Carbon-Penalised Portfolio Insurance Strategies in a Stochastic Factor Model with Partial Information

1. 연구 문제 (Problem Statement)

• 배경: 기관 투자자들이 ESG(환경, 사회, 지배구조) 요소를 포트폴리오 관리에 통합하고 있으며, 특히 탄소 집약적 섹터 (Brown stocks) 의 리스크는 규제 변화, 기술 전환, 시장 재평가로 인해 중요한 금융 리스크로 간주됩니다.
• 기존 연구의 한계: 기존 지속 가능 투자 연구는 주로 자산 배제 (Exclusion) 나 포트폴리오 수준의 탄소 강도 제약 조건을 사용했습니다. 반면, 포트폴리오 보험 (PPI) 전략은 하방 보호를 최우선으로 하므로, 탄소 리스크를 어떻게 내생적으로 반영하여 하방 보호 기능을 훼손하지 않으면서 탄소 노출을 줄일 수 있는지에 대한 연구는 부족했습니다.
• 핵심 문제:
  1. 탄소 집약적 자산의 실현 변동성 (Realized Variance) 에 비례하는 패널티 항을 투자자의 목적 함수 (기대 효용) 에 직접 도입하여, 탄소 리스크를 내생적으로 반영하는 최적 PPI 전략을 도출하는가?
  2. 시장의 드리프트 (기대 수익률) 가 관측 불가능한 공통 확률 요인 (Latent Factor) 에 의해 결정되는 불완전 정보 (Partial Information) 환경에서, 필터링 이론을 적용하여 최적 전략을 구할 수 있는가?

2. 방법론 (Methodology)

2.1 시장 모델 (Market Setup)

• 자산 동역학: 무위험 자산과 $n$개의 위험 자산 (주식) 으로 구성된 시장. 위험 자산의 가격은 기하 브라운 운동 (Geometric Brownian Motion) 을 따르며, 드리프트 ($\mu_t$) 는 관측 불가능한 공통 확률 요인 $Y_t$에 의해 조절됩니다.
  • $\mu_t = aY_t + b$
• 잠재 요인 (Latent Factor): $Y_t$는 오렌스타인 - 울렌벡 (Ornstein-Uhlenbeck, OU) 과정으로 모델링되어 거시 금융 상태 (경기 순환, 통화 조건 등) 를 나타냅니다.
• 불완전 정보: 투자자는 주식 가격 ($S_t$) 만 관측할 수 있으며, 드리프트를 결정하는 $Y_t$는 직접 관측할 수 없습니다. 따라서 확률 필터링 (Stochastic Filtering) 이론을 사용하여 $Y_t$의 조건부 기대값 ($\Gamma_t$) 과 조건부 분산 ($P_t$) 을 추정합니다.
• 탄소 분류: 주식은 탄소 강도 (Carbon Intensity) 에 따라 '녹색 (Green, 저탄소)'과 '갈색 (Brown, 고탄소)'으로 분류됩니다.

2.2 탄소 패널티 PPI 전략 (Carbon-Penalised PPI Strategy)

• 기본 구조: 포트폴리오 가치 $V_t$와 보호 바닥 (Floor, $F_t$) 의 차이인 '쿠션 (Cushion, $C_t = V_t - F_t$)'을 기반으로 위험 자산에 투자합니다.
• 탄소 패널티 도입: 최종 쿠션 ($\hat{C}_T$) 에 탄소 패널티 항을 적용합니다.
  $$\hat{C}_T = C_T \exp\left( -\frac{1}{2} \int_0^T m_s^2 \pi_s^\top (\Sigma_S \Sigma_S^\top \odot e) \pi_s ds \right)$$
  • 여기서 $e$는 탄소 애버전 (Carbon Aversion) 파라미터 $\varepsilon$을 포함하는 벡터로, 갈색 주식의 실현 변동성에 비례하여 패널티를 부과합니다.
  • 이는 투자자가 갈색 주식에 대해 내생적으로 더 높은 위험 회피 성향을 가지도록 만듭니다.
• 최적화 문제: CRRA (Constant Relative Risk Aversion) 효용 함수를 사용하여 최종 탄소 패널티 쿠션의 기대 효용을 최대화하는 제어 문제 (최적 멀티플 $m$과 자산 구성 $\pi$) 를 설정합니다.

2.3 해법 (Solution Approach)

• 완전 정보 (Full Information): $Y_t$를 직접 관측한다고 가정. Hamilton-Jacobi-Bellman (HJB) 방정식을 유도하고, 해의 형태를 지수 - 아핀 (Exponential-Affine) 형태로 가정하여 최적 제어와 가치 함수를 명시적으로 구합니다.
• 불완전 정보 (Partial Information): 필터링된 추정치 $\Gamma_t$를 상태 변수로 사용하여 분리된 문제 (Separated Problem) 로 변환합니다. 필터링된 드리프트와 추정 오차의 분산을 고려하여 HJB 방정식을 풀고, 완전 정보 해와 불완전 정보 해 사이의 관계를 유도합니다.

3. 주요 기여 (Key Contributions)

1. 새로운 프레임워크 제안: 포트폴리오 보험 전략에 탄소 리스크를 통합한 최초의 연속 시간 확률 제어 모델 중 하나를 제시했습니다. 탄소 리스크를 단순한 제약 조건이 아닌, 목적 함수 내의 패널티 항으로 내생화하여 금융 성과와 환경 영향을 동시에 고려합니다.
2. 불완전 정보 하의 최적 전략 도출: 드리프트가 관측 불가능한 현실적인 시장 환경에서, 확률 필터링 기법을 적용하여 탄소 패널티가 적용된 최적 PPI 전략을 명시적으로 유도했습니다.
3. 정보 프리미엄 (Information Premium) 분석: 완전 정보와 불완전 정보 하의 효용 손실 (Loss of Utility) 및 효율성 (Efficiency) 을 정량화했습니다. 흥미롭게도, 탄소 패널티가 도입되면 불완전 정보 투자자의 상대적 효율성이 향상되어 완전 정보 투자자와의 격차가 줄어든다는 결과를 발견했습니다.

4. 주요 결과 (Key Results)

• 최적 전략의 구조:
  • 최적 자산 배분은 '내성적 수요 (Myopic Demand)'와 '시간 간격 헤지 수요 (Intertemporal Hedging Demand)'로 구성됩니다.
  • 탄소 패널티 파라미터 $\varepsilon$이 증가하면, 갈색 주식에 대한 위험 가중치가 증가하여 해당 자산의 배분이 감소하고, 녹색 주식의 배분이 증가합니다.
  • 이는 단순한 배제가 아니라, 위험 조정 수익률 (Risk-Adjusted Return) 을 고려한 내생적 재배분입니다. (예: 탄소 배출이 높더라도 매우 높은 샤프 지수를 가진 자산은 일정 수준 유지 가능)
• 수치 실험 결과:
  • 탄소 강도 감소: 탄소 애버전 ($\varepsilon$) 이 증가할수록 포트폴리오의 평균 탄소 강도가 크게 감소합니다.
  • 하방 보호 강화: 탄소 패널티는 포트폴리오의 분산을 감소시키고 하방 꼬리 (Left Tail) 를 개선하여 하방 보호 기능을 강화합니다.
  • 정보의 가치: 불완전 정보 하에서도 필터링을 통해 얻은 추정치를 사용하면 완전 정보와 유사한 성과를 거둘 수 있습니다. 특히 탄소 패널티가 존재할 때, 정보 부족으로 인한 효용 손실이 감소하는 경향이 관찰되었습니다.
  • 민감도 분석: 잠재 요인의 드리프트 파라미터와 변동성이 포트폴리오 성과에 가장 큰 영향을 미치는 요인임을 확인했습니다.

5. 의의 및 시사점 (Significance)

• 실무적 적용: 연금 기금, 보험사 등 하방 보호가 필수적인 기관 투자자들이 기후 리스크를 포트폴리오 관리에 체계적으로 통합할 수 있는 수학적 근거를 제공합니다.
• 규제 및 감독 관점: 유럽 보험 및 직업 연금 당국 (EIOPA) 이 강조하는 기후 관련 전환 리스크 (Transition Risk) 를 포트폴리오 보험의 '보호 바닥 (Floor)'을 유지하는 데 필수적인 요소로 간주할 수 있음을 보여줍니다.
• 이론적 발전: 불완전 정보 하의 최적 제어 문제와 지속 가능 투자 (Sustainable Investment) 를 결합한 새로운 연구 방향을 제시하며, 정보 비대칭이 지속 가능 투자 전략에 미치는 영향을 규명했습니다.

요약하자면, 이 논문은 탄소 리스크를 금융적 패널티로 변환하여 포트폴리오 보험 전략에 통합함으로써, 지속 가능성 목표와 금융적 안정성 (하방 보호) 을 동시에 달성할 수 있음을 수학적으로 증명하고, 불완전한 정보 환경에서도 효과적인 전략이 가능함을 보여줍니다.