만기와 유동성에 따라 달라지는 부채 위험

구분: 논문 · SSRN / 회사채 리스크 모델
게시일: 2026년 8월 10일
작성일: 2026년 8월 9일
원문: SSRN 원문

핵심 요약

회사채 beta를 0으로 두거나 issuer별 고정값으로 두는 관행이 현실적으로 맞지 않는다는 연구다. 미국 회사채 10,912개를 분석한 결과 신용등급을 통제한 뒤에도 만기가 길수록, 유동성이 낮을수록 debt beta가 높아진다. 1표준편차의 만기 증가와 illiquidity 증가는 debt beta를 각각 약 25%, 13% 높이는 것으로 추정됐다. 결과는 duration matching, microstructure adjustment, portfolio aggregation 등 여러 robustness test에서도 유지된다.

AI·리스크관리 시사점

ML 포트폴리오에서 흔히 하는 실수는 “예상수익 모델”은 매우 정교한데 risk model은 정적인 duration·rating bucket으로 두는 것이다.

그렇다면 최종 optimizer가 좋은 alpha를 잘못된 risk unit으로 배분할 수 있다.

회사채 위험은 최소한:

Duration × Credit × Liquidity × Systematic Beta

로 분리하는 편이 낫다.

특히 stress에서는 liquidity beta가 평시보다 크게 뛰므로 beta 자체를 time-varying target으로 ML로 예측할 가치가 있다.

한국 적용

국내 회사채·여전채에서 단순 스프레드 DV01만 쓰기보다:

KOSPI beta 국고채 beta 섹터 spread beta liquidity beta

를 rolling/conditional 방식으로 추정하면 더 현실적인 portfolio risk model이 된다.

즉 AI 시스템의 다음 단계는 Expected Return Model만이 아니라 **Expected Beta / Liquidity Risk Model**도 같이 만드는 것이다.

데스크 적용 우선순위: ★★★★☆