유동성 높은 시장에서는 이미 모형과 기계학습 기반 거래가 상당 부분 이루어진다고 설명된다. 생성형 AI의 추가 효과로는 예측 정확도뿐 아니라 전략 코딩, 모의검증, 배포의 시간이 줄어드는 변화가 제시된다. 더 많은 전략이 더 빨리 자동화될 수 있다는 운영 경로다.
이 자동화가 회사채와 사모시장 등 거래가 드물고 분절된 장외시장으로 옮겨가면 실행 환경이 달라진다. 거래소의 거래 중단이나 주문 차단 같은 보호장치가 같은 방식으로 작동하지 않을 수 있다. 시장별 구조가 다르다는 조건이 위험 논의의 중요한 부분이다.
여러 AI 거래시스템이 상호작용할 때 공모나 예측하기 어려운 되먹임이 생길 수 있다는 경고도 기록돼 있다. 이는 발생한 사건의 효과를 추정한 실증 결과가 아니다. 국내에서 참고할 것은 거래소에서 검증한 자동화의 보호 규칙을 장외채권에 그대로 옮길 수 있는지 따로 점검하는 질문이다.
SCOPE금융안정 위험 판단의 보존 기록이다. AI 간 공모가 입증됐거나 구체적인 위기 확률이 측정된 것은 아니다.
Evidence & verification ↓Sources & evidence
Original passages appear only when checked against the publication. Earlier briefing records are identified separately.
Artificial Intelligence and Financial Stability0 primary · 2 archived +
These 2 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 ↓Show the original briefing text
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: ★★★★★