확장모형인 KR-Transfer는 미국 국채를 현물환·선물환으로 목표 통화의 ‘합성채권’으로 변환한 뒤 현지 국채와 공동 추정한다. 현지 채권 데이터가 부족한 만기에서는 기존 kernel 모형 대비 표본외 금리오차를 최대 44%, NSS 대비 68~87% 줄였으며, 현지 데이터가 충분한 구간에서는 기존 모형의 성능을 유지했다. 정보 개선은 주로 해당 만기의 FX forward가 존재할 때 나타나, 단순 통계적 전이가 아니라 교차통화 시장의 경제적 연결을 활용한다.
편집 전 브리핑 원문 펼치기
구분: 논문·SSRN 워킹페이퍼
작성일: 2026년 7월 6일
공개일: 2026년 7월 16일
원문 링크: SSRN 논문 · PDF
핵심 요약
미국 국채시장의 풍부한 가격정보를 다른 국가의 국채 할인곡선 구축에 이전하는 transfer learning 기반 커브 추정법을 제안한다. 먼저 경제적 평활성 제약이 포함된 kernel ridge regression으로 6개 주요국 국채 커브를 추정하고, 이를 중앙은행에서 널리 사용하는 Nelson–Siegel–Svensson 모형과 비교한다.
확장모형인 KR-Transfer는 미국 국채를 현물환·선물환으로 목표 통화의 ‘합성채권’으로 변환한 뒤 현지 국채와 공동 추정한다. 현지 채권 데이터가 부족한 만기에서는 기존 kernel 모형 대비 표본외 금리오차를 최대 44%, NSS 대비 68~87% 줄였으며, 현지 데이터가 충분한 구간에서는 기존 모형의 성능을 유지했다. 정보 개선은 주로 해당 만기의 FX forward가 존재할 때 나타나, 단순 통계적 전이가 아니라 교차통화 시장의 경제적 연결을 활용한다.
실무 시사점
채권 트레이딩: 원화 국고채의 비유동 만기나 장기구간 커브를 구축할 때 원화 데이터만 보간하지 않고, 미국 국채·원달러 FX swap·CRS 정보를 보조 신호로 활용할 수 있다.
상대가치: 현지 채권만 사용한 커브와 교차통화 정보가 포함된 커브의 차이는 글로벌 금리 전이, FX funding 또는 CIP 왜곡을 반영하는 상대가치 지표가 될 수 있다.
리스크관리: 부정확한 커브는 평가가격뿐 아니라 DV01, 포워드금리, 캐리와 롤다운을 동시에 왜곡한다. 가격 적합도와 함께 포워드커브의 안정성, 음의 할인율 같은 경제적 비정상 여부를 검증해야 한다.
한국 적용: 미국 국채를 원달러 FX forward와 CRS로 원화 합성채권화한 뒤 국고채·통안채 데이터와 공동 학습하는 실험이 가능하다. 다만 국내 외환시장의 유동성 시간대와 분기말 베이시스 왜곡은 별도로 통제해야 한다.
데스크 적용 우선순위: ★★★★★