표본 밖 데이터는 모델이 처음 보는 기간을 뜻한다. 두 정확도의 차이는 과적합 가능성을 살피게 하지만, 공개기사에는 변수·학습기간·비용·신뢰구간이 없어 65%를 독립 검증된 운용성과로 볼 수 없다. 방향을 맞힌 횟수도 큰 손실일의 크기와 DV01 손익을 말해주지 않는다.
국내에서는 10년 선물의 20거래일 뒤 방향을 라벨로 고정하고 로지스틱 회귀와 트리·신경망을 같은 확장창에서 비교한다. 확률 보정과 Brier score, 비용 후 DV01 손익을 함께 보고 50% 부근의 낮은 확신은 거래하지 않는 규칙까지 사전에 정한다.
편집 전 브리핑 원문 펼치기
구분: 주요 금융기관 머신러닝·미 국채 금리 방향예측
발표일: 2026년 9월 22일
핵심 요약
MarketWatch가 보도한 HSBC의 DUSTIN 모델은 미국 10년물 금리가 향후 21거래일 동안 상승할지 하락할지 확률로 예측한다. 보도에 따르면 학습에 쓰지 않은 데이터에서 방향 정확도는 65%, 학습표본에서는 76%였으며, 이 차이는 표본 밖 성능을 별도로 보아야 하는 이유를 보여준다. 다만 공개된 기사는 사용 변수·학습기간·거래비용·신뢰구간과 원 모델 문서를 제공하지 않으므로 65%를 독립 검증된 운용성과로 해석할 수 없다. 확인 가능한 사실은 은행이 월간에 가까운 금리방향을 확률분류 문제로 만들었다는 점이고, 포지션 크기와 P&L 연결 방식은 공개되지 않았다.
실무 시사점
금리 방향모델은 점예측보다 상승확률과 불확실성을 내보내야 포지션 한도와 연결하기 쉽다. 그러나 분류정확도만으로는 큰 손실일의 방향, DV01 손익, 회전율과 거래비용을 알 수 없으므로 확률 보정, Brier score, 체제별 손익과 최대낙폭을 함께 검증해야 한다.
한국 시장 복제 아이디어
국고채 10년·10년 선물의 20거래일 뒤 금리방향을 라벨로 만들고, 금리곡선·인플레이션·원/달러·외국인 선물·발행수급을 수신시점 기준으로 고정한다. 단순 로지스틱 회귀와 트리·신경망을 동일한 확장창에서 비교하고, 50% 부근의 낮은 확신은 거래하지 않으며 확률구간별 DV01 손익과 비용을 공개한다.