현대 금융 시스템은 은행, 투자자, 시장이 끊임없이 연결된 거대하고 복잡한 그물망과 같습니다. 이 그물망의 한 부분이 비틀거리면, 그 충격은 외부로 파급되어 전체 경제를 위협하는 연쇄 반응을 일으킬 수 있습니다. '체계적 위험(systemic risk)'이라고 알려진 이 현상은 수많은 움직이는 요소들이 시간에 따라 변화하기 때문에 연구하기가 매우 어렵습니다. 위기가 어떻게 확산될지 이해하기 위해 연구자들은 종종 이러한 연결 관계를 시뮬레이션하는 컴퓨터 모델을 구축합니다. 그러나 이러한 모델의 흔한 문제점은 수학적 계산은 한 곳에서, 네트워크 분석은 다른 곳에서 이루어지며, 최종 결과물은 대개 마지막에 그려진 정적인 스냅샷에 불과하다는 것입니다. 이러한 분리는 작은 위험의 변화가 시간이 흐름에 따라 어떻게 대규모 붕괴로 진화할 수 있는지 파악하는 것을 어렵게 만들 수 있습니다.

상파울루 대학교 연구진이 개발한 새로운 접근 방식은 전체 과정을 하나의 연속적인 흐름으로 취급함으로써 이러한 단절을 해결하고자 합니다. 연구진은 모델을 구축한 뒤 나중에 결과를 시각화하려고 시도하는 대신, 수학, 네트워크 구조, 그리고 시각적 표현이 하나의 매끄러운 사슬처럼 서로 연결된 시스템을 만들었습니다. 이를 공장의 조립 라인에 비유해 본다면, 한쪽 끝으로 원재료가 들어가면 반대쪽 끝에서 완제품이 나오는 것과 같습니다. 이 경우 '원재료'는 단순한 컴퓨터 생성 숫자이며, '완제품'은 금융적 고통이 어떻게 확산되는지를 보여주는 역동적인 움직임의 그림입니다. 연구진은 새로운 방식의 폭락 예측법이나 은행이 실패하는 방식에 대한 새로운 이론을 발명한 것이 아닙니다. 대신, 그들은 과학자들이 초기 위험의 불꽃부터 최종 시각적 디스플레이에 이르기까지 전체 과정이 전개되는 모습을 실시간으로 관찰할 수 있게 해주는 투명하고 모듈화된 프레임워크를 구축했습니다.

실험은 컴퓨터에 대규모의 합성 데이터를 입력하는 것으로 시작되었습니다. 이 데이터는 서로 다른 금융 조건을 나타내는 520개의 가공의 관측치였습니다. 이 입력값들은 무작위적인 노이즈가 아니었으며, 실제 세계의 위험이 어떻게 행동할지를 모방하도록 설계된 일련의 단계들을 거쳐 변환되었습니다. 먼저, 컴퓨터는 이 원시 숫자들을 숨겨진, 즉 '잠재적(latent)' 위험 신호로 변환했습니다. 이는 복잡한 기상 패턴을 폭풍이 발생할 가능성을 나타내는 단 하나의 숫자로 추출하는 것과 같습니다. 다음으로, 이 숨겨진 신호는 0과 1 사이의 연속적인 합성 확률 위험 점수로 매핑되었습니다. 이 점수들은 통제된 합성 실험의 구성 요소이며, 실제 세계의 금융 위기 가능성을 나타내는 보정된 확률로 해석되어서는 안 됩니다. 이 단계는 데이터를 추상적인 숫자에서 실험적 모델의 핵심 요소로 이동시키는 데 매우 중요합니다.

위험 점수가 설정되면, 연구진은 디지털 금융 네트워크를 구축했습니다. 이 네트워크는 서로 다른 금융 기관을 나타내는 24개의 노드와, 이들이 어떻게 연결되어 있는지를 보여주는 31개의 가중치가 부여된 링크로 구성되었습니다. 각 노드에는 얼마나 쉽게 쓰러질 수 있는지를 나타내는 특정 취약성 점수가 부여되었으며, 노드 간의 연결은 문제가 한 곳에서 다른 곳으로 얼마나 쉽게 전달될지를 결정했습니다. 연구진은 기준 실험에서 지정된 초기 충격원인 5번 노드에 통제된 충격을 가했습니다. 이 충격은 무작위로 튀지 않았습니다. 대신, 마치 연못에 퍼지는 물결처럼 네트워크를 따라 최단 경로를 따라 바깥쪽으로 퍼져 나갔으나, 핵심적인 차이점은 충격의 강도가 근원지에서 멀어질수록 약해진다는 것이었습니다.

이 연구에서 가장 중요한 혁신은 시각화를 다루는 방식에 있습니다. 전통적인 연구에서 시각적 부분은 종종 수학적 계산이 모두 끝난 뒤에 덧붙여지는 부차적인 요소로 여겨집니다. 하지만 여기서는 시각적 표현이 파이프라인 자체에 내장되어 있습니다. 충격이 네트워크를 통과함에 따라, 컴퓨터는 동시에 동적인 디스플레이를 업데이트했습니다. 노드들은 고통이 고조됨을 보여주기 위해 색상이 변하고, 중요도를 나타내기 위해 크기가 커지며, 변화하는 상태를 반영하여 위치가 이동했습니다. 그 결과, 기초적인 위험 지형, 위기의 변화하는 확률, 네트워크 구조, 그리고 전염의 확산을 동시에 보여주는 네 가지 뷰를 갖춘 살아있는 대시보드가 탄생했습니다. 이를 통해 연구진은 초기 위험 점수와는 독립적으로, 네트워크의 구조가 충격의 속도와 범위에 어떤 영향을 미치는지 관찰할 수 있었습니다.

시뮬레이션 결과, 두 가지 유형의 위험 사이의 명확한 구분이 드러났습니다. 초기 데이터로부터 계산된 전체적인 위기 확률은 시간이 지나도 비교적 안정적으로 유지되었습니다. 그러나 일단 네트워크에 충격이 가해지자, 네트워크를 통한 전염은 충격에 강력하게 반응하며 네트워크를 통해 점진적으로 확장되었습니다. 영향을 받는 기관의 수는 충격이 네트워크의 새로운 층에 도달함에 따라 뚜렷한 단계별로 증가했으며, 이는 연결의 구조가 초기 위험 수준만큼이나 중요하다는 것을 보여주었습니다. 또한 이번 실험은 할당된 취약성, 네트워크 연결성, 그리고 전염 강도가 서로 구별되는 양이며, 노드의 순위를 동일하게 결정하지 않을 수 있음을 보여주었습니다.

이 작업은 복잡한 금융 역학이 수학적 모델링과 시각적 표현을 동일한 프로세스의 일부로 다룰 때 더 효과적으로 연구될 수 있음을 보여주는 개념 증명 역할을 합니다. 연구진은 충격이 거리와 함께 얼마나 빨리 감쇠할지를 제어하는 감쇠 계수를 포함하여 시뮬레이션을 위한 특정 매개변수 세트를 사용했지만, 이 작업의 가치는 바로 그 아키텍처 자체에 있습니다. 시스템이 교체 가능한 부품들로 구축되어 있기 때문에, 다른 연구자들은 전체 시스템을 다시 만들 필요 없이 위험 모델, 네트워크 구조, 또는 전염 규칙을 교체할 수 있습니다. 이러한 모듈성 덕분에 이 프레임워크는 향후 실제 데이터를 사용하거나, 금융 위기가 확산되는 방식에 대한 더 정교한 이론을 테스트하는 데 적응될 수 있습니다.

이 연구는 금융 위기를 예측하는 문제를 해결했다거나, 시장 행동을 예측하는 새로운 방법을 제시한다고 주장하지 않습니다. 그 기여는 구조적인 것입니다. 즉, 추상적인 위험 모델과 이를 이해하기 위해 사용되는 시각적 도구 사이의 연결 고리를 명확하고 재현 가능한 방식으로 제공한다는 점입니다. 정보의 흐름을 명시적으로 만듦으로써, 연구진은 과학자들이 금융 시스템의 다양한 구성 요소가 어떻게 상호작용하는지 탐구할 수 있는 도구를 만들어냈습니다. 네트워크를 통해 충격이 전파되는 과정을 조율된 시각적 디스플레이로 관찰할 수 있는 능력은, 정적인 계산을 하나의 역동적인 이야기로 바꾸어 모든 것을 동시에 보고 이해할 수 있게 해줍니다.