금융 대시보드는 종종 가격에서 시작합니다. 하지만 더 유용한 리스크 시스템은 상태 (states)에서 시작합니다.

브라질 포트폴리오의 경우, 목표는 Ibovespa나 USD/BRL에 대해 하나의 확신 있는 예측을 내놓는 모델을 구축하는 것이 아니어야 합니다. 목표는 해당 자산들이 작동하고 있는 환경을 식별하는 것이어야 합니다.

실용적인 국면 탐지 (regime-detection) 파이프라인은 금리 (interest rates), 인플레이션 (inflation), 통화 (currency), 원자재 (commodities), 그리고 시장 유동성 (market liquidity)이라는 다섯 가지 데이터 블록을 중심으로 구성될 수 있습니다.

1. 금리 블록 구축

현재 Selic 목표 금리는 14.25%이지만, 시스템이 정책 금리만을 저장해서는 안 됩니다.

DI 선물 곡선 (DI futures curve), 인플레이션 기대치 (inflation expectations), 명목 국채 수익률 (nominal government-bond yields), 그리고 추정 실질 금리 (estimated real rates)도 함께 수집해야 합니다. 그 후 곡선은 수준 (level), 기울기 (slope), 곡률 (curvature) 특징 (features)을 통해 표현될 수 있습니다.

간단한 특징 집합 (feature set)은 다음과 같을 수 있습니다:

rate_features = {
"selic": current_selic,
"front_end_slope": di_1y - selic,
"long_end_slope": di_5y - di_1y,
"expected_real_rate": di_2y - expected_inflation,
"curve_volatility": rolling_std(di_curve_changes)
}

모델은 수익률의 평행 이동 하락 (parallel fall in yields)과, 단기 수익률은 하락하는 반면 장기 수익률은 상승하는 스티프닝 (steepening) 이벤트 사이를 구분할 수 있어야 합니다.

이 두 가지 조건은 신용 (credit), 가치 평가 (valuation), 그리고 포트폴리오 듀레이션 (portfolio duration)에 매우 다른 시사점을 줄 수 있습니다.

2. 인플레이션 구조의 보존

6월 IPCA-15는 0.41% 상승했으며, 12개월 측정치는 4.80%를 기록했습니다.

취약한 데이터 파이프라인은 이 두 수치만을 저장할 것입니다.

더 강력한 시스템은 식품, 주거, 에너지, 서비스, 규제 가격 및 운송과 같은 카테고리 수준의 정보를 보존할 것입니다. 또한 확산 (diffusion), 수정 (revisions), 그리고 실제 인플레이션과 시장 기대치 사이의 간극도 기록할 것입니다.

시스템은 모든 인플레이션 상승이 동일한 지속성을 가진다고 가정해서는 안 됩니다.

규제된 전기 요금 조정, 식량 공급 충격, 그리고 광범위한 서비스 물가 상승은 서로 다른 인과 그룹에 속합니다. 이들이 동일한 모델 가중치를 받아서는 안 됩니다.

1. 통화를 다중 동인 변수로 취급하기

공식 달러 기준 환율은 6월 마감 기준으로 R$5.18 근처였습니다.

USD/BRL을 셀릭 금리(Selic rate)만의 직접적인 함수로 모델링해서는 안 됩니다. 통화는 또한 글로벌 달러 주기, 원자재 가격, 재정 기대치, 국제 위험 선호도 및 헤지 수요에도 반응합니다.

유용한 파이프라인은 별도의 동인 점수(driver scores)를 생성할 수 있습니다:

currency_state = weighted_score(
carry_signal,
global_dollar_signal,
commodity_signal,
fiscal_risk_signal,
foreign_flow_signal)

이 점수의 목적은 정확한 환율을 예측하는 것이 아닙니다.

현재 통화 체제를 지배하는 힘이 무엇인지, 그리고 그 지배가 안정적인지 여부를 파악하는 것입니다.

1. 원자재 노출도를 국내 경제와 분리하기

브라질 자산은 종종 석유, 철광석 및 농산물 가격에 반응하지만, 그 관계는 균일하지 않습니다.

원자재 수출업체는 더 강한 외부 가격으로부터 이익을 얻을 수 있는 반면, 국내 소비자는 연료, 식량 및 인플레이션 기대치를 통해 다른 영향을 받습니다.

따라서 데이터 계층은 원자재 가격, 교역 조건(terms of trade), 수출 물량 및 회사별 노출도를 분리해야 합니다.

광범위한 “원자재 상승” 특징만으로는 포트폴리오 리스크 분석에 너무 거칠습니다.

1. 유동성 및 참여도 측정하기

이보베스파(Ibovespa)는 7월 1일 장 마감 기준으로 171,689 포인트 근처였습니다. 지수 수준만으로는 시장 참여가 건강한지 여부를 보여줄 수 없습니다.

유동성 블록에는 거래량, 폭넓은 범위(breadth), 매도-매수 스프레드(bid-ask spreads), 외국인 자금 흐름, 집중도 및 현물과 선물 거래 간의 관계가 포함되어야 합니다.

여러 부문이 지지하는 시장 상승세는 소수의 대기업에 의해 발생한 상승세와 다릅니다.

마찬가지로, 유동성이 사라지는 가운데 발생하는 소폭의 하락은 규모는 더 크지만 질서 정연하게 이루어지는 조정보다 더 큰 리스크를 나타낼 수 있습니다.

특징(Features)에서 국면(Regimes)으로

다섯 가지 블록이 표준화되면, 시스템은 클러스터링 (Clustering), 은닉 마르코프 모델 (Hidden Markov Models) 또는 지도 학습 분류 (Supervised Classification)를 사용하여 국면을 식별할 수 있습니다.

가능한 레이블(Labels)에는 다음과 같은 것들이 포함될 수 있습니다:

DOMESTIC_EASING (국내 완화)
LONG_END_STRESS (장기 종료 스트레스)
CURRENCY_PRESSURE (통화 압박)
COMMODITY_SUPPORT (원자재 지지)
LIQUIDITY_CONTRACTION (유동성 수축)
MIXED_OR_UNCERTAIN (혼합 또는 불확실)

최종 레이블에는 항상 신뢰도 점수 (Confidence Score)가 포함되어야 합니다.

금리 모델이 완화를 신호하는 반면 통화 및 인플레이션 모델이 스트레스를 신호한다면, 시스템은 단순한 답을 강요해서는 안 됩니다. 대신 해당 환경을 '혼합(Mixed)'으로 분류하고 불확실성을 높여야 합니다.

모델 실패 모니터링

브라질 금융 데이터에는 구조적 변화 (Structural Breaks)가 포함되어 있습니다. 재정 프레임워크가 변하고, 정책 커뮤니케이션이 변하며, 원자재 사이클이 변하고, 글로벌 자금 조달 조건이 변합니다.

따라서 모든 운영 시스템(Production System)은 데이터 드리프트 (Data Drift), 특징 드리프트 (Feature Drift) 및 국면 불안정성 (Regime Instability)을 모니터링해야 합니다.

또한 분류가 변경된 이유에 대해 사람이 읽을 수 있는 설명 (Human-readable explanation)을 유지해야 합니다.

설명되지 않는 출력은 통계적으로는 정교할지 모르나, 운영 측면에서는 취약할 수 있습니다.

최종 원칙

최고의 금융 AI 시스템은 모든 시장 움직임을 예측하는 시스템이 아닙니다.

투자자가 자신의 가정이 덜 신뢰할 수 있게 되는 시점을 인식하도록 돕는 시스템입니다.

브라질 포트폴리오의 경우, 국면 탐지 (Regime Detection)는 불확실성이 사라진 척하지 않으면서 금리, 인플레이션, 통화, 원자재 및 유동성을 연결하는 규율 있는 방법을 제공합니다.