자본구조와 시계열 모멘텀

구분: 논문 · SSRN / Cross-Asset·Credit
게시일: 2026년 8월 4일
작성일: 2026년 7월 24일
원문: SSRN 원문

핵심 요약

이 연구는 주식과 회사채의 momentum/reversal을 동일한 자본구조 프레임 안에서 분석한다. 핵심 결과는 고위험 기업 주식에는 time-series momentum이 강한 반면, 회사채에는 reversal이 나타나고, 과거 주식수익률이 향후 회사채수익률을 예측한다는 것이다. 저자들은 이를 equity를 기업자산에 대한 call option으로 보고, variance risk와 leverage 효과가 서로 다른 방향으로 작용하는 구조로 설명한다.

AI·트레이딩 시사점

이건 회사채 ML feature 설계에 바로 쓸 수 있다.

전통적인 회사채 모델:

bond own return → 미래 bond return

보다

equity momentum

equity vol
leverage
bond past return

의 interaction을 학습해야 한다.

특히 중요한 것은 같은 과거 상승이라도 주식과 채권에서 기대되는 다음 반응이 다를 수 있다는 점이다. 따라서 cross-asset feature를 단순히 같은 부호로 넣으면 안 된다.

예를 들어 모델이 학습해야 할 조건은:

high leverage + high equity vol + equity momentum → bond에서는 어떤 spread response?

같은 conditional interaction이다.

한국 적용

상장 회사채 발행사를 대상으로:

5일/20일 주가 수익률 주가 변동성 순차입금/EBITDA 회사채 민평·실거래 spread

를 묶어 equity lead → credit lag를 검증할 수 있다.

특히 거래가 뜸한 회사채에서는 주식시장이 훨씬 빠른 정보원일 수 있으므로 주식→채권 lead-lag 모델이 현실적인 첫 프로젝트다.

데스크 적용 우선순위: ★★★★★