투자 101
시장 붕괴 모델이 예측에서 설명으로 이동하고 있다
Securities.io를 Google의 선호 소스에 추가
1600년대 네덜란드에서 현대 금융시장이 태동한 이래 금융위기와 거품은 주기적으로 발생했으며, 그 시작에는 유명한 튤립 광풍이 있었습니다. 이로 인해 위기를 일으킬 수 있는 조건을 이해하는 일이 중요해졌습니다. 국가와 규제기관에는 위기의 발생 가능성과 심각도를 낮추기 위해, 금융 시스템 참여자에게는 막대한 손실을 피하기 위해 필요합니다.
하지만 지금까지 주요 방법은 부채 대비 GDP 비율, 과대평가 지표, 투자자 심리와 같은 지표를 살펴보는 상관관계 기반 예측이었습니다. 이러한 데이터는 실제로 위기를 초래할 수 있는 조건과 연관될 수 있는데, 마치 숲속의 마른 장작이 불을 일으키는 것과 같습니다.
하지만 이런 지표만으로는 특정 위기를 직접 촉발한 원인을 알 수 없습니다. 마른 장작이 산불의 조건을 만들더라도 실제 불을 붙이는 것은 최초의 불꽃인 것과 같습니다.
폴란드 슈체친 대학교의 연구자가 수행한 새로운 연구는 위기 분석이 시장 붕괴를 일으키는 구조적 채널을 설명하는 모델로 전환되어야 한다고 주장합니다. 이 논문에서는 변동성 충격과 국채 수익률 충격이 금융 위기를 초래하는 역할을 조사합니다.
이 연구는 Expert Systems with Applications1,에 게재되었습니다. 논문 제목은 “예측 불가능한 것을 예측하기: 블랙 스완 사건 동안 금융시장 붕괴를 위한 반사실적 인과 추론 체계”입니다.
이는 변동성 체제가 변할 때 평균 시장 가정에 기반한 일반적인 스트레스 테스트가 손실을 과소평가할 수 있기 때문에 투자자와 위험 관리자에게 중요한 데이터가 될 수 있습니다.
금융 위기 예측
상관관계에서 인과관계로 이동
현대 금융 시스템의 상당 부분은 위험을 이해하고 예측하려는 수학적 모델에 기반합니다. 그러나 이 모델들 역시 수학적 가정에 의존하며 추상적인 통계는 현실과 좀처럼 정확히 맞아떨어지지 않습니다. 그 결과 Nassim Taleb가 명명한 이른바 블랙 스완 사건이 발생합니다. 이는 예측하기 어렵고 드물지만 사회, 경제 또는 금융시장에 막대한 영향을 미치는 사건을 뜻합니다.
‘기존 예측 모델은 빅데이터에서 추세를 찾는 데 효과적이지만, 특정 희귀 사건이 왜 발생하는지 또는 다른 조건에서 결과가 어떻게 달라질지를 설명하지 못하는 경우가 많다.’
위기나 급격한 시장 움직임이 흔히 ‘통계적으로 불가능하다’고 표현되는 이유도 여기에 있습니다. 물론 이는 상관관계 기반 접근법이 현실의 조건을 제대로 반영하기에 부족하다는 뜻일 뿐입니다.
위험 관리자는 단지 시장이 하락했다는 사실뿐 아니라 어떤 구조적 경로가 붕괴를 일으켰는지 알아야 하므로 이는 중요한 문제입니다.
마찬가지로 중앙은행은 이러한 위험을 줄이기 위해 정책 수단이 지배적인 파급 경로에 대응하는지 평가해야 합니다.
따라서 스트레스 테스트 설계자는 장기 평균이 아니라 극단적인 시나리오에 적합한 민감도를 매개변수로 설정해야 합니다.
이 때문에 연구는 반사실적 인과 추론이라는 다른 접근법을 제안합니다. 이는 가상의 대안적 현실에서 어떤 일이 일어났을지 추정하는 과정입니다.
이를 위해 논문은 세 가지 설계 원칙을 사용했습니다:
첫째, 모델은 단순한 예측 질문이 아니라 개입에 관한 질문에도 답할 수 있어야 합니다:
‘특정 충격 경로가 없었다면 누적 시장 붕괴의 궤적은 어떻게 달라졌을까?’
둘째, 각각의 구조적 주장은 적어도 하나의 공식적인 실증 검정을 통해 뒷받침되어야 합니다.
셋째, 비위기 기간을 대상으로 한 위약 검정처럼 결과를 검증할 수 있어야 합니다.
데이터 수집
연구는 2007~2009년 글로벌 금융위기(GFC)와 COVID-19 팬데믹이라는 두 가지 주요 금융위기를 사례로 활용했습니다.
이 두 위기를 분석하기 위해 광범위한 데이터를 수집했습니다:
- S&P 500 지수의 일일 시계열.
- 인플레이션 측정을 위한 월간 소비자 물가 지수 (CPIAUCSL)
- 실업률 (UNRATE).
- CBOE 내재 변동성 지수 (VIX).
- 미국 10년 국채 고정 만기 수익률.
- Moody’s Baa 기업 수익률 마이너스 10년 국채 신용 스프레드 (BAA10Y).
- TED 스프레드 (TEDRATE).
금융 위기의 원인은 무엇인가?
수익률 충격이 붕괴의 원인
분석의 첫 부분에서는 금융시장 전반에서 금리 또는 채권 수익률이 갑작스럽고 예상치 못하게 변하는 수익률 충격을 살펴봅니다.
수익률 충격이 없었을 경우의 시장 수익률(파란색 선)과 수익률 충격이 포함된 실제 결과(빨간색 선)를 비교한 그래프에서 두 데이터는 매우 비슷해 보였습니다.
그러나 빨간색과 파란색 궤적이 갈라지는 현상은 방향성 측면에서 중요한 사실을 보여줍니다. 수익률은 주가 수익률에 단순히 반응하는 것이 아니라 적극적으로 영향을 미치고 있습니다.
‘특히 COVID 위기 때, 그리고 GFC 때는 그보다 미묘하게 파란색 궤적이 빨간색보다 위에 있는 것으로 관찰된다. 이는 수익률 변화가 붕괴의 결과가 아니라 예측 요인임을 보여준다.’
하지만 손실의 심각도를 결정하는 것은 또 다른 요인이었습니다.
변동성이 손실을 증폭시키는 요인
이 연구에 따르면 금융위기의 또 다른 원인은 변동성의 급등입니다.
이는 금융위기의 촉발 요인에 관한 대표적인 설명인 Minsky의 1992년 금융 불안정성 가설과 일치하므로 놀라운 결과는 아닐 수 있습니다.
이 가설의 핵심은 잘못된 안정감 때문에 금융시장 참여자들이 과도하고 위험한 수준의 부채를 떠안는다는 것입니다. 결국 ‘안정성이 불안정을 낳는다’는 뜻입니다.
이는 GFC와 COVID 팬데믹 모두에서 주가 붕괴를 일으킨 주된 원인으로 분석되었습니다.
‘COVID와 GFC에서 변동성 경로는 전체 누적 하락폭의 각각 58.7%와 28.3%를 차지했고, 수익률 경로는 각각 8.4%와 12.6%를 차지했다.’
연구 결과는 불안정한 시장에서 수익률 민감도가 높아진다는 점도 시사합니다. 즉, 이미 변동성이 클수록 수익률 충격의 영향도 더 커집니다.
| 블랙 스완 위기 | 총 손실 | 변동성 채널 비중 | 수익률 채널 비중 | 고변동성 위험 증폭 |
|---|---|---|---|---|
| COVID-19 팬데믹 (2020) | -22.80% | 58.7% (-13.38 pp) | 8.4% (-1.92 pp) | 수익률 민감도 급증 3.11× 더 높음 |
| 글로벌 금융 위기 (2007–09) | -27.77% | 28.3% (-7.86 pp) | 12.6% (-3.49 pp) | 수익률 민감도 급증 4.76× 더 높음 |
참고: 값은 핵심 붕괴 구간 전체에 걸친 누적 로그 수익률을 나타냅니다. 채널 기여도는 구조 모델의 지연 교차 항에 의한 비직교 동적 상호작용 때문에 총 손실과 정확히 일치하지 않을 수 있습니다. (pp = 퍼센트 포인트).
위기를 보다 정확하게 예측하기
예측을 더욱 정교화하기
그렇다고 이 연구의 체계가 완벽한 예측 도구라는 뜻은 아닙니다. 우선 선형 모델을 사용하므로 금융위기 같은 극단적인 상황에는 적합하지 않을 수 있습니다.
‘향후 연구에서는 체제 전환 SVAR 또는 신경망 구조방정식 모델처럼 구조적으로 비선형인 모델을 검증해야 한다.’
환매조건부채권 금리의 움직임, 딜러 대차대조표 제약, 옵션 미시구조 변수 같은 데이터를 추가하면 예측 능력을 높이는 데도 도움이 될 수 있습니다.
투자자 및 정책 입안자를 위한 시사점
위험 관리자와 스트레스 테스트 설계자에게, 이러한 인과관계 분석은 단순한 상관관계를 넘어 헤지 결정의 핵심 정보로 활용되어야 합니다.
따라서 모델은 두 가지 시장 체제에 따른 민감도 체계를 사용해야 합니다. 보통 상황에는 낮은 VIX 체제의 계수를, 극단적인 시나리오에는 그보다 3~5배 큰 높은 VIX 체제의 계수를 적용해야 합니다.
이는 시장 상황에 따라 서로 다른 지표에 초점을 맞춰야 한다는 뜻이기도 합니다:
- 수익률이 주도하는 손실의 상대적 비중이 커질 때는 듀레이션 관리, 즉 자산이나 부채의 시간 민감도를 모니터링하고 조정하는 일이 점점 더 중요해집니다.
- VIX가 주도하는 손실이 우세할 때는 변동성 오버레이 전략이 최우선 과제가 됩니다.
중앙은행에는 이미 형성된 시장 불안의 수준에 따라 금리 관리 수단이 주가 안정에 제공하는 추가 효과를 측정할 수 있다는 의미입니다.
정책 입안자에게는 어떤 유형의 위기에 직면했는지 파악하는 것이 무엇보다 중요합니다.
“COVID는 변동성 대비 수익률 비율이 7:1인 위기였으며, GFC는 2.3:1 위기였습니다. 실시간으로 어느 채널이 우세할지 진단하는 도구로서 이러한 비율은 향후 블랙 스완 발생을 예측하는 데 활용될 수 있습니다.”
참조 연구
1. Guru Ashish Singh. Predicting the unpredictable: a counterfactual causal inference framework for financial market collapse during black swan events. Expert Systems with Applications. 15 2026년 12월. Article: 133342. Volume: Volume 331, Part C. DOI: https://doi.org/10.1016/j.eswa.2026.133342
