9가지 사례로 익히는 고급 스파크 분석(2판): 현실 세계 빅데이터로 배우는 데이터 과학과 머신러닝

256

9가지 사례로 익히는 고급 스파크 분석 (2판)

9.2.2

과거 기반 시뮬레이션

과거 기반 시뮬레이션

Historical

Simulation

은 요약 통계에 의존하는 대신 과거 데이터의 분포를 직접

이용하여 리스크를 추정한다. 예를 들어서 포트폴리오의

5

%

VaR

을 알아내기 위해 그 포트폴

리오의 지난

100

일간의 성과를 보고 그중

5

번째로 나쁜 날의 값으로

VaR

통계량 값을 추정할

수도 있다. 이 방법의 문제는 과거 데이터가 그만큼 많이 쌓여 있지 않을 수 있고, 지금 가정하

는 시나리오들을 포함하지 못할 수 있다는 것이다. 예를 들어, 시장붕괴를 겪어본 적 없는 금

융상품들로 구성된 포트폴리오를 가지고 시장붕괴가 일어났을 때 무슨 일이 일어날지를 모델

링하려 한다면 어떻게 해야 하느냐는 말이다. 역사적 시뮬레이션을 이러한 상황에 덜 민감하게

만들어주는 기술로 데이터 속에 쇼크

Shock

를 넣는 등의 기법이 있지만 여기서는 다루지 않기로

한다.

9.2.3

몬테카를로 시뮬레이션

이 장의 나머지에서 중점적으로 다룰 몬테카를로 시뮬레이션은 포트폴리오를 임의 상황에서

시뮬레이션함으로써 앞에서 소개한 방법이 취해야 했던 가정을 약화시키려 노력한다. 확률 분

포의 닫힌 형태

Closed

-

form

를 해석적으로 유도할 수 없다면, 보통 이 분포에 영향을 주는 더 간단

한 확률 변수

Random

Variable

를 반복해서 표본추출한 다음, 이 변수들이 전체에 어떤 영향을 주는

지 관찰하여 확률 밀도 함수

Probability

Density

Function ...