AI는 채권 주문에서 무엇을 실제로 바꾸고 있을까. 자료는 포트폴리오 구성과 헤지 최적화에서 출발해 유동성 평가, routing, order slicing, 시장충격 추정과 결제 예외처리까지 이어지는 workflow를 제시한다. 한 은행에는 160개가 넘는 AI 적용 사례가 배포됐지만, 현재 adoption은 가격과 수량을 확정하는 핵심 의사결정과 여전히 거리를 둔다.
국채에서는 liquidity scoring과 outcome-based routing이 실행비용을 줄일 후보이고, MBS에서는 prepayment·extension risk와 convexity hedge가 중요한 입력이다. 그러나 여러 dealer가 같은 데이터·foundation model·vendor를 쓰면 변동성 확대 때 spread 확대, hedge와 유동성 철회가 같은 방향으로 몰릴 수 있다. 개별 모델의 정확도가 높아도 시장 전체의 capacity는 약해질 수 있다는 뜻이다.
운영통제는 model drift와 concentration을 감시하는 데서 끝나지 않는다. 독립 위험한도, human owner와 결정론적 kill switch가 agentic system 밖에 있어야 한다. 한국 desk의 shadow test도 정상일 평균 체결률뿐 아니라 데이터 단절·동시 주문폭주 때 override가 실제로 주문을 멈추고 복구하는 시간을 측정해야 한다.
SCOPETMPG 회의용 공식 발표자료와 한 은행의 운영사례다. 개별 모델의 label·가중치·실거래 P&L은 공개하지 않았고, 제시된 사용례가 시장 전체 adoption을 대표한다고 단정할 수 없다.
Evidence & verification ↓Sources & evidence
Original passages appear only when checked against the publication. Earlier briefing records are identified separately.
AI Adoption and the Treasury and Agency MBS Markets3 primary · 0 archived +
한 은행에는 160개가 넘는 AI 적용 솔루션이 배포돼 있다.
ORIGINAL PASSAGEOver 160 AI-enabled Solutions Deployed across the bankTMPG, AI Adoption and the Treasury and Agency MBS Markets, p.1, October 2026, accessed 2026-11-10Pre-trade와 execution 활용례에는 유동성 평가, outcome-based routing과 주문 분할이 포함된다.
ORIGINAL PASSAGELiquidity assessment, outcome-based routing and order slicingTMPG, AI Adoption and the Treasury and Agency MBS Markets, p.5, October 2026, accessed 2026-11-10위험통제 항목으로 결정론적 kill switch를 명시한다.
ORIGINAL PASSAGEDeterministic kill switchesTMPG, AI Adoption and the Treasury and Agency MBS Markets, p.6, October 2026, accessed 2026-11-10Show the original briefing text
구분: TMPG·뉴욕연은 발표자료 / 미국 국채·Agency MBS의 AI 실행과 통제
발표일: 2026년 10월
핵심 요약
TMPG·뉴욕연은 원문은 한 은행의 160개가 넘는 AI 적용 사례를 바탕으로 미국 국채와 agency MBS에서의 실제 도입 경로를 정리한다. 현재 활용은 포트폴리오 구성·헤지 최적화·유동성 평가·주문 분할·시장충격 추정·결제 예외 처리까지 넓어졌지만, 가격·수량을 결정하는 핵심 의사결정은 아직 사람의 통제에서 떨어져 있지 않다. 자료는 공통 모델·데이터·벤더가 동조적 포지션 축소를 만들 수 있으므로 drift 감시, 독립적인 위험한도와 결정론적 kill switch가 필요하다고 강조한다.
실무 시사점
채권 AI를 예측모형 하나로 보지 않고 pre-trade, execution, post-trade와 감시를 연결한 운영체계로 봐야 한다. fair value나 체결확률이 좋아져도 다수 기관이 같은 데이터와 모델을 쓰면 변동성 확대 때 유동성 철회가 동시에 일어날 수 있다. 따라서 routing·slicing 모델의 성능뿐 아니라 model drift, vendor concentration, override와 kill switch가 실제로 작동하는지 정기적으로 검증해야 한다.
한국 시장 복제 아이디어
국고채 현물·선물과 통안채 RFQ를 대상으로 유동성 점수, 체결확률, 예상 market impact를 산출하고 균등분할·기존 규칙·AI routing을 shadow 환경에서 비교한다. 정상일과 금통위·입찰·급격한 curve 이동일을 나눠 implementation shortfall, fill rate, adverse selection과 한도초과 건수를 측정하고, 데이터 단절·모델 drift·동시 주문폭주 시 kill switch와 human override의 복구시간도 함께 시험한다.