기업의 부도확률만으로 은행의 손실을 알 수는 없다. 어느 은행이 얼마나 빌려줬는지도 필요하다. ECB는 Orbis 기업재무와 AnaCredit 대출자료를 결합해 랜덤포레스트로 부도확률을 추정하고 기존 로짓과 비교한다.
랜덤포레스트는 금리상승과 성장둔화가 일정 강도를 넘을 때의 비선형 반응을 더 민감하게 포착했다. 연구는 2023년 EU 스트레스 시나리오를 기업 재무구조별로 다르게 배분했다. 같은 거시충격에도 기업별 상환능력의 반응이 다르다는 조건이다.
기업과 은행의 대출망을 통해 위험을 합산해 평균은행과 위험분포의 상단에 있는 일부 은행을 비교한다. 새로운 모형은 후자를 식별하는 데 강점이 있었다. 시나리오 안의 결과이며 실제 손실을 관측한 예측은 아니다. 국내에서는 익스포저·회수조건·그룹 중복을 연결한 재평가가 필요하다.
SCOPE유럽 표본과 특정 시나리오의 연구다. 실제 국내 손실과 예측우위를 보장하지 않는다.
Evidence & verification ↓Sources & evidence
Original passages appear only when checked against the publication. Earlier briefing records are identified separately.
부도확률과 은행·기업 연결망0 primary · 3 archived +
These 3 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: 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.