Climate Risk Engine - Real-World Bond Pipeline Upgrade (Phase 9)

본 문서는 기후 리스크 엔진 내 진성 회사채 데이터 수집 파이프라인(Phase 9) 구축에 대한 기술적 요약 및 경과 보고서입니다. 본 아키텍처 개선을 통해 무위험 금리 벤치마크가 부도 확률 지표로 잘못 모델링되는 심각한 도메인 오류를 근본적으로 수정하고, 실제 기업에서 발행된 채권 ISIN 데이터를 통한 정밀한 금리 스프레드 시뮬레이션 기반을 마련하였습니다.

1. 개요 (Overview)

과거 단일 스냅샷 및 난수(Mock) 데이터에 의존하던 평가 시스템에서 탈피하여, 지정된 실제 기업의 발행 회사채 수익률(YTM)을 외부 오픈소스 채널로부터 크롤링하여 연결하는 데이터 융합 파이프라인을 신설했습니다.

2. 주요 개선 항목 (Key Implementation Details)

2.1. 시장 벤치마크(Rate)의 Credit 평가 분리

SOFR, CD91D 와 같은 단기 자금 및 무위험 지표들을 firm_reference_data 의 GICS 섹터에서 Rate 클래스로 강제 치환 및 하드코딩 격리 조치.
market_risk_engine.py 루프 진입 시 asset_type == 'Rate' 인 경우 Merton 모델 부도거리/PD 연산 대상에서 원천 배제하여 파이프라인 간섭 차단.

2.2. 오픈소스 기반 YTM 스크래퍼 신규 개발 (`src/bond_data_fetcher.py`)

제약 극복: pykrx 오픈소스 모듈의 채권 스크래핑 기능이 차단된 상태임을 확인. 대안으로 requests 와 pandas.read_html을 활용해 Naver Finance 채권 시장수익률 데이터를 API 인증키(Key) 없이 실시간 수집하는 무인 봇 설계 완료.
타겟 지정: 신용/무위험 등급 간 차이를 대표하기 위해 최상위 우량회사채(AA- 3년물)와 국고채(KTB 3년물 03125-2606) 수익률 수집 및 data/live_bond_yields.json 배포 자동화.

2.3. 진성 개별 채권(ISIN) 발행 정보 매핑 (`create_security_master.py`)

임의의 추상적 인덱스(CORP_AA_3Y) 대신 사용자 요청에 따라 실제 발행 이력을 기반으로 한 고유 ISIN 증권코드를 Security Master에 주입 및 평가.
- KR600538012C: 현대자동차 제316-1회 무보증사채 (발행)
- KR600593000A: 삼성전자 제1회 무보증사채 (발행)
- KR610556011B: KB금융지주 제2024-1회 (국민은행채)

3. 안정화 (Stability & Fixes)

엔진 SQLite Syntax Error 픽스: 모델 연산 중 shocks_equity DF가 0 row 상태에서 Pandas to_sql() 이 SQLite 내부 문법 오류를 일으켜 DB 적재를 실패하고 백엔드 API가 500 Internal Server Error 를 내뿜던 버그(데이터 안뜬다)를 완벽히 해결.
현재 uvicorn 서버는 /api/matrix/baseline 페이로드를 안정적으로 200 OK 서빙 중.

4. Next Steps

현재 로직은 개별 ISIN 기준 베이스 수익률은 잘 가져오나, Merton 모델 시뮬레이션 시 V_base가 Bond의 가격 자체로 들어가 평가되는 구조적 한계를 안고 있습니다 (원칙적으로 발행 기업의 Equity Value를 통해 Bond Spread가 후행 도출되어야 함). 향후 기업 Equity와 Bond 의 계층적(Cascading) 시뮬레이션 구조를 통합하는 아키텍처 개편 검토가 필요합니다.

3.3 KiB Raw Blame History