짧은 horizon에서는 direct-수익률 model이 slope 예측에서 상대적으로 강하고, horizon이 길어지면 factor approach가 경쟁력을 얻는다. 더 흥미로운 점은 random-walk가 통계적 loss에서는 강한 benchmark임에도 trading 모의실험에서는 macro-augmented slope model이 더 유용할 수 있었다는 것이다.
편집 전 브리핑 원문 펼치기
구분: 금리곡선 ML 연구
공개: 2026년 7월 28일 / arXiv 2608.07536
핵심 요약
이 연구는 미국 Treasury zero-coupon curve에 대해 각 tenor를 직접 예측하는 방식과 level/slope/curvature 같은 factor를 예측하는 방식을 같은 macro-information set에서 비교한다. OOS 기간은 2015~2025년이며, macro feature를 추가했을 때 예측 개선은 모든 곳에서 균일하게 나타나는 것이 아니라 특히 단기만기와 slope forecast에 집중됐다. arXiv 원문
짧은 horizon에서는 direct-yield model이 slope 예측에서 상대적으로 강하고, horizon이 길어지면 factor approach가 경쟁력을 얻는다. 더 흥미로운 점은 random-walk가 통계적 loss에서는 강한 benchmark임에도 trading simulation에서는 macro-augmented slope model이 더 유용할 수 있었다는 것이다.
채권 트레이딩 시사점
이 결과는 target을 이렇게 나눠야 한다는 뜻이다.
Directional duration model → level
Curve-RV model → slope / curvature
둘을 같은 model로 억지로 해결할 필요가 없다.
그리고 macro 정보는 모든 yield prediction에 동일하게 넣는 것보다 curve-specific signal로 쓰는 것이 더 효과적일 가능성이 있다.
예를 들어 CPI surprise가:
- 3Y +6bp
- 10Y +3bp
로 작동한다면, 방향성보다 3/10 flattening이 더 안정적인 target일 수 있다.
한국 시장 복제 아이디어
모델을 최소 세 개로 분리한다.
Level Model
→ parallel DV01
3/10 Slope Model
10/30 Slope Model
그 다음 각 모델에서:
- CPI
- 금통위
- 미국 금리
- USD/KRW
- 외국인 선물
- 국채 발행
feature의 incremental IC를 별도로 본다.
실무 적용 우선순위: ★★★★★