문제는 이 자동화가 회사채·사모시장처럼 덜 유동적이고 OTC·분절된 시장으로 이동할 때다. 거래소 시장의 circuit breaker나 kill switch와 같은 보호장치가 동일하게 작동하지 않을 수 있고, 여러 agentic trading system이 상호작용하면 collusion이나 예측하기 어려운 systemic 피드백까지 나타날 수 있다고 경고한다.
편집 전 브리핑 원문 펼치기
구분: 국제기구·중앙은행 포럼 발표 · Tobias Adrian, ECB Forum on Central Banking
발표일: 2026년 6월 30일 · ECB 공식 자료 최근 공개
원문: ECB 공식 PDF
핵심 요약
Tobias Adrian은 이미 주식·FX·on-the-run sovereign bond 같은 유동성 높은 시장에서 상당한 거래가 모델과 ML 기반 알고리즘으로 이뤄지고 있다고 지적한다. 생성형 AI의 추가 효과는 반드시 “더 좋은 가격예측”이라기보다 전략 코딩·백테스트·배포 시간을 크게 줄여 자동화의 확산속도를 높이는 것이다.
문제는 이 자동화가 회사채·사모시장처럼 덜 유동적이고 OTC·분절된 시장으로 이동할 때다. 거래소 시장의 circuit breaker나 kill switch와 같은 보호장치가 동일하게 작동하지 않을 수 있고, 여러 agentic trading system이 상호작용하면 collusion이나 예측하기 어려운 systemic feedback까지 나타날 수 있다고 경고한다.
실무 시사점
이 자료의 핵심은 AI가 실행속도뿐 아니라 연구속도도 압축한다는 것이다.
과거:
아이디어 → 개발 → 백테스트 → 승인 → 배포 = 수주
AI 이후:
아이디어 → agent coding → 자동 backtest → production candidate = 수시간~수일
이 되면 경쟁우위도 빨리 생기지만 잘못된 모델 역시 더 빨리 시장에 투입된다.
따라서 자동화 정도가 올라갈수록 반드시 같이 강화해야 할 것이:
Champion–Challenger
kill switch
position/DV01 hard limit
data freshness check
model drift monitoring
이다.
채권시장 관점: 현물 회사채·RFQ처럼 중앙화되지 않은 시장은 exchange HFT의 리스크 통제를 그대로 복사할 수 없다. quote·fill·inventory 단위에서 별도의 safety architecture가 필요하다.
데스크 적용 우선순위: ★★★★★