USD·GBP·JPY sovereign curves에서 테스트했고, 저자들은 OOS 평균 tenor RMSE 약 6.58bp를 보고한다. 또한 단순 예측뿐 아니라 continuous-time scenario generation과 unsupervised regime detection도 수행한다.
편집 전 브리핑 원문 펼치기
구분: 연구논문 · arXiv / VAE + Neural SDE + 금리곡선
발표일: 2026년 5월 12일
선정: 최신성보다 기술적 가치 때문에 선정
핵심 요약
이 연구는 yield curve를 생성·예측하는 deep-learning model에서 흔한 문제인 **“통계적으로 그럴듯하지만 채권가격 이론상 arbitrage가 가능한 curve를 만드는 문제”**를 직접 다룬다. 저자들은 Student-t Conditional VAE로 heavy-tail term-structure manifold를 만들고, latent dynamics를 Neural SDE로 진화시키면서 no-arbitrage PDE를 penalty로 강제하는 2단계 architecture를 제안한다. arXiv 원문
USD·GBP·JPY sovereign curves에서 테스트했고, 저자들은 OOS 평균 tenor RMSE 약 6.58bp를 보고한다. 또한 단순 forecast뿐 아니라 continuous-time scenario generation과 unsupervised regime detection도 수행한다.
왜 이 architecture가 재미있는가
구조를 단순화하면:
Yield Curve → VAE Encoder → latent state (z_t)
그 다음:
Neural SDE → (z_)
그리고 decoder가 다시:
→ future yield curve
를 만든다.
그런데 학습 loss에:
forecast error + no-arbitrage violation penalty
를 같이 넣는다.
이 접근은 금융 ML에서 매우 중요한 원칙을 보여준다.
Physics-informed ML처럼 Finance-informed ML을 만들 수 있다.
채권 트레이딩 시사점
금리 AI를 만들 때 pure black box에 모든 자유를 주는 것이 항상 좋은 것은 아니다.
예를 들어 AI가:
- 3Y 2.8%
- 5Y 1.5%
- 10Y 3.5%
같은 비정상적인 curve를 생성해도 RMSE가 평균적으로 낮으면 statistical model은 통과할 수 있다.
하지만 실제 trading/valuation model에서는 경제적·무차익 제약이 훨씬 중요하다.
따라서 앞으로 금리모델 평가를:
Forecast Accuracy
뿐 아니라:
Curve Smoothness
Arbitrage Violation
Extreme Scenario Plausibility
까지 확장할 필요가 있다.
한국 시장 복제 아이디어
국고채에서는 처음부터 Neural SDE까지 갈 필요가 없다.
우선 autoencoder가:
1Y / 2Y / 3Y / 5Y / 10Y / 20Y / 30Y
곡선을 low-dimensional latent state로 압축하게 하고,
그 latent를:
- macro state
- 선물 수급
- 입찰
- 외국인 포지션
과 연결한다.
그리고 model output에 curve-shape constraint를 걸어 비경제적인 예측을 줄이는 방식부터 테스트할 수 있다.
장기적으로는 이 latent state가 Level / Slope / Curvature보다 더 유용한 learned regime representation이 될 수 있다.
데스크 적용 우선순위: ★★★★★