VaR 추정을 위한 몬테카를로 및 준몬테카를로 방법의 알고리즘적 비교

질문 설정

VaR(Value at Risk) 추정은 시뮬레이션 방식에 따라 결과가 달라진다. 이 연구의 초점은 "어떤 방식이 더 정확한 숫자를 내는가"가 아니다. 금융 리스크 시스템에서 시뮬레이션 방법을 선택할 때, 어떤 조건에서 준몬테카를로(QMC)가 일반 몬테카를로(MC) 대비 실질적 이점을 갖는가를 판단하는 것이다.

즉 방법론 경쟁이 아니라 의사결정 기준을 만드는 연구다.

방법

• 일반 Monte Carlo와 Sobol·Halton 저불일치 수열 기반 Quasi-Monte Carlo의 계산 효율, 수렴 특성, 백테스팅 성능을 비교.
• 한국 금융시장 데이터를 대상으로, 2020년 COVID-19, 2022년 레고랜드 사태, 2023년 금리 급등기를 포함한 실증 검증 수행. 시장이 정상일 때가 아니라 꼬리 위험이 실제로 발현된 구간을 골랐다.

결과

• 정확도: Sobol·Halton 기반 QMC는 동일 시뮬레이션 수에서 MC 대비 RMSE 2.7~6.2배 낮음. bootstrap 기준 신뢰구간도 더 좁았다.
• 백테스팅: 다만 McNemar 검정에서는 백테스팅 위반 여부에 통계적으로 유의한 차이가 없었다.

해석 — 두 결과가 엇갈린다

정확도(RMSE)는 확실히 개선되는데, 백테스팅 위반율에는 유의한 차이가 없다. 이 두 결과를 나란히 놓으면 결론이 달라진다.

그러면 QMC의 이점은 리스크 모델을 더 타당하게 만드는 데 있는 게 아니라, 계산 효율과 추정 안정성을 높이는 쪽에 있다고 봐야 한다. 같은 정밀도를 더 적은 시뮬레이션으로 얻는 것이지, 모델이 시장 위험을 더 잘 맞히게 되는 건 아니다.

리스크 시스템 설계자 입장에서 이 구분은 실무적으로 중요하다. QMC는 비용을 줄이는 최적화이지, 리스크 판단 자체를 신뢰하게 만드는 근거가 아니다.