흥미로운 결과는 XGBoost가 단순 시계열 모델을 일관되게 이기지 못한다는 것이다. Svensson factor에서는 ARIMA가 XGBoost보다 우수했고, 더 단순한 Nelson-Siegel에서는 둘의 성능이 거의 같았다. 예측오차는 horizon 자체보다 국채 입찰·syndication·ECB 금리결정 같은 이벤트 주변에서 크게 변했다.
편집 전 브리핑 원문 펼치기
구분: 논문 · SSRN Working Paper
작성일: 2026년 7월 23일
SSRN 게시: 2026년 8월 5일
원문: SSRN 원문.
핵심 요약
EU가 2020년 이후 대규모 공동채권 발행을 확대하면서 형성된 EU-Bond yield curve를 처음으로 본격 예측한 연구다. 저자들은 2024년 일별 금리로 Nelson-Siegel과 Svensson 커브를 추정하고, 2025년 1월을 대상으로 ARIMA와 XGBoost의 recursive out-of-sample forecasting을 비교했다.
흥미로운 결과는 XGBoost가 단순 시계열 모델을 일관되게 이기지 못한다는 것이다. Svensson factor에서는 ARIMA가 XGBoost보다 우수했고, 더 단순한 Nelson-Siegel에서는 둘의 성능이 거의 같았다. 예측오차는 horizon 자체보다 국채 입찰·syndication·ECB 금리결정 같은 이벤트 주변에서 크게 변했다.
실무 시사점
금리 트레이딩: “ML 모델 하나로 커브를 예측한다”보다 curve state + event state를 분리하는 편이 중요하다. 정상일에는 단순 factor dynamics가 충분하지만 입찰·금통위 같은 날에는 별도 event model이 필요하다는 해석이 가능하다.
한국에서는 이를 바로 다음처럼 구현할 수 있다.
Nelson-Siegel/PCA baseline
→ 일반일 dynamics
+
국고채 입찰 / 국발계 / 금통위 / 교환 / 바이백
→ event adjustment
즉 30년 입찰 전날과 아무 이벤트 없는 날을 동일한 10/30 시계열 모델로 예측하지 않는 것이다.
시장미시구조: 입찰일 예측오차가 커진다는 것은 단순 yield factor에 포착되지 않는 dealer inventory·concession·수급정보가 있다는 뜻이다. 한국에서는 이 부분에 응찰률, 예상 발행량, 선물 basis, 외국인 수급을 추가할 가치가 있다.
데스크 적용 우선순위: ★★★★★