인민은행의 위안화 전략: 고시환율 괴리 확대의 의미와 AI 예측의 한계

바로 이 ‘역환산 계수’가 괴리의 비밀을 쥐고 있다. 2025년 12월 이후, 인민은행은 이 계수를 음(-)의 방향으로 강하게 조정하기 시작했다. 쉽게 말해, 시장의 수급 논리대로라면 더 강하게 형성되었을 고시환율을 의도적으로 더 약하게(더 높은 USD/CNY 수치로) 발표하고 있는 것이다 . 이는 수치로도 명확히 드러난다.

• 2026년 4월 22일: 고시환율 6.8635 vs 시장 예상 6.8233 — 약 0.59% 괴리 .
• 2026년 5월 15일: 고시환율 6.8415 vs 로이터 예상 6.7976 — 약 440핍 차이 .
• 2026년 5월 18일: 고시환율 6.8435 vs 시장 예상 6.8086 .

이 정책의 배경은 사상 최대 규모의 무역 흑자다. 2025년 중국의 수출은 3조 8천억 달러에 달했고, 무역 흑자는 1조 2천억 달러를 기록했다 . 만약 위안화가 통제되지 않고 급격히 절상되면, 자칫 수출 가격 경쟁력을 훼손할 수 있다. 특히 내수 부진과 디플레이션 압력으로 소비 심리가 위축된 상황에서 이는 감당하기 어려운 충격이다 .

인민은행은 현재의 8%에 달하는 점진적인 절상 기조 자체를 막으려는 것이 아니다. 이들이 경계하는 것은 시장이 한 방향으로 쏠리며 ‘위안화만 오른다’는 투기적 자금이 세게 유입되고, 환율이 단기간에 급등락하는 불안정성이다. 다시 말해, 속도는 인민은행이 정하겠다는 의지의 표현인 셈이다 .

AI로 인민은행의 ‘속마음’을 역설계하는 트레이더들

아시아 세션에서 인민은행의 고시환율은 그날의 시장 방향을 결정하는 가장 중요한 신호다. 고시 발표 직후 수백 핍이 움직이는 급변동 장세에서, 예상보다 강하거나 약한 숫자 하나는 수 주간 쌓아온 외환 포지션의 수익을 한순간에 날려버릴 수 있다. 이 때문에 고시환율 예측은 전쟁이 되었고, 그 최전선에는 트랜스포머 기반의 심층 학습 모델이 서 있다.

2024년 Lu Zhao와 Wei Qi Yan의 연구에 따르면, 트랜스포머 기반 모델은 특히 변동성이 큰 구간에서 LSTM 등 기존 신경망을 상당히 능가하는 예측력을 보였다 . 특히 Temporal Fusion Transformer(TFT) 모델은 환율 예측에서 최대 0.94의 R² 값을 기록했으며, VIX 같은 변동성 지수를 통합하면 정밀도가 더욱 향상되는 것으로 나타났다 .

학계에서 가장 중요한 진전은 난양공과대학(NTU) 컴퓨팅·데이터과학대학과 중국 중앙재경대학, 중국과학원의 공동 연구다. 연구진은 인민은행의 고시환율을 예측하기 위해 재무적 요소를 일일이 수작업으로 만드는 고정관념에서 벗어나, Intraday Risk Factor Transformer(IRFT) 라는 엔드투엔드 모델을 제안했다. 이 모델은 원시 시장 데이터에서 숨겨진 역환산 계수를 자동으로 찾아내고 추출한다 .

NTU는 이 외에도 외환 시계열 예측에 심층 학습을 적용한 뒤, 모델의 추론 과정을 해석 가능하게 만드는 반사실적 설명 연구를 진행했으며 , 트랜스포머 가격 예측과 심층 Q-네트워크(DQN) 강화 학습 에이전트를 결합해 자동 매매를 수행하는 ‘DeepForex’ 프로젝트도 공개된 바 있다 .

실무에서 트레이더들은 이를 다음과 같이 활용한다.

1. 알려진 입력값: 전일 종가와 주요 통화 바스켓의 움직임을 구조화된 입력값으로 투입한다.
2. 숨겨진 변수 학습: 역환산 계수(CCF)를 관측 불가능한 잠재 변수로 간주하고, 모델의 핵심 목표를 이를 맞추는 데 둔다.
3. 사전 포지셔닝: 베이징 시간 오전 9시 15분 공식 고시환율 발표 전까지 AI 출력값을 바탕으로 매매 전략을 완성한다 .

AI도 뚫지 못하는 정치적 재량의 벽

AI가 위안화 고시환율 예측에서 마주하는 최대 장벽은 노이즈가 많은 데이터가 아니다. 진짜 문제는 예측해야 할 바로 그 신호 자체가 경제 논리만으로는 환원되지 않는 정치·경제적 결단의 산물이라는 것이다.

첫째, 고시환율 괴리 자체가 ‘메시지’다. 인민은행이 시장 예상보다 440핍이나 약한 고시환율을 내놓을 때, 그 격차가 바로 정책 신호다 . 이는 “우리는 빠른 절상을 용인하지 않겠다”라는 경고를 시장과 주요 교역국에 보내는 행위다. 그날 아침의 정치적 의도는 어떤 과거 가격 시계열 데이터에도 숫자로 기록되어 있지 않다.

둘째, 인민은행의 정책 선호는 고정된 함수가 아니다. 과거 사례를 보면 2023년 중반부터 2024년 말까지는 역환산 계수가 평가절하 압력에 저항하기 위해 동원되었고, 당시 고시환율은 시장 예상보다 크게 낮은 값(강한 위안화)으로 설정되었다 . 그러나 2025년 12월부터 상황이 반전되어 지금은 평가절상에 저항하는 쪽으로 돌아섰다 . 평가절하 시대의 데이터를 학습한 AI 모델은 현재 패러다임에서는 구조적으로 완전히 틀린 예측을 할 수밖에 없다.

셋째, 기준이 하룻밤 사이에 바뀔 수 있다. 미·중 무역 협상의 돌발 변수, 중국 공산당 정치국 회의의 결정, 혹은 국내 경기 부양 우선순위의 급변동은 그 어떤 시장 데이터에도 선반영되지 않은 채, 다음 날 아침 고시환율 괴리에 반영된다.

백테스트 환경에서 AI 모델은 과거의 인민은행 반응 함수를 학습하여 높은 정확도를 기록할 수 있다. 그러나 그 잔여 오차는 단순한 통계적 오류가 아니라 인민은행의 재량 그 자체다. 인민은행이 개입의 강도를 조절할 때, 바로 그 ‘괴리’가 최종 출력값이 되어버린다. 이 의사 결정의 정치적 입력값은 순수한 데이터 주도 시스템에게는 영원히 관측 불가능한 영역으로 남을 수밖에 없다.