연구 결과 level과 volatility가 뚜렷이 다른 두 금리 regime이 식별됐고, single-regime model보다 curve fit이 개선됐다. 더 중요한 것은 회사채 금리 변화를 국채 할인곡선 변화와 credit compensation 변화로 분리할 수 있다는 점이다.
편집 전 브리핑 원문 펼치기
구분: 논문 · arXiv / 회사채 커브·Regime Model
발표일: 2026년 4월 28일
원문: arXiv 원문
핵심 요약
중국 국채 커브와 회사채 커브를 하나의 구조 안에서 동시에 평가하는 regime-switching generalized CIR 모델이다. 먼저 국채 zero curve에서 두 개의 금리 regime을 추정하고, 이후 회사채 금리를 risk-free discounting + rating migration/default credit factor로 분해한다. 2014~2025년 주간 데이터를 사용하며 Unscented Kalman Filter로 rate block과 credit block을 순차적으로 추정한다.
연구 결과 level과 volatility가 뚜렷이 다른 두 금리 regime이 식별됐고, single-regime model보다 curve fit이 개선됐다. 더 중요한 것은 회사채 금리 변화를 국채 할인곡선 변화와 credit compensation 변화로 분리할 수 있다는 점이다.
채권 트레이딩·리스크관리 시사점
이건 순수 AI 연구는 아니지만 ML 시스템의 state representation에 매우 유용하다.
회사채 스프레드가 10bp 벌어졌을 때 모델이 단순히
“크레딧 악화”
라고 판단하면 안 된다.
실제로는
국채 regime 이동
유동성 premiumrating/default premiumissuer-specific residual
로 분해해야 한다.
한국 시장에서는 최소한 다음 두 모델을 분리할 가치가 있다.
Rate Model: 국고 3/5/10/30년 + IRS + 선물
Credit Model: 등급·섹터·발행사·유동성·민평 괴리
그 후 ML이 예측해야 할 것은 전체 회사채 금리가 아니라 두 모델로 설명되지 않는 residual spread다.
이는 상대가치 모델의 S/N을 크게 개선할 수 있다.
데스크 적용 우선순위: ★★★★☆