Importance Sampling Enhanced with the COS Method for the Portfolio Risk Allocation

금융 세계에서 은행과 투자 회사는 대출의 방대한 집합체인 포트폴리오를 관리합니다. 대부분의 경우 이러한 포트폴리오는 잘 작동하며 돈은 원활하게 흐릅니다. 하지만 가끔 완벽한 폭풍이 몰아칩니다: 경기 침체, 갑작스러운 시장 붕괴, 또는 연쇄적인 채무 불이행이 발생하여 포트폴리오가 한꺼번에 막대한 돈을 잃게 되는 상황입니다. 이러한 사건들은 드물게 일어나지만, 은행을 파멸시킬 수 있는 결정적인 사건들입니다. 안전을 유지하기 위해 규제 당국은 은행이 이러한 재난에서 살아남기 위해 정확히 얼마만큼의 예비 자금을 보유해야 하는지 알 것을 요구합니다. 문제는 이러한 재난은 너무나 드물게 발생하기 때문에, 표준적인 방법으로 컴퓨터 시뮬레이션을 돌려본다면 백만 번을 실행해도 단 한 번의 재난도 보지 못할 수도 있다는 점입니다. 이는 마치 단 한 번의 오후 동안 강물을 관찰함으로써 백 년에 한 번 오는 홍수를 예측하려는 것과 같습니다. 당신은 물이 의미 있는 수준까지 차오르는 것을 결코 보지 못할 것입니다.

이를 해결하기 위해 수학자들은 중요도 샘플링(importance sampling)이라는 기법을 사용합니다. 강물을 정상적으로 관찰하는 대신, 그들은 시뮬레이션 속의 날씨를 인위적으로 변경하여 홍수가 더 자주 발생하도록 만듭니다. 그런 다음 결과가 실제와 일치하도록 수학적 보정을 사용하여 결과를 다시 조정함으로써 최종 답변이 정확하도록 보장합니다. 그러나 이 방법에는 함정이 있습니다. 인위적인 날씨가 너무 많이 바뀌면 보정이 불안정해져 결과가 노이즈가 섞인 것처럼 요동치게 됩니다. 반대로 날씨가 너무 적게 바뀌면 홍수가 여전히 드물게 발생하여 시뮬레이션이 무용지물이 됩니다. 이 작업이 성공하기 위한 핵심은 시뮬레이션이 어떻게 변형될지에 대한 완벽한 균형점을 찾는 것입니다. 이것이 바로 연구자 팡 팡(Fang Fang), 샤오유 셰ン(Xiaoyu Shen), 칭링 왕(Qinling Wang)이 최근 신용 포트폴리오 위험에 관한 연구에서 다룬 과제입니다.

연구진은 많은 서로 다른 차입자의 건전성이 경제 상태와 같은 몇 가지 공통된 근본 요인들에 의해 서로 연결되어 있는 특정 유형의 금융 모델에 집중했습니다. 경제가 어려워지면 많은 차입자가 동시에 어려움을 겪습니다. 막대한 손실을 추정하기 위해 그들은 경제가 재난 직전의 상태라면 어떤 모습일지를 정확히 파악해야 했습니다. 그들의 목표는 수학적 규칙을 깨뜨리지 않으면서 시뮬레이션이 자연스럽게 이러한 위험한 경제 상태로 흘러가도록 조정하는 것이었습니다.

수년 동안 이를 수행하는 표준적인 방식은 예비 시뮬레이션을 실행하고 재난이 얼마나 발생했는지 단순히 세는 것이었습니다. 특정 경제 시나리오가 재난을 초래했다면 '예'라는 투표를 받았고, 그렇지 않으면 '아니오'라는 투표를 받았습니다. 연구진은 이 예/아니오 투표를 사용하여 시뮬레이션을 조정했습니다. 이 접근 방식의 문제는 극단적인 위험 수준에서 재난은 너무나 드물기 때문에, 25만 개의 시나리오를 예비 실행하더라도 '예'라는 투표가 불과 몇 백 개에 그칠 수 있다는 점입니다. 데이터 포인트가 너무 적으면 결과적인 조정은 불안정하고 신뢰할 수 없게 되는데, 이는 마치 단 세 명의 키를 측정하여 전체 인구의 평균 키를 추측하려는 것과 같습니다.

연구팀은 이러한 투박한 예/아니오 투표를 훨씬 더 매끄러운 것으로 대체하기 위해 ISCOS라고 부르는 새로운 방법을 제안했습니다. "이 시나리오가 재난을 일으켰는가?"라고 묻는 대신, 그들은 "이 시나리오가 재난을 일으킬 확률은 얼마인가?"라고 물었습니다. 그들은 푸리에-코사인 방법(Fourier-cosine method)이라 불리는 기법에 기반한 정교한 수학적 도구를 사용하여 이 확률을 모델 구조로부터 직접 계산했습니다. 이 도구 덕분에 그들은 예비 실행에서 해당 시나리오가 실제로 재난을 일으키지 않았더라도, 시뮬레이션된 모든 시나리오에 대해 재난이 발생할 확률을 추정할 수 있었습니다. 이처럼 이진법적인 예/아니오 답변 대신 매끄러운 확률 추정치를 사용함으로써, 동일한 횟수의 컴퓨터 시뮬레이션으로부터 훨씬 더 유용한 정보를 수집할 수 있었습니다.

그들이 이 새로운 방법을 기존 방법과 비교 테스트했을 때, 그 차이는 놀라웠습니다. 100명의 차입자와 11개의 서로 다른 경제 요인을 포함한 포트폴리오를 대상으로 한 실험에서, 새로운 방법은 훨씬 더 안정적인 결과를 만들어냈습니다. 구체적으로, 각 개별 차입자가 전체 재난 위험에 얼마나 기여하는지를 살펴보았을 때, 새로운 방법은 훨씬 더 명확한 답을 제시했습니다. 기존 방법은 기여도에 대해 넓고 불확실한 범위를 나타낸 반면, 새로운 방법은 그 범위를 현저히 좁혔습니다. 한 테스트에서 새로운 방법은 위험 추정치의 불확실성을 20% 이상 줄였습니다. 이는 이 방법을 사용하는 은행이 자신의 취약점이 어디에 있는지 훨씬 더 선명한 그림을 가질 수 있으며, 이를 통해 자본 보유량에 대한 더 나은 결정을 내릴 수 있음을 의미합니다.

연구진은 또한 자신들의 새로운 방법이 수학적으로 타당한지 확인했습니다. 그들은 매끄러운 확률 추정치를 사용함으로써 기존 방법을 괴롭혔던 무작위 노이즈의 한 층을 제거하고 있음을 증명했습니다. 이는 그들의 추정치가 통계적으로 더 효율적임을 의미하며, 즉 동일한 컴퓨팅 파워로 더 정확한 결과를 얻을 수 있음을 뜻합니다. 그들은 이를 두 가지 유형의 금융 모델—경제 요인이 표준 정규 분포를 따른다고 가정하는 모델과 더 극단적인 헤비 테일(heavy-tailed) 이벤트를 허용하는 모델—에 대해 테스트했습니다. 두 경우 모두 새로운 방법이 기존 방법보다 우수한 성능을 보였으며, 추가적인 컴퓨터 시간 없이도 더 신뢰할 수 있는 위험 할당을 제공했습니다.

가장 중요한 발견 중 하나는 새로운 방법이 단순히 전체 위험 수치만을 개선한 것이 아니라, 그 위험의 세부 내역을 개선했다는 점입니다. 은행은 단순히 위험에 처해 있다는 사실뿐만 아니라, 어떤 특정 대출이 그 위험을 주도하고 있는지도 알아야 합니다. 기존 방법은 재난 임계값이 매우 높을 때 이러한 개별 기여도를 정확하게 짚어내는 데 종종 어려움을 겪었습니다. 그러나 새로운 방법은 이러한 개별 위험에 대해 훨씬 더 명확한 지도를 제공했습니다. 이는 리스크 관리자가 특정 대출을 매각할지 아니면 보험을 살지 결정해야 할 때 매우 중요합니다. 더 긴 시뮬레이션을 기다리지 않고도 이러한 세부 사항을 더 높은 정밀도로 볼 수 있는 능력은 실질적인 기술적 이점입니다.

연구는 10개의 그룹으로 나뉘어 잠재적 손실 규모가 다른 100명의 차입자를 포함하는 특정 벤치마크 포트폴리오를 사용하여 수행되었습니다. 연구진은 고위험 규제의 표준인 99.9% 신뢰 수준을 설정하고, 총 손실이 특정 높은 임계값을 초과하는 시나리오를 조사했습니다. 그들은 표준 컴퓨터 환경에서 시뮬레이션을 실행하여 새로운 접근 방식을 기존 방법과 직접 비교했습니다. 결과에 따르면 새로운 방법이 매끄러운 확률을 계산하는 데 약간의 추가 시간을 필요로 하기는 했지만, 이 비용은 정확한 결과를 더 빠르게 얻음으로써 절약되는 시간에 비하면 미미했습니다. 전체 시뮬레이션을 실행하는 데 걸리는 시간은 약 4% 정도 더 길었지만, 위험 평가의 질은 실질적으로 훨씬 더 좋아졌습니다.

연구진은 자신들의 결과가 시뮬레이션과 특정 테스트 케이스에 기반하고 있다는 점을 주의 깊게 언급했습니다. 그들은 자신들의 방법이 모든 가능한 금융 시장의 모든 문제를 해결할 것이라고 주장하거나, 모든 불확실성을 제거하는 마법의 탄환이라고 제안하지 않았습니다. 개선 사항은 추정치가 실행 시마다 얼마나 변하는지, 그리고 최종 수치 주변의 신뢰 구간이 얼마나 좁은지에 대한 관점에서 측정되었습니다. 수행된 테스트에서 새로운 방법은 특히 계산하기 가장 어려운 꼬리 위험(tail-risk) 기여도에 대해 일관되게 더 좁은 구간과 더 안정적인 추정치를 생성했습니다.

궁극적으로 이 연구는 데이터의 캘리브레이션 단계에서 데이터를 바라보는 방식을 바꿈으로써, 희귀 이벤트 시뮬레이션을 훨씬 더 강력하게 만들 수 있음을 보여줍니다. 예비 실행에서 재난을 맞닥뜨리는 운에 의존하는 대신, 새로운 방법은 수학적 통찰력을 사용하여 모든 시나리오에서의 재난 가능성을 이해합니다. 희귀한 사건을 세는 것에서 그 발생 가능성을 추정하는 것으로의 이러한 전환은 금융 위험에 대한 더욱 견고하고 신뢰할 수 있는 평가를 가능하게 합니다. 이 계산에 의존하여 글로벌 경제를 보호하는 기관들에게, 노이즈와 불확실성을 줄이면서 위험을 더 명확하게 볼 수 있는 능력은 미지의 영역을 관리하는 데 있어 중요한 진전입니다.