논문·개인 연구·
VaR 추정을 위한 몬테카를로 및 준몬테카를로 방법의 알고리즘적 비교
복잡도 분석과 한국 금융시장 실증 연구. 준몬테카를로(QMC)는 같은 시뮬레이션 횟수에서 오차를 크게 줄였지만, 백테스팅 결과는 일반 몬테카를로(MC)와 똑같았습니다.
RMSE 2.7~6.2배 감소1,690거래일 실증McNemar p=1.000
질문
VaR(Value at Risk)와 CVaR를 시뮬레이션으로 추정할 때, 준몬테카를로(QMC)가 일반 몬테카를로(MC)보다 언제, 어디서, 왜 나은지를 따졌습니다. 수렴 특성, 분산 감소 기법의 효과, 시장 스트레스 구간의 백테스팅 성능, QMC가 유리하거나 불리해지는 경계 조건을 비교하고, 리스크 관리자가 쓸 수 있는 선택 기준을 정리했습니다.
데이터와 방법
- 자산: KOSPI 200 ETF, 국고채 3년 ETF, 국고채 10년 ETF를 같은 비중으로 담은 포트폴리오
- 기간: 2018년 1월 1일 ~ 2024년 12월 30일, 일별 관측치 1,690개
- 스트레스 구간: 2020년 COVID-19 폭락(62일), 2022년 레고랜드 사태(82일), 2023년 금리 급등기(121일)
- 시뮬레이션: MC와 Sobol·Halton 저불일치 수열 기반 QMC(스크램블링 적용), 분산 감소 기법(Antithetic Variates, Control Variates)
- 검증: Kupiec·Christoffersen 백테스트, 두 방법의 위반 여부를 짝지어 비교하는 McNemar 검정, bootstrap 신뢰구간
결과
- 정확도: 같은 시뮬레이션 횟수에서 QMC의 RMSE가 MC보다 2.7~6.2배 낮았고, bootstrap 신뢰구간 폭은 4.3배 좁았습니다.
- 분산 감소: Control Variates가 **99.99%**로 압도적이었고, QMC 단독은 70.4%였습니다. Antithetic Variates는 분산을 오히려 4.2% 늘렸습니다. VaR는 평균이 아닌 분위수를 추정하는데, 한국 시장 수익률은 음의 왜도를 보여 짝지은 표본이 같은 꼬리 쪽에 몰리기 때문입니다.
- 백테스팅: 위반 72건이 MC, Sobol, Halton에서 모두 같은 날짜에 나왔습니다. McNemar 검정 결과는 p=1.000으로 차이가 없었습니다.
- 차원: QMC의 효율 이득은 자산 2개에서 658%였지만, 15개에서는 48%로 줄었습니다.
- 스트레스 구간 위반율: COVID-19 폭락 22.58%, 레고랜드 사태 9.76%, 2023년 금리 급등기 0.83%로, 전체 기간(5.39%)과 크게 달랐습니다. 이 차이는 시뮬레이션 방법과 무관한 모델 자체의 한계입니다.
- 강건성: 자산 5개 포트폴리오에서 효율 +117%, 꼬리가 두꺼운 다변량 t분포(ν=5)에서 +192%로 QMC의 이점이 유지됐습니다.
해석
계산 효율과 백테스팅 성능이 따로 움직였습니다. QMC는 같은 정밀도를 더 적은 시나리오로 얻게 해 주지만, 모델이 시장 위험을 더 잘 맞히게 만들지는 않습니다. 실무 권고는 다음과 같습니다.
- 자산 5개 이하, 시나리오 5,000개 이상이면 QMC-Sobol을 씁니다.
- 시뮬레이션 방법과 상관없이 Control Variates를 기본으로 적용하고, VaR·CVaR 추정에는 Antithetic Variates를 쓰지 않습니다.
- 극단적 사건에서의 과소추정은 시뮬레이션 방법으로 해결되지 않으므로, 스트레스 테스트와 시나리오 분석으로 보완합니다.