FIXED INCOME / FIELD NOTES

Artificial intelligence, monetary policy and financial stability

각 기관의 AI가 정확해도 왜 금융시스템 전체 위험은 커질 수 있는가?

개별 기관의 AI가 더 정확해지면 시장도 자동으로 안정되는가? BIS는 모델의 독립 정확도와 참가자 간 행동상관이 다른 문제라고 본다. 여러 금융기관이 비슷한 모델·데이터·의사결정 규칙을 쓰면 같은 정보를 같은 방향으로 읽어 crowded trade와 동시 위험축소를 만들 수 있다.

위험축소가 동시에 시작되면 매도가 가격을 더 내리고, 낮아진 가격이 다시 risk gate를 건드리는 피드백이 생긴다. BIS는 레버리지와 팔기 어려운 자산이 이 조정을 더 크게 만들 수 있다고 설명한다. 유동성이 얕은 크레딧과 담보조달에 의존하는 포지션에서는 같은 신호의 중첩이 개별 예측오차보다 중요할 수 있다.

채권 모델 검증에는 예측오차 외에 공통요인 민감도와 강제매도 중첩을 넣어야 한다. 같은 volatility·momentum·liquidity 지표를 서로 다른 기관이 쓴다고 가정하고 듀레이션 축소, ETF 환매, 딜러 재고감축과 담보추가 요구가 한 시점에 모일 때 손실과 회복시간을 재생해야 한다.

SCOPEBIS 관리 연설이 제시한 잠재적 금융안정 경로다. 특정 AI 모델이나 시장의 동조화 계수를 추정한 실증연구가 아니며 인과효과를 확정하지 않는다.

Evidence & verification ↓

Sources & evidence

Original passages appear only when checked against the publication. Earlier briefing records are identified separately.

Artificial intelligence, monetary policy and financial stability2 primary · 0 archived +
F1 · PRIMARY RECORD

비슷한 모델·데이터·규칙은 금융기관의 해석과 행동을 같은 방향으로 모아 crowded trade나 동시 대출·위험선호 변화를 만들 수 있다.

ORIGINAL PASSAGE
creating crowded trades or synchronised changes in lending and risk appetite
Artificial intelligence, monetary policy and financial stability, delivered 21 October 2026, section Implications for the macroeconomy and financial stability, accessed 2026-10-31
F2 · PRIMARY RECORD

레버리지와 매각이 어려운 자산은 동시 위험축소의 시장조정을 더 크게 만들 수 있다.

ORIGINAL PASSAGE
Leverage and assets that are difficult to sell could intensify the adjustment
Artificial intelligence, monetary policy and financial stability, delivered 21 October 2026, herding paragraph, accessed 2026-10-31
Publication links ↑
Show the original briefing text

구분: BIS 공식 연설·AI 동조화와 채권시장 유동성 위험
발표일: 2026년 10월 21일

핵심 요약

BIS 원문은 금융기관이 비슷한 모델·데이터·의사결정 규칙을 쓰면 같은 정보를 같은 방향으로 해석해 crowded trade와 동시 위험축소를 만들 수 있다고 경고한다. 레버리지와 팔기 어려운 자산은 이런 동조화가 가격으로 번지는 폭을 키울 수 있다. 이는 실증 추정이 아니라 중앙은행의 금융안정 위험경로 제시다.

실무 시사점

개별 모델의 예측오차가 작아도 여러 기관이 같은 입력과 risk gate를 공유하면 시스템 위험은 커질 수 있다. 채권에서는 같은 금리·유동성 신호가 듀레이션 축소, ETF 환매, 딜러 재고감축과 담보추가 요구를 동시에 촉발하는지 봐야 한다. 모델 검증에는 독립 정확도뿐 아니라 공통요인 민감도와 강제매도 중첩을 넣어야 한다.

한국 시장 복제 아이디어

국채선물 외국인 포지션, 채권형 펀드 환매, 증권사 재고, 레포 haircuts와 호가공백을 분 단위로 정렬한다. 공통 volatility·momentum·liquidity 신호가 임계값을 넘은 날과 그렇지 않은 날의 동시 포지션 축소율, bid-ask, 가격충격과 회복시간을 비교하고 신호별 상관을 낮춘 ensemble risk gate가 tail loss를 줄이는지 검증한다.