Systemic Risk and Default Cascades in Global Equity Markets: A Network and Tail-Risk Approach Based on the Gai Kapadia Framework

본 연구는 가이-카파디아 프레임워크를 글로벌 주식 시장으로 확장하여 브라질 및 선진국 자산 간의 네트워크 구조와 꼬리 위험을 분석한 결과, 전체 시스템은 회복력이 높지만 브라질 자산의 높은 군집화로 인해 국지적 취약성이 존재함을 밝혔습니다.

핵심

이 논문은 **"전 세계 주식 시장이 어떻게 서로 연결되어 있고, 한 곳의 문제가 얼마나 큰 파도를 일으킬 수 있는지"**를 연구한 것입니다.

연구자는 브라질과 선진국 (미국, 유럽 등) 의 주식 30 개를 뽑아 **'거미줄'**처럼 서로 연결된 네트워크를 만들었습니다. 그리고 "만약 한 주식에 큰 충격이 오면, 그 거미줄을 타고 다른 주식들도 무너지는 '연쇄 붕괴'가 일어날까?"를 시뮬레이션으로 확인했습니다.

이 복잡한 내용을 일상적인 언어와 비유로 쉽게 설명해 드릴게요.

---

1. 연구의 핵심: "거미줄"과 "연쇄 반응"

이 연구는 은행 간 대출 관계를 분석하던 기존 이론을 주식 시장에 적용했습니다.

• 비유: 주식 시장 전체를 거대한 **'거미줄'**이라고 상상해 보세요.
  • 브라질 주식들: 거미줄의 한 구석에 매우 촘촘하고 끈적끈적하게 엉킨 실타래처럼 연결되어 있습니다. 한 줄을 당기면 바로 옆 줄들이 함께 움직입니다.
  • 선진국 주식들: 같은 거미줄이지만, 가끔씩 끊어지거나 멀리 떨어져 있는 느슨한 연결입니다. 한 줄이 움직여도 멀리 있는 줄에는 큰 영향이 가지 않습니다.

2. 실험 방법: "돌멩이 던지기"

연구자들은 이 거미줄에 **돌멩이 (충격)**를 던져보았습니다.

• 돌멩이: 주식 가격이 10%~50% 급락하는 상황 (예: 팬데믹, 전쟁, 경제 위기).
• 시나리오: 브라질 주식 중 하나에 돌멩이를 던졌을 때, 그 충격이 거미줄을 타고 얼마나 멀리 퍼져나갈지 1,000 번이나 컴퓨터로 시뮬레이션했습니다.

3. 주요 발견: "국지적 붕괴"는 있지만 "전체 붕괴"는 없다

① 브라질: "밀집된 마을"의 위험

브라질 주식들은 서로가 서로를 매우 강하게 묶고 있습니다 (클러스터링이 높음).

• 상황: 마을 한 구석에 불이 나면 (한 주식 폭락), 촘촘하게 연결된 집들 사이로 불이 순식간에 번집니다.
• 결과: 충격이 오면 브라질 주식들끼리는 서로 영향을 주고받으며 몇 개가 함께 무너질 수 있습니다. 하지만 그 불이 전체 거미줄 (전 세계 시장) 을 태우지는 못했습니다.

② 선진국: "넓은 들판"의 안전

미국이나 유럽 주식들은 서로 연결이 느슨합니다.

• 상황: 멀리 떨어진 들판 한 구석에 불이 나도, 바람이 불지 않는 한 다른 곳에는 퍼지지 않습니다.
• 결과: 브라질 쪽에서 큰 충격이 와도, 선진국 주식들은 거의 영향을 받지 않고 튼튼하게 버텨냈습니다.

③ 결론: "전체 붕괴"는 일어나지 않았다

1,000 번의 시뮬레이션 결과, 전체 시스템이 무너지는 (5 개 이상의 주식 연쇄 폭락) 확률은 0% 였습니다.

• 충격이 오면 평균적으로 1~2 개의 주식만 무너지고 멈췄습니다.
• 즉, 이 시장은 **"국지적인 상처"**는 입을 수 있지만, **"전신 마비"**가 될 가능성은 매우 낮다는 뜻입니다.

4. 숨겨진 위험: "무서운 꼬리" (Tail Risk)

연구자들은 단순히 연결만 본 게 아니라, **"가장 끔찍한 상황"**이 얼마나 자주 일어날지도 봤습니다.

• 비유: 보통 날씨는 예측 가능하지만, 허리케인 같은 극단적인 날씨는 예측하기 어렵습니다.
• 발견: 브라질 주식들은 평소보다 훨씬 더 **무서운 폭풍 (극단적인 손실)**이 올 확률이 높았습니다. 이를 통계학적으로 '무거운 꼬리 (Heavy Tail)'라고 부릅니다.
• 위험: 촘촘하게 연결된 브라질 주식들이 이런 '무서운 폭풍'을 맞으면, 그 충격이 더 크게 증폭될 수 있다는 경고입니다.

5. 이 연구가 우리에게 주는 교훈

1. 모든 주식은 똑같지 않다: 같은 시장 안에서도 '촘촘하게 묶인 그룹'과 '느슨한 그룹'이 다릅니다. 브라질 주식처럼 서로 너무 많이 연결된 곳은 작은 충격에도 쉽게 흔들릴 수 있습니다.
2. 전체 시스템은 튼튼하다: 다행히도, 한 나라의 문제가 전 세계 주식 시장을 완전히 무너뜨릴 가능성은 낮습니다.
3. 투자자와 규제자의 역할:
   • 투자자: 모든 곳에 돈을 넣는 것보다, 서로 연결이 느슨한 (선진국 등) 곳에 분산 투자하는 것이 안전합니다.
   • 규제자: "촘촘하게 연결된 지역 (브라질 등)"을 특별히 주시해야 합니다. 그곳에서 작은 불이 시작되면 큰 재앙이 될 수 있기 때문입니다.

요약

이 논문은 **"주식 시장이라는 거미줄은 브라질 쪽은 촘촘해서 작은 충격에도 흔들리지만, 선진국 쪽은 느슨해서 튼튼하다. 다행히 전체가 무너지지는 않지만, 촘촘한 곳에서 극단적인 폭풍이 오면 큰 피해가 발생할 수 있으니 주의하자"**는 결론을 내립니다.

기술 요약

논문 기술적 요약: 글로벌 주식 시장의 시스템적 위험과 디폴트 연쇄 (Gai-Kapadia 프레임워크 기반)

1. 연구 배경 및 문제 제기 (Problem)

• 문제의식: 전통적인 위험 측정 지표 (VaR, CVaR) 는 자산 간의 네트워크 기반 전염 (contagion) 효과를 포착하지 못해 금융 불안정성을 과소평가할 수 있습니다. 특히 글로벌 주식 시장에서 한 자산의 충격이 어떻게 다른 자산으로 전파되어 시스템적 붕괴를 일으키는지에 대한 이해가 부족합니다.
• 연구 목적: 은행 간 상호작용을 위해 개발된 Gai-Kapadia 프레임워크를 확장하여, **글로벌 주식 시장 (신흥국 vs 선진국)**의 시스템적 위험과 디폴트 연쇄를 정량화하는 것입니다.
• 핵심 가설: 시스템적 위험은 개별 자산의 특성뿐만 아니라 **네트워크 토폴로지 (연결 구조)**와 **꼬리 위험 (Tail Risk, 극단적 손실 분포)**의 상호작용에서 발생합니다.

2. 방법론 (Methodology)

가. 데이터 및 전처리

• 데이터: 2015 년 1 월 1 일부터 2026 년 4 월까지의 30 개 주식 자산 (브라질 15 개, 선진국 15 개) 의 일간 최저가 (Daily Low Prices) 데이터.
• 전처리: 결측치 보정, IQR(사분위 범위) 을 이용한 이상치 제거, 로그 수익률 ($r_{i,t}$) 계산.
• 위험 지표: 95% 신뢰수준의 VaR(Value-at-Risk) 및 CVaR(Conditional Value-at-Risk) 을 개별 자산의 하방 위험으로 측정.

나. 네트워크 구축 (Network Construction)

• 노드 (Nodes): 30 개 주식 자산.
• 엣지 (Edges): 자산 간 노출 (Exposure) 기반 연결.
  • 노출량 ($E_{ij}$) = 상관관계 ($\rho_{ij}$) $\times$ 변동성 ($\sigma_i$) $\times$ 기준 가격 ($P_i$).
  • 임계값 필터링 (Thresholding): $\theta \in \{0.3, 0.5\}$를 적용하여 유의미한 연결만 추출 (희소성 확보).
• 구조 분석: 군집 계수 (Clustering Coefficient, $C_i$) 를 계산하여 지역적 연결 밀도를 측정.

다. 디폴트 연쇄 모델 (Default Cascade Model)

• 확률론적 시뮬레이션 (Stochastic Simulation):
  • 몬테카를로 시뮬레이션 ($n=1000$회) 수행.
  • 초기 자본 ($K_i$) 과 실패 임계값 ($K_{min}$) 설정.
  • 무작위 충격 ($s \sim U[0.1, 0.5]$) 을 가한 후 손실이 네트워크를 통해 전파되는 과정 ($L_{ij}$) 시뮬레이션.
  • 시스템적 실패 정의: 5 개 이상의 자산이 동시에 실패하는 경우.
• 결정론적 전파 (Deterministic Propagation): 특정 자산 (예: VIVT3.SA) 에 30% 충격 가하여 디폴트 전파 경로 분석.

라. 꼬리 위험 분석 (Tail Risk Analysis)

• 경험적 CCDF 및 Hill Estimator: 손실 분포의 꼬리 두께 (Pareto Tail Index, $\alpha$) 를 추정하여 극단적 사건의 확률 평가.

3. 주요 기여 (Key Contributions)

1. 프레임워크 확장: Gai-Kapadia 모델을 은행 간 네트워크에서 **주식 시장 (가격 기반 노출)**으로 처음 확장 적용.
2. 통합 분석 접근법: 네트워크 토폴로지 (연결성) 와 통계적 꼬리 위험 (Heavy-tailed distributions) 을 결합한 시스템적 위험 분석 체계 정립.
3. 구조적 비대칭성 규명: 신흥국 (브라질) 과 선진국 시장의 연결 구조 및 충격 전파 메커니즘의 근본적 차이 입증.
4. 확장성 있는 방법론: 결정론적 분석과 확률론적 시뮬레이션을 결합하여 스트레스 테스트 및 리스크 모니터링에 활용 가능한 실증적 도구 제공.

4. 주요 결과 (Results)

가. 네트워크 구조 및 군집화 (Structural Asymmetry)

• 브라질 자산: 높은 군집 계수 ($C_i \approx 0.8 \sim 1.0$) 와 밀집된 연결 구조를 보임. 이는 지역적 충격이 해당 클러스터 내에서 빠르게 증폭됨을 의미.
• 선진국 자산: 낮은 군집 계수 ($C_i \approx 0.2 \sim 0.5$) 와 희소한 연결 구조를 보임. 충격 전파를 억제하는 구조적 완충재 역할을 수행.
• 상관관계: 브라질 내 자산 간 상관관계는 0.6 이상으로 높으나, 브라질과 선진국 간 교차 상관관계는 0.1~0.3 으로 낮아 부분적 탈동조화 (decoupling) 발생.

나. 연쇄 반응 및 시스템적 실패 (Cascade Dynamics)

• 시스템적 붕괴 부재: 1,000 회 시뮬레이션 결과, **시스템적 실패 (5 개 이상 자산 실패) 확률은 0%**로 나타남.
• 국소적 취약성: 충격은 전체 시스템으로 확산되지 않고, 고도로 연결된 브라질 서브네트워크 내에서 국소적으로 제한됨.
  • 단일 충격 시 평균 실패 자산: 1.0 개.
  • 동시 충격 시 평균 실패 자산: 2.0 개.
• 전파 안정화: 디폴트 전파는 몇 번의 반복 (iteration) 후 안정화되며, 전체 네트워크로 확산되지 않음.

다. 꼬리 위험 (Tail Risk)

• 신흥국: AMER3.SA 등 일부 브라질 자산은 매우 두꺼운 꼬리 분포 ($\alpha \approx 1.5 \sim 1.84$) 를 보이며, 극단적 손실 발생 확률이 가우스 분포 예측보다 훨씬 높음.
• 선진국: AAPL, MSFT 등은 상대적으로 얇은 꼬리와 안정된 분포를 보임.
• 상호작용: 높은 군집화 (Clustering) 와 두꺼운 꼬리 위험 (Heavy-tailed loss) 이 결합된 자산들이 시스템적 취약성의 핵심 노드로 작용.

5. 의의 및 결론 (Significance & Conclusion)

• 이론적 의의: 시스템적 위험이 개별 자산의 특성보다는 네트워크 구조와 꼬리 위험의 상호작용에서 비롯됨을 입증. Gai-Kapadia 모델이 은행 간뿐만 아니라 주식 시장에서도 유효함을 보여줌.
• 실무적 시사점:
  • 규제 당국: 고도로 연결된 신흥국 자산 (클러스터) 을 시스템적 중요 노드로 식별하여 표적 규제 및 스트레스 테스트 강화 필요.
  • 포트폴리오 관리: 선진국과 신흥국 간의 구조적 비대칭성을 고려한 분산 투자 전략이 효과적임. 선진국 자산은 시스템적 붕괴에 대한 완충재 역할을 함.
• 한계 및 향후 과제: 유동성 효과 (Fire sales 등) 와 동적 임계값을 고려하지 않았다는 점. 향후 유동성 제약과 더 복잡한 충격 시나리오를 포함한 연구 필요.

종합적 결론:
이 연구는 글로벌 주식 시장이 전반적으로는 강한 회복탄력성 (Resilience) 을 보이지만, 밀집된 신흥국 서브네트워크 내에서 국소적 취약성이 존재함을 밝혔습니다. 시스템적 붕괴는 발생하기 어렵지만, 극단적 사건 (Tail Risk) 과 높은 연결성 (Clustering) 이 결합된 지역에서는 충격이 증폭될 수 있으므로, 이러한 구조적 특성을 고려한 리스크 관리가 필수적입니다.