이 글은 채권 금리 리스크 측정 방법을 설명하는 금융공학 노트입니다. 특정 상품의 매매를 권유하지 않으며, 예시 수치는 계산 설명을 위한 가정입니다.
금리 리스크 측정은 금리가 한 방향으로 오래 움직일 때 다시 주목받습니다. 보도에 따르면 한국은행은 2026년 7월 16일 기준금리를 2.50%에서 2.75%로, 8월 27일 다시 3.00%로 올렸고, 8월 소비자물가는 3.1%, 근원물가는 3.4%로 보도됐습니다. 이런 국면에서 리스크 관리 담당자가 가장 먼저 받는 질문은 하나입니다. “25bp 더 오르면 우리는 얼마를 잃나?”
이 질문에 답하는 도구는 오래되었고 잘 알려져 있습니다. 듀레이션, 볼록성, DV01, 그리고 키레이트 듀레이션입니다. 그런데 금융 시스템을 구축하고 검수해 온 경험으로 보면, 문제는 개념이 아니라 구현에서 생깁니다. 이자 지급 빈도, 부호 규칙, 곡선 보간 방식 같은 사소해 보이는 선택이 보고서의 숫자를 바꿉니다. 이 글은 계산 예시를 직접 검산하고, 구현할 때 걸리는 지점을 함께 정리합니다.
최근 금리 환경
| 항목 | 내용(보도 기준) |
|---|---|
| 기준금리 | 7/16 2.50%→2.75%, 8/27 2.75%→3.00% |
| 8월 물가 | 소비자물가 3.1%, 근원물가 3.4% |
| 한은 문구(9월 통화신용정책보고서 보도) | 추가 인상의 시기와 속도 등을 결정해 나갈 것 |
| 가계신용(2분기 말) | 2,019.8조원 |
업무에 쓸 때는 한국은행 원자료로 다시 확인해야 합니다. 이 글에서 중요한 것은 수준보다 방향입니다. 금리가 오르는 구간에서는 듀레이션이 긴 자산일수록 평가손실이 커지고, 수익률 곡선의 모양이 바뀌면 듀레이션이 같아도 손익이 달라집니다.
기본 도구: 테일러 전개 두 항
가격 P인 채권의 만기수익률 y가 Δy만큼 변할 때, 가격 변화율은 테일러 전개로 근사합니다.
ΔP / P ≈ −D_mod · Δy + ½ · C · (Δy)²
- 맥컬리 듀레이션: 현금흐름 시점을 현재가치로 가중평균한 값. 단위는 년입니다.
- 수정 듀레이션: D_mod = D_mac / (1 + y/m), m은 연간 이자 지급 횟수. 가격의 수익률 민감도(1차 도함수)입니다.
- 볼록성 C: 2차 도함수. 가격-수익률 곡선의 휘어짐으로, 변동 폭의 제곱에 비례해 효과가 커집니다.
- DV01: 수익률 1bp 변화에 따른 가격 변화액 = D_mod × P × 0.0001. 비율이 아니라 금액이라는 점이 핵심입니다.
수정 듀레이션은 ‘몇 퍼센트’를, DV01은 ‘몇 원’을 말합니다. 규모가 다른 포지션을 합산하거나 헤지 수량을 정할 때는 금액 단위인 DV01이 편합니다. 헤지 비율은 단순히 ‘보유 DV01 ÷ 헤지 수단 1단위의 DV01’입니다.
계산 예시: 3년 만기 표면금리 3% 채권
연 1회 이자, 표면금리 3%, 만기수익률 3%인 3년 만기 채권입니다. 표면금리와 수익률이 같으므로 가격은 액면 100입니다. 각 현금흐름의 현재가치는 3/1.03 = 2.9126, 3/1.03² = 2.8278, 103/1.03³ = 94.2596입니다.
| 지표 | 값 | 계산 |
|---|---|---|
| 맥컬리 듀레이션 | 2.9135년 | (1×2.9126 + 2×2.8278 + 3×94.2596) / 100 |
| 수정 듀레이션 | 2.8286 | 2.9135 / 1.03 |
| 볼록성 | 10.877 | Σ t(t+1)·CF / (1+y)^(t+2) / P |
| DV01(액면 10억원) | 약 28.3만원 | 2.8286 × 10억원 × 0.0001 |
| +25bp 근사 | −0.7038% | −2.8286×0.0025 + ½×10.877×0.0025² |
| +25bp 재평가 | −0.7038% | y = 3.25%로 재할인, 가격 99.2962 |
액면 10억원이면 25bp 상승에 약 704만원의 평가손실입니다. 25bp에서는 볼록성 항이 약 0.0034%p에 불과해 듀레이션만으로도 거의 맞습니다. 그러나 볼록성 항은 변동 폭의 제곱에 비례하므로 200bp 스트레스에서는 64배인 약 0.22%p가 됩니다. 듀레이션만 쓰면 큰 상승 충격의 손실을 과대평가하고, 큰 하락 충격의 이익을 과소평가합니다.
import numpy as np
def bond_metrics(cf, y, m=1):
"""cf: 기간별 현금흐름, y: 연 수익률, m: 연 지급 횟수"""
k = np.arange(1, len(cf) + 1) # 기간 번호
t = k / m # 년 단위 시점
df = (1 + y / m) ** -k
p = (cf * df).sum()
d_mac = (t * cf * df).sum() / p
d_mod = d_mac / (1 + y / m)
conv = (cf * k * (k + 1) * (1 + y / m) ** -(k + 2)).sum() / (p * m**2)
return p, d_mac, d_mod, conv
cf = np.array([3.0, 3.0, 103.0])
p, d_mac, d_mod, conv = bond_metrics(cf, 0.03)
print(round(d_mod, 4), round(conv, 3), round(d_mod * 1e9 * 1e-4))
# 2.8286 10.877 282864
# 재평가로 검산
p_up = bond_metrics(cf, 0.0325)[0]
print(f"{p_up / p - 1:.4%}") # -0.7038%
함수에 지급 횟수 m을 넣은 데에는 이유가 있습니다. 국내 국고채는 반기 이자를 지급하는데, 연 1회 공식으로 계산하면 수정 듀레이션이 미세하게 어긋나고, 그 차이가 큰 포트폴리오에서는 DV01 수천만 원 차이로 나타납니다. 검수에서 가장 자주 걸리는 지점입니다.
평행 이동 가정의 한계
DV01과 수정 듀레이션은 수익률 곡선 전체가 똑같이 움직인다고 가정합니다. 인상기에는 대개 그렇지 않습니다. 정책금리에 민감한 단기물이 먼저 크게 오르고, 장기물은 성장·물가 기대에 따라 덜 오르거나 오히려 내리기도 합니다. 곡선이 평탄해지는 국면입니다.
| 포트폴리오 | 구성 | 평행 +25bp | 단기 +40bp·장기 +10bp |
|---|---|---|---|
| 바벨형 | 1년물과 10년물에 분산 | 듀레이션만큼 손실 | 장기물 손실이 작아 상대적으로 유리 |
| 불릿형 | 3~5년물에 집중 | 듀레이션만큼 손실 | 중기 구간 상승 폭에 따라 손실 확대 가능 |
듀레이션이 같은 두 포트폴리오가 평탄화 국면에서 다른 손익을 내는 것을 평행 DV01로는 설명할 수 없습니다. 이 차이를 숫자로 만드는 도구가 키레이트 듀레이션입니다.
키레이트 DV01로 시나리오 손익 계산하기
키레이트 DV01은 곡선의 특정 만기 한 점만 1bp 움직였을 때의 가치 변화입니다. 아래는 가상의 포트폴리오입니다(단위: 만원/bp, 손실을 양수로 표기).
| 키레이트 | 1년 | 3년 | 5년 | 10년 | 합계 |
|---|---|---|---|---|---|
| 키레이트 DV01 | 50 | 120 | 200 | 80 | 450 |
| 평행 +25bp | 25 | 25 | 25 | 25 | 손실 1억 1,250만원 |
| 평탄화 시나리오 | +40 | +30 | +20 | +10 | 손실 1억 400만원 |
평탄화 시나리오의 손실은 50×40 + 120×30 + 200×20 + 80×10 = 10,400만원입니다. 같은 포트폴리오인데 시나리오에 따라 850만원 차이가 나고, 그 차이의 대부분은 5년 구간에서 나옵니다. 키레이트 DV01을 보면 헤지를 어느 만기에 걸어야 하는지도 바로 보입니다.
구현 순서
- 키레이트 선정. 3개월, 1년, 3년, 5년, 10년, 20년처럼 시장 유동성이 있는 만기를 고릅니다. 헤지 수단이 존재하는 만기여야 결과를 행동으로 옮길 수 있습니다.
- 제로 커브 구축. 국고채 수익률로 부트스트래핑하고, 키레이트 사이는 보간합니다. 보간 방식(선형, 스플라인)이 결과를 바꾸므로 문서화합니다.
- 한 구간씩 충격. 각 키레이트만 1bp 올리고, 인접 키레이트까지 삼각형으로 줄어드는 충격을 준 뒤 포트폴리오를 재평가합니다. 삼각형 충격의 합이 모든 만기에서 정확히 1bp가 되도록 설계합니다.
- 합산 검증. 키레이트 DV01의 합이 평행 DV01과 거의 같은지 확인합니다. 크게 다르면 보간이나 충격 모양이 잘못된 것입니다. 이 검증 하나로 구현 오류의 상당수를 잡을 수 있습니다.
- 시나리오 적용. 평탄화·스티프닝·버터플라이 시나리오의 구간별 변화에 키레이트 DV01을 곱해 손익을 추정하고, 큰 충격은 전체 재평가로 다시 확인합니다.
검수할 때 자주 걸리는 곳
- 이자 지급 빈도: 연 1회와 반기 이자 채권을 같은 공식으로 계산하는 경우.
- 부호 규칙: 손실을 양수로 볼지 음수로 볼지가 시스템마다 달라, 합산 리포트에서 상쇄되어 버리는 경우. 데이터 스키마에 부호 규칙을 명시합니다.
- 옵션 내재 채권: 콜옵션이 붙은 채권에 수정 듀레이션을 그대로 쓰면 금리 상승 시 손실을 과소평가합니다. 금리를 위아래로 흔들어 재평가한 실효 듀레이션을 써야 합니다.
- 기준 시각: 커브 데이터의 기준 시각과 포지션 스냅숏 시각이 다르면, 그날 금리 변동이 리스크 숫자에 섞입니다.
- 근사의 적용 범위: 듀레이션 근사를 스트레스 시나리오(±200bp)까지 쓰는 경우. 큰 충격은 전체 재평가가 원칙입니다.
맺으며
인상기에는 금리 리스크 숫자를 매일 보게 됩니다. 수정 듀레이션과 DV01로 1차 답을 내고, 볼록성으로 큰 충격을 보정하고, 키레이트 DV01로 곡선 모양 변화를 설명하는 세 단계를 갖추면 “얼마를 잃나”라는 질문에 근거를 붙여 답할 수 있습니다. 그리고 그 숫자를 믿으려면, 키레이트 합이 평행 DV01과 맞는지, 재평가 결과가 근사와 맞는지 같은 검산이 구현 안에 들어 있어야 합니다.