Front-End Rates and Long-End Relative Value in the U.S. Treasury Curve
본 논문은 단기 금리를 조건부 참조치로 사용하는 것이 장기 국채 상대 가치 전략의 예측 정확도와 위험 조정 성과를 유의미하게 향상시킨다는 점을 입증하며, 이를 통해 단기 금리 조건부 커브 선택과 방향성 듀레이션이 별개의 포트폴리오 결정임을 확립한다.
원본 논문은 CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/) 라이선스로 제공됩니다. 이것은 아래 논문에 대한 AI 생성 설명입니다. 저자가 작성하거나 승인한 것이 아닙니다. 기술적 정확성을 위해서는 원본 논문을 참조하세요. 전체 면책 조항 읽기
정부 채권의 세계는 종종 글로벌 금융 시스템의 근간, 즉 모두를 위한 돈의 가격이 결정되는 곳으로 묘사됩니다. 그 중심에는 서로 다른 기간 동안 정부가 자금을 빌릴 때 지불하는 이자율을 연결하는 선인 수익률 곡선이 있습니다. 보통 30년 만기 차입 비용은 2년 만기보다 높기 때문에 위로 향하는 경사를 가진 선을 형성합니다. 하지만 때때로 이 선은 평탄해지거나 심지로 반대 방향으로 기울어지기도 하는데, 이는 경제가 둔화될 수 있거나 투자자들이 미래에 대해 우려하고 있다는 신호를 보냅니다. 거대한 자금 풀을 관리하는 사람들에게 이 선이 정상적으로 움직이고 있는지 아니면 비정상적인지는 일상적인 필수 과제입니다. 그들은 평탄한 선이 일시적인 결함인지 아니면 더 깊은 변화의 징후인지 알아내야 하며, 선이 더 가팔라질지 혹은 더 완만해질지에 베팅할지 결정해야 합니다. 문제는 이 선들이 중앙은행의 정책, 정부의 부채 발행량, 그리고 시장의 전반적인 분위기 등 많은 힘에 의해 동시에 영향을 받는다는 점입니다. 정상적인 변동과 진정한 기회를 구별하기 위해서는 움직이는 목표물에 맞서 곡선을 측정할 방법이 필요합니다.
GARCH 연구소의 푸리 양(Fuli Yang)과 징 황(Jing Huang)이 이끄는 연구진은 이 복잡한 시스템 내의 특정 퍼즐을 해결하고자 했습니다. 그들은 단기 금리의 움직임이 장기 곡선의 끝단, 구체적으로 10년물과 30년물 채권 사이의 격차를 예측하는 데 신뢰할 수 있는 가이드 역할을 할 수 있는지 알고 싶었습니다. 2026년 말에 발표된 그들의 연구는 '스티프너(steepener)'라고 불리는 전략에 초점을 맞추고 있는데, 이는 장기 금리 간의 격차가 넓어질 것에 거는 베팅입니다. 연구진은 다음과 같은 단순하지만 어려운 질문을 던졌습니다. 만약 장기 곡선이 단기 금리가 시사하는 바에 비해 비정상적으로 평탄해 보인다면, 이 평탄함이 미래의 조정을 예측할 수 있는가? 즉, 오늘 선이 너무 평탄해 보인다면 내일 자연스럽게 다시 가팔라질 것인가, 그리고 투자자는 전체 시장이 한 방향으로 움직이는 데 따르는 막대한 위험을 감수하지 않고도 그 움직임으로부터 수익을 낼 수 있는가?
이를 위해 연구팀은 2015년부터 2026년까지의 미국 국채 공공 데이터를 수십 년간 조사했습니다. 그들은 현재의 단기 금리 수준을 사용하여 장기 곡선이 어떠해야 하는지에 대한 '기준(reference)'을 만드는 모델을 구축했습니다. 온도에 따라 매일 눈금을 조정하는 자를 상상해 보십시오. 이것이 본질적으로 그들이 이자율 곡선에 수행한 작업입니다. 그들은 실제 시장 금리와 이 일일 조정 기준 사이의 차이, 즉 '갭(gap)'을 측정했습니다. 실제 곡선이 기준보다 더 평탄할 때, 그들은 이를 양(+)의 갭이라고 불렀습니다. 그런 다음 10년물과 30년물 채권 사이의 스프레드가 향후 20 거래일 동안 어떻게 변하는지 추적하여 시장이 스스로를 교정하는 경향이 있는지 확인했습니다.
결과는 이 조건부 기준이 실제로 강력한 도구임을 보여주었습니다. 연구진이 단기 금리를 사용하여 벤치마크를 설정했을 때, 장기 곡선의 미래 움직임을 예측하는 능력이 크게 향상되었습니다. 구체적으로, 그들의 모델은 단순히 갭이 일정하게 유지될 것이라고 가정했을 때보다 평균 예측 오차를 거의 3.5% 줄였습니다. 이러한 개선은 우연이 아니었습니다. 이는 다양한 금리 계산 방식을 테스트하고 다양한 기간에 걸쳐 검증했을 때도 유지되었습니다. 그러나 신호의 강도는 다양했습니다. 모델은 2021년 이후의 기간에 가장 잘 작동했으며, 2015년에서 2019년 사이의 기간에는 예측력이 약했습니다. 이는 단기 금리와 장기 곡선 사이의 관계가 고정되어 있지 않으며, 경제 환경과 정부의 부채 발행량에 따라 변화함을 시사합니다.
연구진은 예측에서 실행으로 넘어가, 실제 투자자가 이 정보를 어떻게 사용할 수 있는지 테스트했습니다. 그들은 10년물 채권을 매수하고 3자 30년물 채권을 동일한 금액만큼 매도하는 '스티프너' 전략을 단순히 대량의 2년물 채권을 매수하는 것과 비교했습니다. 목표는 스티프너가 이자율의 전체적인 방향에 베팅할 때 발생하는 거대한 변동성을 피하면서, 곡선이 스스로 교정되는 과정에서 발생하는 수익을 포착할 수 있는지 확인하는 것이었습니다. 데이터에 따르면 스티프너는 매우 안정적이었습니다. 시장이 베팅에 불리하게 움직였을 때, 스티프너는 채권 직접 매수보다 훨씬 적은 손실을 보았습니다. 예를 들어, 이자율이 상승했을 때 스티프너는 평균적으로 1 베이시스 포인트 미만의 손실을 본 반면, 2년물 채권은 거의 13 베이시스 포인트를 잃었습니다. 이러한 낮은 시장 민감도는 투자자가 시장의 랠리나 폭락의 전체적인 힘에 노출되지 않고도 곡선의 형태에 대한 견해를 표명할 수 있도록 보호 기능을 제공했습니다.
결정적으로, 연구는 이 보호 기능이 실질적이고 양(+)의 수익을 동반한다는 것을 발견했습니다. 연구진이 갭이 양(+)일 때, 즉 곡선이 예상보다 더 평탄할 때만을 살펴보았을 때, 스티프너 전략은 위험 단위당 평균 약 0.72 베이시스 포인트의 수익을 창출했습니다. 이 수익은 거래 자금을 조달하기 위한 차입 비용과 채권 매매 수수료를 모두 고려한 후에도 유지되었습니다. 또한 연구진은 예정된 정부 채권 입찰과 같은 알려진 미래 사건들이 그들의 결과를 설명해 버릴 수 있는지 확인했습니다. 그들은 정부가 판매할 계획인 부채 규모를 고려하더라도, 단기 금리와 곡선의 조정 사이의 관계가 여전히 강력하다는 것을 발견했습니다. 이는 해당 신호가 단순히 알려진 수급의 반영이 아니라, 활용 가능한 진정한 시장 비효율성임을 나타냈습니다.
또한 이 연구는 타이밍과 사용된 데이터 유형의 중요성을 강조했습니다. 연구진은 가장 최신의, 지속적으로 업데이트되는 이자율 데이터를 사용할 때 신호가 가장 강력하다는 것을 발견했습니다. 정보를 단 몇 일이라도 늦게 사용하면 모델의 예측력이 떨어졌습니다. 이는 시장이 단기 금리에 관한 새로운 정보에 빠르게 반응하며, 투자자들이 기회를 포착하기 위해 민첩해야 함을 시사합니다. 나아가 연구는 전체적인 전략은 타당하지만, 그 성과가 모든 해에 균일하지는 않다는 것을 보여주었습니다. 수익은 연구 기간 중 후반부, 특히 2022년 이후에 집중되었으며, 이는 이 전략이 작동하기 위해 필요한 조건이 항상 존재하는 것은 아님을 시사합니다.
결론적으로, 양과 황의 연구는 국채 곡선의 긴 쪽(long end)을 항해하기 위한 명확하고 데이터에 기반한 지도를 제공합니다. 이는 곡선의 앞단(front end), 즉 단기 금리가 장기 곡선을 위한 신뢰할 수 있는 나침반 역할을 할 수 있음을 입증합니다. 이 나침반을 사용함으로써 투자자들은 장기 곡선이 비정상적으로 평탄해지는 시점을 식별하고, 그 교정으로부터 수익을 얻기 위해 포지션을 잡을 수 있습니다. 더 중요한 것은, 그들이 전체 시장의 방향에 베팅하는 것보다 훨씬 적은 위험을 감수하면서 이를 수행할 수 있다는 점입니다. 이 연구는 상대 가치 투자(relative value investing)가 단순히 저렴한 채권을 찾는 것이 아니라, 곡선의 서로 다른 부분 간의 관계를 이해하고 그 이해를 바탕으로 시장 충격에 회복 탄력성이 있는 포트폴리오를 구축하는 것임을 확인시켜 줍니다. 이 결과는 곡선 교정의 신호와 일반적인 시장 변동성의 소음을 구분할 수 있는 실질적인 프레임워크를 제공하여, 투자자들에게 복잡한 정부 부채의 세계를 헤쳐 나갈 수 있는 더 명확한 경로를 제시합니다.
연구 분야의 논문에 파묻히고 계신가요?
연구 키워드에 맞는 최신 논문의 일일 다이제스트를 받아보세요 — 기술 요약 포함, 당신의 언어로.