추경과 국고채 발행 속보를 LLM 이 공급 충격으로 읽으면 10년 국채선물이 그날 더 빠지는가 검증

가설과 결론

ECB 연구진은 LLM 으로 금융뉴스를 읽어 잠재 충격의 발생 가능성과 심각도를 따로 뽑는 지표(SPOT)를 만들었다. 한국 국채시장에서 가장 가까운 충격은 재정 쪽 공급이다. 추경이 편성되거나 적자국채가 늘면 국고채 물량이 늘고 금리가 오른다(선물 가격이 내린다). 앞선 실험은 추경을 발표일 단위로만 보았고, 기사 게시 분 단위로 가격이 얼마나 빨리 반응하는지는 재지 않았다. 이 실험은 그 반응이 비용을 넘는 매매 규칙이 되는지 묻는다.

사전등록 때 «gross +1 ~ +2틱, net1 0 ~ +1틱, 연 15 ~ 30건, 반응이 게시 앞에 있으면 0 근처» 를 예측했다. 결과는 gross +1.43틱, 연 11.6건으로 예측 범위의 낮은 쪽이다. 표본 전체로 비용을 겨우 넘고, 확인 구간에서는 비용 전부터 음이다.

용어와 기호

자료

데이터셋

표본과 거르기

LLM 이 매긴 유형은 추경 665, 시황 234, 기타 121, 국발계 80, 예산 72, 바이백 61, 세수 59, 재정준칙 44건이다. 새 정보(new = 1)로 본 비율은 27% 다. 2025-11 이전에는 개장이 09:00 이라 08:45 ~ 09:00 게시 기사는 게시 분 봉이 없어 빠졌다.

언제 무엇을 아는가

채점기는 호출 한 번에 기사 하나와 그 기사 앞 3일 안에 게시된 후보 제목만 받는다. 진입은 게시 분 다음 봉이 끝난 시각의 가격이므로 게시 뒤 최소 0초, 최대 1분 59초 뒤다. g_us 는 그날 한국 개장 전에 알려진 뉴욕 종가 기준 값만 쓴다. 남는 누설은 LLM 이 학습으로 아는 사후 사실(그 추경이 실제로 얼마였는지)이고, 한계 절에 적었다.

방법

절차는 다섯 단계다. (1) 1002 목록에서 후보 제목을 고른다. (2) 같은 제목을 1002 목록 API 에서 찾아 본문을 받는다. (3) 기사마다 LLM 을 한 번씩 불러 채점한다. (4) 점수로 규칙을 만들어 10선 1분봉에서 손익을 잰다. (5) 사전등록한 6가설을 월 블록 부트스트랩과 Holm 으로 검정하고, 기준선, 귀무, 격자, 실행 변형, 경로를 함께 낸다. 지시문은 사전등록 커밋에 md5 와 함께 고정했다.

모델

LLM 채점기

모델은 학습하지 않는다. 고정된 한국어 지시문(부록 C)이 «게시 시각에 서 있는 사람으로 읽고, 직전까지 시장이 알던 것과 비교해, 앞으로 12개월 국고채 순발행 기대가 얼마나 바뀌는지» 를 묻는다. 시황 기사는 new = 0, 다른 나라 국채나 회사채, 규모 정보 없는 정쟁 발언은 direction 0 으로 두라고 지시한다.

매매 규칙과 비교 규칙

결과

확증 결과

기준선과 귀무

무작위 날 귀무 평균이 양인 것은 거래가 몰린 해(2020, 2022, 2025)의 매도 쪽 흐름 때문이다. 공급 기사가 뜬 날을 같은 해의 아무 날과 바꿔도 손익이 더 좋다.

강건성 격자와 실행

• 진입 지연: S ≥ 0.2 종가 청산에서 0, +1, +5분 지연에 +0.43, +0.09, −0.35틱. 늦을수록 나빠진다.
• 청산: +30분 청산 +0.44틱, +60분 청산 −1.95틱.
• 지정가: 진입가 + 1틱 매도 지정가를 걸면 5분 안 체결률 56%(43건)이고 체결된 거래는 −1.67틱, 못 채운 34건은 시장가였다면 +4.35틱이다. 가격이 바로 빠지는 날일수록 지정가는 놓친다(역선택).
• 비용: 왕복 0.5, 1, 2틱에서 +0.93, +0.43, −0.57틱.

게시 전후 가격 경로

공급 증가 기사의 매도 쪽 움직임은 게시 전과 게시 뒤 10분에 반씩 나뉜다. 1분봉으로 진입하면 게시 뒤 첫 1분(+0.9틱)을 놓치고, 10분 뒤의 이익도 한 시간 안에 되돌아간다. 1002 게시는 시장보다 늦고, 남은 반응은 하루를 버티지 못한다.

점수와 손익의 관계

점수의 정보는 약하고 2021 ~ 2022 에 몰려 있다. 게시 분에 바로 들어가면 기울기가 커지는 것은 반응의 일부가 게시 직후 1분 안에 지나가기 때문이고, 1분봉으로는 그 자리를 잡을 수 없다.

탐색 결과

아래는 결과를 본 뒤 정한 것이라 판정에 쓰지 않는다.

• 집중: 주 규칙 77건의 중앙값 +3.0틱, 위아래 10% 를 자른 평균 +1.42틱, 가장 좋은 3건을 빼면 −2.28틱. 가장 큰 거래는 2022-04-25 인수위 추경 규모 예고(−99틱), 2020-04-22 3차 추경 공식화 시황 기사(+76틱), 2022-01-06 여당 추경 언급(+72틱)이다.
• 가능성과 크기 나누기: 가능성만 쓴 S_p(+0.00)와 크기만 쓴 S_d(+0.08)가 곱 S(+0.43)와 다르지 않다. SPOT 식으로 나눠도 이 문제에서 얻는 것이 없다.
• 유형: 주 규칙 77건 중 추경 66건(−0.58틱), 국발계 4건(+25.5), 세수 4건(−8.75), 예산 3건(+1.33). 국발계가 크지만 4건이다.

해석

LLM 은 재정 기사에서 공급 충격의 방향을 읽어 냈고, 같은 기사를 낱말 수로 센 점수보다는 덜 나빴다. 그러나 점수와 그날 10선 움직임의 관계는 약하고, 추경 경쟁이 치열했던 2021 ~ 2022 에만 있었다. 2024 뒤에는 같은 점수의 기사가 오히려 반대로 움직였다.

매매로 보면 세 가지가 겹친다. 첫째, 공급 소식은 1002 게시 전에 이미 절반쯤 가격에 들어간다. 정책 발표는 보도자료, 국회, 다른 매체를 통해 먼저 퍼진다. 둘째, 게시 뒤 남은 반응은 10분 안에 나오고 한 시간 안에 되돌아간다. 셋째, 문턱을 넘는 새 정보 기사가 연 12회뿐이다. 그래서 «재정 뉴스가 뜨면 10선을 판다» 는 규칙은 비용을 넘지 못한다.

한계

다음 실험

1. 공급 압력 지수: 기사 하나로 거래하지 않고 지난 5거래일 S 합을 날마다 계산해, 다음 날 10선 방향이나 3년과 10년 커브 기울기의 조건 변수로 쓴다. 날마다 값이 있어 빈도 문제가 없다. 미국 밤사이 금리, 외국인 수급, 금리 수준을 함께 넣어 증분을 잰다.
2. 게시보다 앞선 원천: 기재부 보도자료 게시 시각과 국회 일정(추경안 제출, 본회의 의결)을 사건 시각으로 써서 같은 매도 규칙을 다시 잰다. 날짜와 연도를 가린 본문으로 다시 채점해 LLM 학습 지식 누설도 점검한다.

산출물

• 계획(사전등록, 수정 절 포함)protocol.md
• 분석과 판정analysis.md
• 정본 런results/20261104T020117_main/
• 탐색 런results/20261104T020248_explore/
• 코드code/s0_candidates.py, s0_score.py, score_prompt.md, s1.py, s2_explore.py, render_figures.py

Appendix

A. 데이터셋 실물

정본 런 articles.csv 에서 무작위로 뽑은 여섯 행(본문은 싣지 않는다). 모두 S = 0 인데, 채점기가 시황, 되풀이, 규모 정보 없는 발언을 걸러 낸 예다.

표의 dir 은 direction, D 는 사전식 점수다. 둘째 행처럼 «추경» 을 여러 번 쓴 기사는 D 가 크지만 새 정보가 없다. 사전식 규칙이 진 까닭이 이것이다.

B. 모델 입출력 실물

거래가 난 기사 하나(2020-06-03 10:00). 본문 829자는 저작권 때문에 싣지 않는다.

C. 실험 설정