주식 시장은 불확실성으로 가득한 영역입니다. 수많은 변수와 예측 불가능한 이벤트들이 가격에 영향을 미치기 때문에, 확률모형은 이 위험을 수치화하고 관리하는 데 핵심적인 도구로 활용됩니다. 이번 글에서는 주식 시장의 위험을 관리하기 위한 확률모형의 수학적 원리를 설명합니다.
수익률의 확률분포 모델링
주식 수익률은 일반적으로 정규분포 또는 로그정규분포로 모델링됩니다. 수익률 \( R \)이 정규분포를 따른다면:
\[ R \sim \mathcal{N}(\mu, \sigma^2) \]
여기서 \( \mu \)는 평균 수익률, \( \sigma \)는 변동성(표준편차)을 나타냅니다. 이 모델은 포트폴리오 리스크를 추정하고, 시뮬레이션을 통한 예측 기반을 제공합니다.
VaR(Value at Risk): 손실 예측의 기준
VaR는 일정 기간 동안 발생할 수 있는 최대 손실 금액을 확률적으로 예측하는 지표입니다. 신뢰수준 \( \alpha \)에서의 VaR는 다음과 같이 계산됩니다:
\[ \text{VaR}_{\alpha} = z_{\alpha} \cdot \sigma \cdot \sqrt{t} \cdot V \]
여기서 \( z_{\alpha} \)는 정규분포의 분위수, \( t \)는 기간, \( V \)는 자산 가치입니다. 예: 95% 신뢰수준에서 하루 100억 원 규모 포트폴리오의 VaR가 3억이라면, 하루 중 5% 확률로 3억 이상의 손실이 발생할 수 있음을 의미합니다.
CVaR(Conditional Value at Risk): 기대 손실
CVaR는 VaR를 초과한 손실의 평균값으로, 극단적 손실에 대한 리스크 평가에 사용됩니다. 정규분포 가정 하에 다음과 같이 정의됩니다:
\[ \text{CVaR}_{\alpha} = \frac{1}{1 – \alpha} \int_{\alpha}^{1} \text{VaR}_p \, dp \]
이 모델은 금융기관의 스트레스 테스트나 극단적 시장 상황 분석에서 널리 사용됩니다.
몬테카를로 시뮬레이션과 확률 경로 분석
미래의 주가 경로를 예측하기 위해 확률적 경로를 수천 번 생성하는 몬테카를로 시뮬레이션이 사용됩니다. 이 과정은 다음과 같은 확률과정을 바탕으로 합니다:
\[ S_{t+1} = S_t \cdot e^{(\mu – \frac{1}{2}\sigma^2)\Delta t + \sigma \sqrt{\Delta t} Z} \]
여기서 \( Z \sim \mathcal{N}(0,1) \)는 표준 정규분포에서 샘플링된 난수이며, 이는 기하 브라운 운동(GBM) 모델입니다.
상관관계와 다변량 정규분포
여러 종목 간의 위험을 함께 고려하려면 공분산 행렬과 다변량 정규분포를 사용합니다. 포트폴리오 수익률 \( \vec{R} \)는 다음을 따릅니다:
\[ \vec{R} \sim \mathcal{N}(\vec{\mu}, \Sigma) \]
여기서 \( \Sigma \)는 종목 간 상관관계를 반영한 공분산 행렬이며, 리스크 분산 및 헤지 전략 설계에 사용됩니다.
결론
확률모형은 주식 시장의 불확실성을 수학적으로 구조화하여 예측 가능한 위험으로 전환시킵니다. 정규분포, VaR, CVaR, 몬테카를로, 다변량 모형은 포트폴리오 관리와 금융 리스크 통제의 핵심 도구입니다.
수학은 시장의 혼란 속에서 논리적 질서를 찾는 도구이며, 확률은 그 질서를 숫자로 표현하는 언어입니다.