💰 quantitative finance

Merton's Problem with Recursive Perturbed Utility

이 논문은 동적 환경에서 무작위화 선호를 설명하기 위해 엔트로피 기반의 재귀적 perturbed utility (RPU) 를 도입하여, 기존 Merton 문제를 확장하고 불완전 시장 하에서 폐쇄형 해를 도출하며 무작위화 선호의 재정적 비용을 정량화합니다.

원저자: Min Dai, Yuchao Dong, Yanwei Jia, Xun Yu Zhou

게시일 2026-02-17

📖 4 분 읽기☕ 가벼운 읽기

CC BY 4.0

원저자: Min Dai, Yuchao Dong, Yanwei Jia, Xun Yu Zhou

원본 논문은 CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) 라이선스로 제공됩니다. ✨ 이것은 아래 논문에 대한 AI 생성 설명입니다. 저자가 작성하거나 승인한 것이 아닙니다. 기술적 정확성을 위해서는 원본 논문을 참조하세요. 전체 면책 조항 읽기

1. 배경: 완벽한 투자자는 왜 존재하지 않는가?

기존의 이론 (메르톤의 문제):
전통적인 경제학은 투자자를 '완벽한 계산기'로 봅니다. 주가가 오를 것 같으면 100% 확신에 차서 돈을 넣고, 내릴 것 같으면 100% 비워두는 식입니다. 즉, 결정은 항상 정해져 있고 (Deterministic), 예측 가능하다고 가정합니다.

현실의 문제:
하지만 실제 사람들은 다릅니다. 같은 상황에서도 오늘은 A 를 사고, 내일은 B 를 사거나, 아예 '블라인드 박스 (미스터리 박스)'를 사듯 무작위로 선택하기도 합니다.

예시: 일본식 오마카세 (주방장이 내게 맡긴 메뉴) 나 '블라인드 박스' 장난감처럼, 결과가 불확실한 것에서 재미를 느끼는 심리입니다.
기존 이론은 이런 **'무작위성을 좋아함 (Preference for Randomization)'**을 설명하지 못했습니다.

2. 연구의 시작: 무작위성을 '보상'으로 주자

저자들은 사람들이 무작위 선택을 할 때 느끼는 '설렘'이나 '재미'를 수학적으로 모델링했습니다. 이를 **'엔트로피 (Entropy)'**라는 개념을 이용해 설명했습니다. 엔트로피는 '무질서도' 또는 '혼란의 정도'를 나타내는데, 여기서는 **'선택의 다양성과 예측 불가능성'**을 의미합니다.

비유: 주식을 고를 때, "무조건 가장 좋은 것만 고르는 것"은 지루합니다. 하지만 "오늘은 운을 믿고 무작위로 고르는 재미"를 추가하면, 그 '재미' 자체가 투자자에게 보상이 됩니다.

3. 문제 발생: 너무 무작위하면 망한다 (Ill-posed Problem)

저자들은 처음에 "무작위 선택의 재미를 보상으로 더하면 어떨까?"라고 생각했습니다. 하지만 여기서 큰 문제가 생겼습니다.

문제: 만약 무작위 선택의 재미 (보상) 가 너무 크다면, 투자자는 완전히 미친 듯이 무작위로 주식을 사기 시작합니다. "어차피 재미를 주는 거니까, 변동성이 아무리 커도 상관없어!"라며 위험을 감수하는 것입니다.
결과: 이론상으로는 무한한 보상을 얻을 수 있게 되어, 수학적으로 해가 존재하지 않는 (Ill-posed) 상황이 됩니다. 마치 "무한히 큰 보상을 주는 게임"을 만들면, 누구도 그 게임을 멈추지 않는 것과 같습니다.

4. 해결책: '재미'에도 한계가 있어야 한다 (Recursive Perturbed Utility, RPU)

이 문제를 해결하기 위해 저자들은 **'재미 (무작위성) 에 대한 할인율'**을 도입했습니다. 이것이 바로 이 논문의 핵심인 **RPU(재귀적 교란 효용)**입니다.

핵심 아이디어: "과거에 너무 많이 무작위 선택을 했다면, 지금의 무작위 선택은 덜 재미있어진다."
비유:
- 처음에 '블라인드 박스'를 하나 열었을 때는 설레지만, 하루에 100 개를 다 열면 그 설렘은 사라집니다. (피로감)
- RPU 는 과거의 무작위 선택이 쌓일수록, 현재 무작위 선택이 주는 '보상'을 자동으로 줄여주는 (할인해주는) 시스템을 만듭니다.
- 이렇게 하면 투자자는 무한정 무작위 선택을 하지 않고, 적당한 선에서 멈추게 됩니다.

5. 연구 결과: 무작위 선택의 정석 (Gaussian Policy)

이 새로운 시스템을 적용해 보니 놀라운 결과가 나왔습니다.

최적의 전략은 '정규분포 (Gaussian)'입니다:
투자자가 무작위로 선택하더라도, 그 선택은 완전히 엉뚱한 곳이 아니라 평균을 중심으로 종 모양 (정규분포) 을 이루는 범위 안에서 이루어집니다.
- 평균: 전통적인 메르톤 이론이 말하는 '최적 투자 비율'과 비슷하지만, 시장 상황 (예: 금리, 변동성) 에 따라 미세하게 조정됩니다.
- 분산 (무작위성의 정도): 투자자가 얼마나 위험을 싫어하는지 (위험 회피 성향) 와 주식 시장의 변동성에 반비례합니다.
  - 위험을 많이 싫어하거나 시장이 너무 불안정하면 -> 무작위 선택을 덜 합니다.
  - 재미를 더 중요하게 생각하면 -> 무작위 선택을 더 합니다.
재미의 비용 (Financial Cost):
무작위 선택을 즐기는 대가로, 투자자는 전통적인 '최적 투자'보다 조금 더 적은 돈을 벌게 됩니다.
- 비유: 맛있는 '블라인드 박스'를 사기 위해, 확실한 현금 100 원 중 1 원 정도를 포기하는 것과 같습니다.
- 연구에 따르면, 무작위 선택을 하더라도 손실은 매우 작습니다. (무작위 선택의 정도가 1 차적으로 변할 때, 실제 돈 손실은 2 차적으로 매우 작게 나타납니다.) 즉, "재미를 위해 조금만 돈을 더 잃는 것"은 합리적인 선택일 수 있다는 결론입니다.

6. 요약: 이 논문이 우리에게 주는 메시지

이 논문은 **"인간의 비합리적인 무작위 선택도 수학적으로 설명할 수 있다"**는 것을 보여줍니다.

기존: 투자자는 항상 계산된 최적의 길만 간다.
이 논문: 투자자는 가끔 '길 잃는 재미'를 즐긴다. 하지만 그 재미는 과거의 경험에 따라 조절되며, 결국 적당한 무작위성을 유지하는 것이 가장 합리적인 전략이 될 수 있다.
결론: 무작위 선택을 하는 것 자체가 나쁜 것이 아니라, 적당한 수준의 무작위성을 유지하는 것이 인간의 심리를 반영한 더 현실적인 투자 모델일 수 있습니다.

한 줄 요약:

"투자도 때로는 '운'을 믿고 무작위로 하는 재미가 필요하지만, 그 재미가 너무 커지면 망하므로, 과거의 경험을 바탕으로 그 재미를 적절히 조절하는 새로운 투자 법칙을 찾았습니다."

논문 개요

이 논문은 고전적인 Merton 의 연속 시간 투자 문제를 확장하여, 투자자가 결정론적 (deterministic) 인 포트폴리오 규칙을 따르는 것이 아니라 무작위성 (randomization) 을 선호하는 행동을 모델링합니다. 기존 연구 (Fudenberg et al., 2015) 에서 제안된 정적 (static) 환경의 '가산 교란 효용 (Additive Perturbed Utility, APU)'을 동적 (dynamic) 환경으로 확장하는 과정에서 발생하는 문제점 (ill-posedness) 을 해결하기 위해, **재귀적 교란 효용 (Recursive Perturbed Utility, RPU)**을 도입하고 이를 기반으로 최적 투자 전략을 분석합니다.

1. 문제 제기 (Problem Formulation)

배경: 고전적인 Merton 모델은 합리적인 투자자가 시간과 상태에 의존하는 결정론적 포트폴리오 규칙을 따르다고 예측합니다. 그러나 실험 및 실증 데이터는 투자자가 때때로 무작위적이고 노이즈가 있는 선택을 선호함을 보여줍니다.
APU 의 한계: 정적 환경에서 무작위성 선호를 설명하는 APU(기대효용 + 엔트로피 항) 를 Merton 문제와 같은 동적 환경에 적용하려 할 때 두 가지 주요 문제가 발생합니다.
1. 잘못된 설정 (Ill-posedness): 위험 회피도 (risk aversion, $\gamma$ ) 가 충분히 낮을 경우, 투자자는 엔트로피 효용을 극대화하기 위해 포트폴리오 분산을 무한대로 증가시켜 목적함수 값을 발산시킬 수 있습니다.
2. 해의 비가시성 (Intractability): 위험 회피도가 충분히 높아 문제를 잘 정의되게 (well-posed) 만들더라도, 블랙 - 숄즈 (Black-Scholes) 환경에서도 CRRA 효용 함수 하에 해석적 해를 구하기 매우 어렵습니다.
목표: 무작위성 선호와 투자 간의 시간적 균형을 내생적으로 조절하여 잘 정의된 문제를 만들고, 이를 통해 최적의 무작위 포트폴리오 정책을 유도하는 것입니다.

2. 방법론 (Methodology)

재귀적 교란 효용 (RPU) 도입:
- APU 의 단순 가산 형태를 수정하여, 재귀적 효용 (Recursive Utility) 구조를 차용합니다.
- 목적함수는 엔트로피 기반의 무작위성 효용 흐름과 최종 부채 (bequest) 효용을 결합하며, **과거 누적된 무작위성에 의존하는 할인율 (endogenous discounting)**을 도입합니다.
- 수식적으로, RPU 는 다음과 같은 역확률미분방정식 (BSDE) 을 따릅니다:
  $J_t^\pi = E_t \left[ \int_t^T \lambda(s, X_s) [(1-\gamma)J_s^\pi + 1] H(\pi_s) ds + U(W_T^\pi) \right]$
  여기서 $H(\pi)$ 는 엔트로피, $\lambda$ 는 온도 (temperature) 파라미터입니다.
- 핵심 메커니즘: 과거에 무작위성이 많이 발생했을수록 현재 무작위성에 대한 가중치 (할인) 가 감소하도록 설계되어, 과도한 무작위성을 억제하고 문제를 잘 정의되게 만듭니다.
시장 환경:
- 불완전 마르코프 시장 (Markovian incomplete market) 을 가정합니다.
- 위험자산 (주식) 과 위험요인 (stochastic factor) 이 상관관계를 가지며, 완전한 헤징이 불가능한 환경을 다룹니다.
- 효용 함수는 일정 상대위험회피도 (CRRA) 를 가정합니다.
해석적 접근:
- 동적 프로그래밍 원리를 적용하여 해밀턴 - 야코비 - 벨만 (HJB) 방정식을 유도합니다.
- 최적 정책이 정규분포 (Gaussian) 를 따른다는 가정을 통해 HJB 방정식을 단순화하고, 편미분방정식 (PDE) 을 통해 해를 구합니다.

3. 주요 결과 (Key Results)

최적 정책의 형태:
- 최적 포트폴리오 정책 (위험 노출 비율) 은 **정규분포 (Gaussian distribution)**를 따릅니다.
- 분산 (Variance): $\text{Var}(\pi^*) = \frac{\lambda}{\gamma \sigma^2}$ 로, 위험회피도 ( $\gamma$ ) 와 주식 변동성 ( $\sigma$ ) 에 반비례합니다. 즉, 위험을 회피하거나 시장 변동성이 클수록 선택의 노이즈는 줄어듭니다.
- 평균 (Mean): 시간과 시장 요인 (factor) 에만 의존하며, 부채 (wealth) 에는 무관합니다.
평균 정책의 구성:
- 최적 평균 정책은 두 가지 항의 합으로 표현됩니다:
  1. 단기적 (Myopic) 항: 고전적인 Merton 해와 유사하게 위험 프리미엄과 위험회피도에 의존합니다.
  2. 시간적 헤징 (Intertemporal Hedging) 항: 시장 불완전성 (주식과 요인의 상관관계) 으로 인한 헤징 수요를 반영합니다.
- 편향 (Bias): RPU 하에서 최적 평균 정책은 고전적인 Merton 해와 다릅니다. 무작위성 선호가 헤징 수요와 상호작용하여 정책이 편향됩니다.
- 예외적 경우: 로그 효용 ( $\gamma=1$ ) 인 경우나, 시장 요인이 주식 수익률과 독립적일 때 ( $\rho=0$ 또는 $\nu=0$ ) 는 편향이 사라지고 고전적 Merton 해와 일치합니다.
점근적 분석 (Asymptotic Expansion):
- 무작위성 선호의 강도를 나타내는 온도 파라미터 $\lambda$ 가 작을 때의 점근적 전개를 수행했습니다.
- 정책 편향: 최적 평균 정책이 고전적 해에서 벗어나는 정도는 $\lambda$ 의 **1 차 (first order)**입니다.
- 재무적 비용: 무작위성 선호로 인한 상대적 부채 손실 (wealth loss) 은 $\lambda$ 의 **2 차 (second order)**입니다.
- 의미: 투자자가 무작위성을 선호함으로써 얻는 효용 (즐거움) 에 비해, 이로 인한 재무적 손실은 상대적으로 작습니다 (편향은 크지만 비용은 2 차적으로 작음).

4. 기여 및 의의 (Contributions & Significance)

이론적 기여:
- 동적 환경에서 무작위성 선호를 모델링하는 RPU라는 새로운 프레임워크를 제시했습니다. 이는 기존 APU 의 ill-posedness 문제를 해결하고 해석적 해를 가능하게 합니다.
- 불완전 시장 하에서 CRRA 효용을 가진 Merton 문제의 최적 정책이 가우시안 분포를 따른다는 것을 증명했습니다.
- 무작위성 선호가 헤징 수요와 어떻게 상호작용하여 최적 정책을 왜곡하는지 정량화했습니다.
실무적/경제적 함의:
- 투자자의 "노이즈 있는 선택"이나 "랜덤한 결정"이 단순히 비합리적인 것이 아니라, 내재된 효용 (엔트로피 선호) 을 가진 합리적 행동일 수 있음을 보여줍니다.
- 무작위성 선호가 투자 성과에 미치는 **재무적 비용 (Financial Cost)**을 정량화하여, 투자자가 무작위성을 위해 지불할 수 있는 대가를 평가하는 기준을 제공합니다.
학제간 연결:
- 강화학습 (RL) 의 '엔트로피 정규화 (Entropy Regularization)'와 경제학의 '무작위성 선호'를 연결합니다. RL 은 탐색 (exploration) 을 위해 엔트로피를 사용하지만, 본 논문은 투자자의 선호 (preference) 자체를 모델링한다는 점에서 근본적 차이가 있음을 명확히 했습니다.

결론

이 논문은 Merton 의 투자 문제를 무작위성 선호를 가진 재귀적 효용 관점에서 재정의함으로써, 투자자의 비결정론적 행동을 설명할 수 있는 견고한 수학적 모델을 제시했습니다. 특히, 무작위성 선호가 포트폴리오 전략의 평균과 분산에 미치는 영향을 명확히 규명하고, 이에 따른 경제적 비용을 정량화했다는 점에서 중요한 의의를 가집니다.