편집 전 브리핑 원문 펼치기
구분: 논문 · arXiv / 금리·ML
발표일: 2026년 7월 27일
원문: arXiv 원문
핵심 요약
미국 Treasury zero-coupon curve를 대상으로 만기별 금리를 직접 예측하는 direct-yield 방식과 Dynamic Nelson-Siegel/Svensson factor를 예측하는 방식을 동일한 고차원 거시정보 아래 비교한다. 2015~2025년 OOS 결과, random walk 대비 개선은 모든 금리에서 균등하게 나오지 않고 단기구간과 slope 예측에 집중됐다. 특히 거시변수를 추가했을 때 slope 예측력이 가장 뚜렷하게 향상됐고, 단기 horizon에서는 direct-yield 방식, longer horizon 및 belly/long end에서는 factor 방식의 상대적 경쟁력이 높았다. 통계적 RMSE와 실제 trading value도 반드시 일치하지 않아, 저자는 duration·slope trading simulation을 별도로 평가했다.
실무 시사점
이 연구에서 가장 중요한 부분은 “커브 전체를 잘 맞히는 모델”보다 “내가 실제 거래하는 spread를 잘 맞히는 모델”이 더 가치 있을 수 있다는 점이다. 특히 3/10·10/30 같은 slope trade를 한다면 전체 국고채 curve를 하나의 loss로 학습하기보다 3Y, 10Y, 30Y, 3-10, 10-30을 별도 target으로 두고 경제적 loss를 적용할 가치가 있다.
또 하나 중요한 결과는 Nelson-Siegel/Svensson을 더 정교하게 calibration해 in-sample fit을 개선해도 OOS 예측력은 오히려 좋아지지 않았다는 것이다. 즉 커브 모델에서는 매일 cross-section을 완벽하게 맞히는 것보다 factor definition이 안정적인 편이 forecasting에 유리할 수 있다.
한국 적용: 국고 3/5/10/20/30Y → PCA/DNS baseline과 3Y/10Y/30Y direct LightGBM을 동시에 구축한 뒤, RMSE가 아니라 DV01-neutral 3/10·10/30 P&L로 비교하는 실험을 추천한다.
데스크 적용 우선순위: ★★★★★