크 적용 우선순위: ★★★★☆