기계학습을 이용한 회사채 발행금리 예측 (Forecasting Corporate Bond Yields with Machine Learning)

서지정보

· 발행기관 : 한국재무관리학회
· 수록지 정보 : 재무관리연구 / 40권 / 5호 / 213 ~ 243페이지
· 저자명 : 안지영, 임병권

초록

본 연구는 머신러닝 알고리즘을 이용하여 회사채 발행금리 예측의 유용성에 대해 고찰하였다. 구체적으로 회사채 특성과 함께 거시경제적 요인, 채권 및 주식시장 전반에 관한 정보와 함께 회사채 발행기업의 재무적 특성 등을 종합적으로 고려하여 회사채 스프레드에 영향을 미치는 요인을 규명한 후 발행금리 예측 모형을 설계하였다.
본 연구의 주요 분석결과를 요약하면 다음과 같다. 첫째, 회사채 발행금리 예측에는 신용등급, 신용스프레드, 장단기금리차, 기준금리, GDP 등이 주요한 예측 변수로 작용하는 것으로 나타난다. 또한, 최적의 예측 모델은 모델의 형태나 변수의 개수 그리고 표본의 크기 등에 따라 다양하여 분석 데이터셋에 따라 예측 모델의 성능이 달라짐이 확인된다. 이는 회사채 발행금리 예측에 있어 머신러닝 알고리즘의 활용이 유용하나, 데이터에 따라 최적 모형의 선택이 달라질 수 있음을 의미한다. 둘째, 본 연구에서는 데이터 기반의 예측 모형을 활용하는 경우 발행 실적이 상대적으로 저조한 ESG 채권 발행금리 예측에도 회사채 데이터 기반 모델이 유용하게 활용될 수 있음이 확인된다.
전체적으로 회사채 발행금리 예측에 있어 머신러닝 기법은 유용하게 활용될 수 있을 것으로 판단된다. 따라서 회사채 발행금리 결정에 있어 본 연구는 새로운 시각을 제공하며, 채권 발행기업과 투자자에게 유용한 정보를 제공할 수 있을 것으로 기대된다.

영어초록

This study analyzes the corporate bond yield spread predictability with machine learning methods (LASSO, Ridge, Elastic net). We consider comprehensive input variables such as bond characteristics, macroeconomic factors, bond and stock market, and financial factors of issuers. The major empirical findings are as follows. First, we find that credit ratings, credit spreads, interest rate spread, base rate, and GDP are critical factors in corporate bond yield spreads. In addition, the optimal prediction method varies depending on the model type, the number of variables, and the sample size. Second, we find that the predictive model with the general corporate bond yield spreads could be helpful in predicting ESG bond initial yield rates.
Overall, our findings show that machine learning for predicting corporate bond yield spread is more valuable than the traditional OLS method. Our evidence provides a new perspective in determining corporate bond rates and practical implications for improving useful information to the bond issuer or investors.

참고자료

· 없음