연구는 Orbis 재무제표, AnaCredit 익스포저, 2023년 EU 스트레스 시나리오를 연결한다. 충격을 모든 기업에 똑같이 주지 않고 재무구조와 산업에 따라 다르게 배분한 뒤, 대출 익스포저를 따라 은행 위험으로 전파해 꼬리위험이 큰 은행을 찾는다. 공개 결과는 해당 표본과 시나리오의 결과이므로 한국 시장에서 재현 검증이 필요하다.
회사채 포트폴리오에도 같은 구조를 적용할 수 있다. 발행사 PD를 채권 잔액과 보유기관 그래프에 연결하고, 금리 상승·이익률 하락·차환스프레드 확대를 동시에 충격으로 주면 평균 예상손실뿐 아니라 특정 그룹과 기관에 집중된 비선형 손실을 확인할 수 있다.
편집 전 브리핑 원문 펼치기
구분: 중앙은행 워킹페이퍼 · 머신러닝 신용위험 · 스트레스 테스트
발표일: 2026년 8월 24일
열람일: 2026년 9월 18일
핵심 요약
ECB 워킹페이퍼는 유럽 비금융기업의 Orbis 재무제표와 AnaCredit 은행 익스포저를 결합해 랜덤포레스트로 부도확률(PD)을 추정한다. ECB 원문은 랜덤포레스트가 로짓보다 예측력이 높고, 금리 상승과 총부가가치 성장 둔화가 일정 강도를 넘을 때 나타나는 비선형 PD 반응을 더 민감하게 포착한다고 보고한다.
연구는 변수 중요도로 충격 대상을 정하고 2023년 EU 스트레스 시나리오를 기업별 재무구조에 따라 이질적으로 배분한 뒤, 은행–기업 이분 네트워크의 대출 익스포저를 통해 은행 위험으로 전파한다. 랜덤포레스트 기반 지표는 평균은행뿐 아니라 꼬리위험이 큰 은행을 식별하는 데 강점이 있었지만, 이는 연구 표본과 시나리오 안의 결과이며 다른 시장에서의 성과를 보장하지 않는다.
채권 트레이딩·리스크관리 시사점
신용 스프레드 모델은 평균적인 PD만 맞히는 것보다 금리·매출 충격이 임계점을 넘을 때 손실이 급증하는 비선형성을 잡아야 한다. 발행사 PD를 보유채권의 EAD, 담보·회수율, 동일 그룹 및 금융기관 연결망과 결합하면 종목 선별과 포트폴리오 스트레스가 같은 상태변수를 공유할 수 있다.
한국 시장 복제 아이디어
KIS·NICE 등급 이력, 재무제표, 회사채 잔액, 은행·증권사 익스포저를 발행사–보유기관 그래프로 구성한다. 로짓과 랜덤포레스트를 동일 시점분할로 비교하고, 금리 +100bp·영업이익률 하락·차환스프레드 확대를 기업별로 적용해 PD와 포트폴리오 예상손실의 비선형 변화를 측정한다.