채권 관점에서 중요한 흐름은 세 가지다. 첫째는 비정형 정보를 정형 factor로 변환하는 NLP/LLM, 둘째는 고차원 데이터를 이용한 수익·리스크 예측, 셋째는 AI 참가자 증가로 가격발견·crowding·시장안정성 자체가 변화하는 문제다.
편집 전 브리핑 원문 펼치기
구분: 연구 리뷰 · SSRN
발표일: 2026년 7월 10일
원문 링크: SSRN PDF
핵심 요약
이 논문은 금융에서 AI 연구가 단순히 “어떤 알고리즘이 더 정확한가”를 넘어 새로운 데이터, 시장행동 변화, 의사결정 자동화와 AI 자체가 시장을 바꾸는 문제로 이동하고 있다고 정리한다. 전통적인 asset pricing·banking·corporate finance뿐 아니라 LLM, alternative data와 AI agents가 금융 의사결정 구조를 어떻게 바꾸는지를 폭넓게 다룬다.
채권 관점에서 중요한 흐름은 세 가지다. 첫째는 비정형 정보를 정형 factor로 변환하는 NLP/LLM, 둘째는 고차원 데이터를 이용한 수익·리스크 예측, 셋째는 AI 참가자 증가로 가격발견·crowding·시장안정성 자체가 변화하는 문제다.
실무 시사점
앞으로 채권 AI를 평가할 때 모델을 세 층으로 분리하는 것이 유용하다.
Prediction AI
금리·spread·fair value 예측.
Decision AI
size·portfolio·execution·quote 결정.
Market AI
다른 알고리즘 참가자의 행동 때문에 시장구조 자체가 바뀌는 효과.
세 번째 층을 무시하면 백테스트에서는 좋은 모델인데 실제 투입 후 자신의 거래와 경쟁자 반응 때문에 알파가 사라지는 performative failure가 생길 수 있다.
따라서 production 모델에는 정확도 외에도 signal decay, capacity, market impact, crowding proxy를 표준 KPI로 넣는 편이 좋다.
데스크 적용 우선순위: ★★★★☆