FIXED INCOME / FIELD NOTES

호가 비용 외에 신호를 놓치는 거래 지연을 계산하다

회사채 예측 수익은 실제로 얼마나 획득 가능한가?

회사채에서 매수 신호가 나왔어도 곧바로 원하는 수량을 거래하지 못할 수 있다. 기다리는 동안 가격이 움직이면 좋은 예측의 이익을 놓친다. 이 연구는 매수·매도 호가 차이 외에 이런 체결 지연 비용을 포함해 머신러닝 전략의 실행 가능한 수익을 평가한다.

341개 회사채 팩터와 여러 모델의 수익을 실제 호가 및 거래 지연으로 다시 계산한다. 기록은 비용 전에는 다수 전략이 시장을 이겼지만 두 마찰을 함께 넣으면 채권 CAPM 알파가 대부분 영이나 음수로 내려갔다고 소개한다. 알파는 사용한 기준 위험모형으로 설명되지 않는 추가 수익이다.

예측 가능한 수익과 얻을 수 있는 수익이 다르다는 비교다. 신호가 약해지기 전에 거래해야 하지만 유동성이 낮으면 비용과 지연이 동시에 커질 수 있다. 결과는 선택한 체결 규칙과 표본에 걸려 있다. 국내에서도 호가만 차감한 백테스트와 실제 대기시간·수량을 적용한 결과를 나눠야 손익의 현실성을 확인할 수 있다.

SCOPE특정 팩터와 체결 규칙의 비교이며 모든 채권전략의 알파가 없다는 일반 결론은 아니다. 이 설명의 근거는 이전 브리핑 기록이며 원문 전체를 다시 검증한 결과가 아니다.

Evidence & verification ↓

Sources & evidence

Original passages appear only when checked against the publication. Earlier briefing records are identified separately.

호가 비용 외에 신호를 놓치는 거래 지연을 계산하다0 primary · 8 archived +
EARLIER BRIEFING RECORD

These 8 records come from the earlier briefing, not a newly verified original publication. They are retained in the original briefing below; no primary-source quotation is shown.

Read the earlier record ↓
Publication links ↑
Show the original briefing text

구분: 논문·SSRN 워킹페이퍼
SSRN 공개일: 2025년 7월 9일
원문 기준일: 2024년 11월 12일
원문 링크: SSRN 논문 · 연구자 페이지 · ABFER PDF

핵심 요약

거래가 드문 회사채에서 머신러닝 전략의 성과를 평가할 때 bid–ask만 차감하는 기존 접근의 문제를 지적한다. 원하는 시점에 거래가 체결되지 않으면 더 좋은 호가를 기다리는 대신 신호가 사라지거나 포지션 진입 자체를 놓치는 execution delay cost가 발생한다.

연구진은 341개 회사채 팩터와 여러 머신러닝 모델을 사용해 거래지연과 실제 호가를 반영한 실행수익률을 계산했다. 거래비용 전에는 다수 전략이 시장을 이겼지만, bid–ask와 체결지연을 함께 반영하면 최신 ML 전략의 bond CAPM 알파가 대부분 0 또는 음수로 낮아진다고 보고한다. 핵심은 회사채에서 예측 가능한 수익률과 실제로 획득 가능한 수익률이 크게 다를 수 있다는 점이다.

실무 시사점

트레이딩: 종가나 민평가격으로 즉시 체결된다고 가정하는 백테스트는 회사채 알파를 과대평가한다. 신호 발생 이후 실제 첫 거래까지의 시간과 그사이 발생한 가격변화를 포함해야 한다.

시장미시구조: 거래를 서두르면 넓은 스프레드를 부담하고, 기다리면 알파가 감쇠한다. 따라서 최적 실행은 즉시체결 비용과 대기 중 신호 손실의 균형 문제다.

리스크관리: 모델이 추천한 종목을 매수하지 못한 경우를 단순 결측으로 제거하면 안 된다. 미체결 자체가 해당 전략의 경제적 성과에 포함돼야 한다.

한국 적용: 회사채 백테스트에서 민평가 체결을 금지하고, 실제 체결일·거래량·매수 가능 수량을 기준으로 진입을 지연시키는 실행 시뮬레이터가 필요하다.

선정 사유: 오늘 자료 중 발표 시점은 가장 오래됐지만, 전일 브리핑과 중복되지 않으며 회사채 AI 모델의 실현 가능성을 검증하는 데 직접적인 경고를 제공하는 연구여서 포함했다.

데스크 적용 우선순위: ★★★★★