특히 중국 시장의 국유기업 비중, 암묵적 정부지원, 빠른 제도 변화처럼 선형모형으로 표현하기 어려운 비선형 관계를 포착하는 데 강점을 보였다. 연구진은 현실적인 공매도 제약을 고려해 롱·숏뿐 아니라 롱온리 전략도 별도로 평가했다. 이는 미국 TRACE 중심 연구의 결론을 아시아 채권시장에 그대로 적용해서는 안 된다는 점을 보여준다.
편집 전 브리핑 원문 펼치기
구분: 논문·Journal of Banking & Finance
온라인 발표일: 2026년 1월 9일
권·호 발행일: 2026년 3월
원문 링크: 출판사 원문 · 저자기관 공개본
핵심 요약
중국 회사채의 횡단면 수익률을 거시변수, 채권 특성 및 발행사 정보를 이용해 예측하고, 다양한 머신러닝 모델을 전통적인 선형모형과 비교한 연구다. 머신러닝은 통계적 예측력과 포트폴리오 경제성 모두에서 선형모형을 앞섰다고 보고한다.
특히 중국 시장의 국유기업 비중, 암묵적 정부지원, 빠른 제도 변화처럼 선형모형으로 표현하기 어려운 비선형 관계를 포착하는 데 강점을 보였다. 연구진은 현실적인 공매도 제약을 고려해 롱·숏뿐 아니라 롱온리 전략도 별도로 평가했다. 이는 미국 TRACE 중심 연구의 결론을 아시아 채권시장에 그대로 적용해서는 안 된다는 점을 보여준다.
실무 시사점
채권 트레이딩: 정부·그룹 지원 가능성, 공기업 여부와 정책적 중요성을 단순 더미변수가 아니라 재무·시장 변수와의 비선형 상호작용으로 모델링해야 한다.
포트폴리오 구성: 국내 회사채는 공매도가 어렵기 때문에 예측 상·하위 종목을 매수·매도하는 백테스트만으로는 실현 가능성을 판단할 수 없다. 롱온리 종목 교체와 벤치마크 대비 초과수익으로 검증해야 한다.
리스크관리: 제도 변화나 정부지원 기대가 바뀌면 과거의 데이터 관계가 빠르게 붕괴할 수 있다. 롤링 학습, 레짐별 검증과 최근 표본 가중이 필요하다.
한국 적용: 공기업·금융지주·그룹 계열사·독립기업을 구분하고, 지원 가능성·규제·발행시장 수요예측 정보를 별도 팩터로 넣는 것이 유효하다.
데스크 적용 우선순위: ★★★★★